Bệnh Parkinson là một trong những bệnh thoái hóa thần kinh có tỷ lệ mắc cao nhất trên toàn cầu, được gọi là “kẻ giết người thầm lặng” hoặc “ung thư mãn tính”. Các triệu chứng điển hình bao gồm run, cứng cơ và chậm vận động, cũng như suy giảm chức năng nhận thức và sa sút trí tuệ. Những triệu chứng này không chỉ ảnh hưởng nghiêm trọng đến khả năng di chuyển của 10 triệu bệnh nhân mà còn làm giảm chất lượng cuộc sống của họ. Thêm vào đó, bệnh Parkinson, vốn được cho là chỉ xảy ra ở người già, đang “nhắm đến” ngày càng nhiều người trẻ.
Từ lâu, việc chẩn đoán và theo dõi tiến triển của bệnh Parkinson chủ yếu dựa vào quan sát các triệu chứng vận động. Phương pháp này không chỉ phụ thuộc vào người thực hiện mà còn kém hiệu quả và thiếu tiêu chuẩn chẩn đoán khách quan, định lượng. Thêm vào đó, ở các quốc gia thu nhập thấp, bác sĩ thần kinh rất hiếm — chỉ có từ 0.03 đến 0.13 bác sĩ trên 100.000 người, điều này càng hạn chế khả năng phát hiện và quản lý bệnh Parkinson kịp thời.
Mặc dù các nghiên cứu trước đó đã phát hiện rằng, trước khi xuất hiện các triệu chứng vận động, cơ thể có thể đã xảy ra một loạt thay đổi sinh học, như sự tích tụ protein alpha-synuclein, sự thay đổi mức enzyme liên quan trong dịch não tủy và bất thường cấu trúc võng mạc. Tuy nhiên, việc phát hiện các dấu hiệu sinh học này thường phụ thuộc vào thiết bị phức tạp và tay nghề chuyên nghiệp, khó có thể được áp dụng rộng rãi trong các cơ sở y tế cơ sở.
Do đó, việc phát triển một công cụ chẩn đoán bệnh Parkinson có khả năng định lượng, chi phí thấp, dễ tiếp cận vẫn là một nhu cầu lâm sàng chưa được đáp ứng.
Hiện nay, chỉ với một chiếc bút, có thể thực hiện việc hỗ trợ phát hiện sớm bệnh Parkinson với độ chính xác lên tới trên 95%.
Theo giới thiệu, “bút chẩn đoán” được trang bị mực từ tính này đến từ phòng thí nghiệm của giáo sư Jun Chen thuộc khoa kỹ thuật sinh học, Đại học California, Los Angeles (UCLA). Thông qua phân tích dữ liệu được điều khiển bởi công nghệ trí tuệ nhân tạo (AI), nó có thể nhận diện sự khác biệt giữa các đặc điểm chữ viết của bệnh nhân Parkinson và nhóm người khỏe mạnh, mở ra khả năng chẩn đoán sớm hơn.
Bài báo nghiên cứu liên quan có tiêu đề “Phân tích viết tay cá nhân hóa hỗ trợ bởi mạng nơ-ron cho chẩn đoán bệnh Parkinson” đã được công bố trên tạp chí con Nature Chemical Engineering của Nature. Tác giả liên hệ của bài báo là giáo sư Jun Chen, người sáng lập phòng thí nghiệm điện sinh học thuộc khoa kỹ thuật sinh học, Đại học California, Los Angeles (UCLA).
Nhóm nghiên cứu cho biết, bút chẩn đoán này có thể đại diện cho một công nghệ chi phí thấp, chính xác và dễ dàng phân phối trên quy mô lớn, có khả năng thực hiện sàng lọc sớm và rộng rãi, tiềm năng mở rộng trong tương lai và hy vọng sẽ lấp đầy khoảng trống quan trọng trong chẩn đoán lâm sàng hiện tại.
Nhận diện chữ viết tay bệnh Parkinson? AI sẽ giúp đỡ.
