Lịch sử của Trí tuệ nhân tạo (AI)
Lĩnh vực trí tuệ nhân tạo (AI) đã tồn tại từ khoảng năm 1950, với những dự đoán táo bạo trong thập niên 1960 rằng AI sẽ đạt được trí tuệ nhân tạo tổng quát (Artificial General Intelligence - AGI) trong vòng 20 năm. Tuy nhiên, đến nay AGI vẫn chưa đạt được và hầu hết các thuật toán AI hiện nay đều là AI chuyên biệt (task-specific AI), chỉ thực hiện được các tác vụ cụ thể thay vì toàn bộ phạm vi hành vi nhận thức của con người. Lịch sử của cờ vua máy tính minh họa rõ nét sự phát triển này: từ việc sử dụng các phương pháp tìm kiếm brute force (tìm kiếm vét cạn) kết hợp với kỹ thuật cắt tỉa alpha-beta (alpha-beta pruning) để giảm bớt các nhánh tìm kiếm không hiệu quả, cho đến các cách tiếp cận hiện đại hơn như AlphaZero, sử dụng phương pháp tiếp cận trực quan tương tự như nhận dạng mẫu của con người để đánh giá các nước đi.
Máy học (Machine Learning)
Máy học là một phân ngành của AI, trong đó các thuật toán cải thiện hiệu suất thông qua kinh nghiệm mà không cần lập trình rõ ràng. Có bốn nhánh chính của máy học: (1) thuật toán có giám sát (supervised algorithms) áp dụng khi có dữ liệu được gán nhãn; (2) phương pháp không giám sát (unsupervised methods) dùng khi không có dữ liệu gán nhãn; (3) kỹ thuật bán giám sát (semi-supervised techniques) dùng khi chỉ có một lượng nhỏ dữ liệu được gán nhãn; và (4) học tăng cường (reinforcement learning) phù hợp cho các kịch bản có chu kỳ hành động và phần thưởng. Các phương pháp này thường bao gồm ba thành phần: thành phần mô hình (model component), dữ liệu (data), và hàm mục tiêu (objective function) để tối ưu hóa.
Thị giác máy tính và Phân tích hình ảnh nâng cao
Thị giác máy tính bao gồm các tác vụ như phân loại hình ảnh (image classification), định vị (localization), phân đoạn (segmentation), ước tính chuyển động và tạo ảnh. Các phương pháp truyền thống như mô hình đa diện (polyhedral modeling), mô hình không gian tỷ lệ (scale-space models), và các mô hình đặc trưng như SIFT (Scale-Invariant Feature Transform), SURF (Speeded Up Robust Features), và BRIEF (Binary Robust Independent Elementary Features) đã từng là tiêu chuẩn trước khi bị thay thế bởi các mạng thần kinh nhân tạo (artificial neural networks). Deep learning, một dạng mạng thần kinh sâu, đã tạo ra bước đột phá lớn từ năm 2012 với AlexNet, đạt tỷ lệ lỗi top-five là 15,3% trong thử thách ImageNet.
Cấu trúc mô hình Deep Learning
Kiến trúc deep learning trong phân tích hình ảnh thường bao gồm bốn loại lớp: lớp kết nối đầy đủ (fully connected layers), lớp tích chập (convolutional layers), lớp kích hoạt (activation layers), và lớp gộp (pooling layers). Các lớp này được xếp chồng lên nhau để xử lý dữ liệu đầu vào, thường là tensor W x H x 1 cho ảnh thang độ xám hoặc W x H x 3 cho ảnh màu. Các bộ lọc tích chập (convolutional filters) được thiết kế để trích xuất các đặc trưng cục bộ, với các siêu tham số quan trọng bao gồm kích thước hạt nhân (kernel size), sải bước (stride), đệm (padding), và độ giãn (dilation).