Theo mô tả của bài báo, bút chẩn đoán chủ yếu được cấu thành từ đầu bút từ tính và mực từ tính. Các hạt từ tính trong đầu bút được nhúng trong nền silicone, có khả năng cảm nhận sự thay đổi áp lực trong quá trình viết và tạo ra trường từ, trong khi mực từ tính phản ứng với những thay đổi này để tạo ra tín hiệu điện áp có thể ghi lại.
Từ cấu trúc vi mô của vật liệu đến phản ứng chức năng, nhóm nghiên cứu đã kiểm tra hệ thống tính năng của đầu bút từ tính và mực từ tính và phát hiện rằng, sau thời gian sử dụng dài, chúng vẫn giữ được tính từ và độ nhớt ổn định, không có sự suy giảm đáng kể.
Hình ảnh minh họa thiết kế và nguyên lý hoạt động của bút chẩn đoán từ tính.
Cấu trúc và thành phần của bút chẩn đoán:
a. Sơ đồ của bút chẩn đoán để phân tích viết tay cá nhân hóa và chẩn đoán bệnh Parkinson.
b. Bút chẩn đoán bao gồm đầu bút từ tính và mực từ tính, đầu bút được cấu tạo từ các hạt từ tính nhúng trong nền silicone.
c. Mực từ tính được cấu thành từ các nano-magnet.
Cấu trúc vi mô và hình thái của vật liệu:
d,e. Hình ảnh quét vi tính (Micro-CT) của vật liệu đầu bút từ tính trong hai trạng thái khác nhau: trạng thái ban đầu (trước khi kéo dài) và trạng thái biến hình (sau khi kéo dài). Thước đo, 1.5 mm.
f. Hình ảnh kính hiển vi điện tử truyền qua của các hạt nano từ tính. Thước đo, 25 nm.
g. Hình thái bề mặt của mực từ tính dưới các trường từ khác nhau, được xác định bởi sự cân bằng giữa sức căng bề mặt, trọng lực và áp lực điện từ. Thước đo, 3 mm.
Phân bố trường từ và tính năng của vật liệu:
h. Phân bố trường từ dọc theo đầu bút từ tính theo chiều dọc.
i. Độ nhớt của mực từ tính (màu đỏ) và tính chất từ tính của hệ thống đầu bút từ tính – mực từ tính (màu xanh) không có sự thay đổi đáng kể giữa các mẫu trước và sau khi sử dụng lâu dài. Dữ liệu được biểu thị bằng trung bình ± độ lệch chuẩn; thí nghiệm độ nhớt n=3, điểm thử nghiệm dòng điện n=5. Đã xác định tính đáng kể bằng kiểm định t hai phía. NS, không đáng kể.
j. Giá trị tuyệt đối của sự thay đổi dòng chảy từ tính ở các khoảng cách dọc khác nhau khi có lực tác động.
Để xác nhận tính khả thi của công nghệ này, nhóm nghiên cứu đã thực hiện nghiên cứu ban đầu trên cơ thể người tại trung tâm y tế Ronald Reagan của UCLA. Người tham gia bao gồm bệnh nhân Parkinson và tình nguyện viên khỏe mạnh, tất cả đều đã ký vào mẫu đồng ý và hoàn thành một loạt nhiệm vụ viết: 1. Vẽ đường lượn sóng liên tiếp; 2. Vẽ đường xoắn ốc liên tiếp; 3. Viết 6 chữ cái viết hoa ‘MEGPEN’. Ba nhiệm vụ này được thực hiện trên giấy và trong không khí, đồng thời ghi lại các tín hiệu điện liên quan.
Hình ảnh phân tích viết tay cá nhân hóa.
a. Thiết kế hệ thống phân tích viết tay cá nhân hóa bằng bút chẩn đoán.
b. Sử dụng bút chẩn đoán để vẽ đường lượn sóng liên tiếp trên giấy (nhiệm vụ 1), thực hiện ba lượt, ghi lại tín hiệu điện.
c. Sử dụng bút chẩn đoán vẽ đường xoắn ốc trên giấy (nhiệm vụ 2), cũng thực hiện ba lượt, ghi lại tín hiệu điện.
d. Sử dụng bút chẩn đoán để viết chữ cái trên giấy (nhiệm vụ 3), cũng thực hiện ba lượt, ghi lại tín hiệu điện.
(A.U. đại diện cho “Đơn vị tùy ý”)
Dựa trên các tín hiệu cảm biến tích lũy, nhóm nghiên cứu đưa ra những kết luận sau:
Bút chẩn đoán có thể ghi lại chính xác các tín hiệu chuyển động viết tay trên giấy và trong không khí, đặc biệt ở viết trên giấy, giá trị điện sẽ tăng lên do sự biến dạng của đầu bút và dòng mực;
Khi so với việc vẽ đường lượn sóng hoặc xoắn ốc, dòng điện đỉnh cao khi viết chữ cái cao hơn, vì nó liên quan đến những tương tác động lực phức tạp hơn;
Có thể trích xuất các tham số viết tay định lượng từ các nhiệm vụ này, như chu kỳ dòng điện đỉnh, những thay đổi này có liên quan chặt chẽ đến kinh nghiệm viết và sự khác biệt động tác của cá nhân.
Cuối cùng, nhóm nghiên cứu thực hiện phân tích hỗ trợ bởi mạng nơ-ron để phân biệt tín hiệu viết tay của bệnh nhân Parkinson và tín hiệu viết tay của những người khỏe mạnh. Họ đã đánh giá ba mô hình dựa trên mạng nơ-ron:
Mạng nơ-ron tích chập một chiều (1D CNN)
1D CNN + LSTM có cấu trúc bộ nhớ dài ngắn
Ba phương pháp học máy truyền thống (rừng ngẫu nhiên, XGBoost, hồi quy logistic)
Sau khi được chuẩn hóa, dữ liệu được chia thành các mảnh đồng nhất. Để tránh ô nhiễm dữ liệu huấn luyện và kiểm tra, các nhà nghiên cứu đã sử dụng tín hiệu từ các cá nhân khác nhau để tiến hành kiểm tra nhóm. Cuối cùng, thí nghiệm đã được lặp lại 10 lần, mỗi lần sử dụng một hạt giống ngẫu nhiên khác nhau để so sánh hiệu suất của các mô hình dựa trên độ chính xác, độ chính xác, độ hồi phục và điểm F1.
Tác giả: Kim Ngư kết quả cho thấy, mô hình 1D CNN có hiệu suất tốt nhất trên các chỉ số, với độ chính xác đạt 0.9622 ± 0.0251, điểm F1 ở mức 0.9266 ± 0.0523, cho thấy khả năng rất xuất sắc trong việc trích xuất các đặc tính cục bộ. Mô hình có độ hồi phục đối với nhóm người khỏe mạnh là 0.9795, độ chính xác là 0.9701; với bệnh nhân Parkinson, độ hồi phục là 0.9150, độ chính xác là 0.9432, vừa có thể hiệu quả trong việc tránh bỏ sót (âm tính giả), vừa giảm tỷ lệ chẩn đoán sai (dương tính giả).
Tiềm năng và triển vọng lâm sàng
Kết quả nghiên cứu chỉ ra rằng, chiếc bút chẩn đoán kết hợp quy trình phân tích viết tay dựa trên mạng nơ-ron có tiềm năng lớn trong việc chẩn đoán bệnh Parkinson. Phân tích so sánh mô hình của nhóm nghiên cứu cho thấy, việc nhận diện sự liên quan ngắn hạn trong tín hiệu viết tay là rất quan trọng, hơn là việc nắm bắt quan hệ phụ thuộc ở khoảng cách xa. Điều này nhất quán với quan sát lâm sàng và kết quả thí nghiệm — tín hiệu viết tay của bệnh nhân Parkinson thường biểu hiện các đặc điểm bất thường cục bộ, như các đỉnh nhỏ, điều này rất quan trọng để nhận diện chính xác.