Huấn luyện mô hình Deep Learning
Quá trình huấn luyện deep learning sử dụng phương pháp lan truyền ngược (backpropagation) kết hợp với tối ưu hóa gradient descent ngẫu nhiên (Stochastic Gradient Descent - SGD). Một lần lặp qua toàn bộ dữ liệu huấn luyện được gọi là một epoch. Do hạn chế về bộ nhớ GPU, chiến lược minibatch thường được áp dụng. Các siêu tham số như tốc độ học (learning rate), kích thước batch, và số lượng epoch cần được điều chỉnh cẩn thận. Các đường cong học tập (learning curves) là công cụ chẩn đoán quan trọng để phát hiện tình trạng quá khớp (overfitting) hoặc thiếu khớp (underfitting).
Đánh giá mô hình AI
Việc lựa chọn chỉ số đánh giá phụ thuộc vào tác vụ cụ thể. Đối với phân loại nhị phân, độ chính xác (accuracy) có thể gây hiểu lầm nếu dữ liệu không cân bằng, do đó cần sử dụng thêm độ nhạy (sensitivity), độ đặc hiệu (specificity), và diện tích dưới đường cong đặc tính hoạt động của máy thu (AUROC). Đối với phân đoạn, chỉ số giao trên hợp (Intersection over Union - IOU) hoặc hệ số Dice (Dice coefficient) thường được ưu tiên. Đối với hồi quy, sai số tuyệt đối trung bình (Mean Absolute Error - MAE) hoặc sai số bình phương trung bình (Mean Squared Error - MSE) là các chỉ số phổ biến.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Tỷ lệ lỗi top-five của AlexNet (2012) | 15,3% |
| Số lượng ảnh trong tập dữ liệu ImageNet | 14 triệu ảnh |
| Số lượng ảnh trong tập dữ liệu MNIST | 60.000 ảnh huấn luyện, 10.000 ảnh kiểm tra |
| Tỷ lệ phân chia dữ liệu phổ biến | 60%/20%/20% hoặc 50%/25%/25% |
| Độ nhạy/Độ đặc hiệu của Gulshan et al. (Messidor-2) | 90,3% và 98,1% |
| Độ đặc hiệu của Abràmoff et al. (Iowa Detection Program) | 87,0% (CI 55,7% - 63,0%) |
| AUROC của Ting et al. (2017) | 0,889 đến 0,983 |
Bình luận: Thông tin theo Ryan's Retina, 7th Ed., 2022; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Các tác giả nhấn mạnh rằng việc triển khai AI trong nhãn khoa đòi hỏi sự hiểu biết sâu sắc về các hạn chế của mô hình, đặc biệt là tính dễ tổn thương trước các thay đổi nhỏ trong dữ liệu đầu vào (adversarial attacks) và sự phụ thuộc vào thiết bị. Việc phân chia dữ liệu ở cấp độ bệnh nhân (patient-level partitioning) là bắt buộc để tránh đánh giá quá cao hiệu suất mô hình.
- Ưu tiên sử dụng các mô hình có khả năng giải thích (explainable AI) để hiểu rõ các đặc trưng mà mô hình đang sử dụng.
- Luôn thực hiện phân chia dữ liệu huấn luyện, xác thực và kiểm tra ở cấp độ bệnh nhân để đảm bảo tính tổng quát hóa.
- Sử dụng các chỉ số đánh giá phù hợp với bản chất của dữ liệu (ví dụ: IOU cho phân đoạn, AUROC/AUPRC cho phân loại dữ liệu mất cân bằng).
- Cần thực hiện các nghiên cứu xác thực tiền cứu với bệnh nhân được tuyển chọn liên tiếp trong môi trường lâm sàng thực tế trước khi triển khai rộng rãi.
- Cân nhắc chiến lược học chuyển đổi (transfer learning) khi dữ liệu huấn luyện bị hạn chế.
Tài liệu tham khảo:
Yue Wu, Aaron Y. Lee, 2022, Artificial Intelligence and Advanced Imaging Analysis, Ryan's Retina, 7th Ed., Vol. 1, Chapter 8, pp. 223-259.