Đặc biệt, những phát hiện này dựa trên dữ liệu viết tay thu được từ nghiên cứu trên cơ thể người ban đầu, trong tương lai, với sự tích lũy dữ liệu trong các thử nghiệm lâm sàng, các cấu trúc mô hình phức tạp hơn, như cấu trúc dựa trên Transformer có thể trở thành lựa chọn hàng đầu.
Khác với việc đo vi mô chữ viết truyền thống, bút chẩn đoán tập trung vào các đặc điểm động thái trong quá trình viết, có thể phản ánh trực tiếp các triệu chứng vận động liên quan đến bệnh Parkinson, tránh gây lệch do sự khác biệt trong phong cách viết của từng cá nhân, cung cấp một cách đánh giá tập trung hơn vào bản chất triệu chứng.
So với việc giám sát qua video, thiết bị này có ưu thế về chi phí, dễ sử dụng, bảo vệ quyền riêng tư và khả năng phổ biến hơn: thiết kế của nó đơn giản, không cần thao tác chuyên nghiệp, phù hợp với môi trường hàng ngày; người dùng chỉ cần viết tay hàng ngày để hoàn thành quá trình đánh giá, và thiết bị sẽ không thu thập thông tin nhận diện danh tính, bảo đảm quyền riêng tư. Với chi phí thấp, tính di động và dễ sử dụng, nó đặc biệt thích hợp cho những bệnh nhân không được chẩn đoán kịp thời do triệu chứng không điển hình hoặc thiếu tài nguyên kiểm tra.
Tuy nhiên, nhóm nghiên cứu cũng cho biết, nghiên cứu hiện tại vẫn dựa trên các thử nghiệm ban đầu với kích thước mẫu nhỏ, trong tương lai nên mở rộng đối tượng nghiên cứu, đưa vào nhiều nhóm bệnh nhân Parkinson đa dạng hơn để xác nhận tính hiệu quả của nó như một dấu hiệu sinh học số, đồng thời kết hợp hệ thống đánh giá lâm sàng tiêu chuẩn hóa để nâng cao tính áp dụng lâm sàng. Nghiên cứu đã phân tích tín hiệu viết tay của 13 tình nguyện viên khỏe mạnh và thành công trong việc xác định 3 bệnh nhân Parkinson, nhưng mô hình phân loại được sử dụng ở giai đoạn hiện tại vẫn không phù hợp cho việc theo dõi theo chiều dọc hoặc phân loại bệnh. Các nghiên cứu tiếp theo nên đưa vào các bệnh nhân ở các giai đoạn khác nhau và với mức độ bệnh rõ ràng để khám phá tiềm năng trong việc theo dõi quá trình bệnh.
Nghiên cứu tập trung vào ảnh hưởng của bệnh Parkinson đến tay thuận, điều này phù hợp với đặc điểm lâm sàng của rối loạn vận động không đối xứng thường thấy ở bệnh Parkinson. Các nghiên cứu trước đây đã chỉ ra rằng bệnh Parkinson thường khởi phát ở tay thuận, bất kể là người thuận tay trái hay tay phải.
Trong tương lai cũng nên chú ý đến những nhóm thiểu số chủ yếu ảnh hưởng đến tay không thuận, để phân tích sự khác biệt giữa các đặc điểm viết của họ.
Hiệu suất của bút chẩn đoán phụ thuộc vào tính ổn định hóa học và cơ học của mực từ tính và đầu bút từ tính. Trong tương lai, có thể tối ưu hóa tính ổn định, độ nhạy và phạm vi đáp ứng tần số của nó bằng cách điều chỉnh tương tác giữa các hạt từ tính để đạt được thiết kế tốt hơn. Khi ứng dụng thực tế tiến triển, lượng dữ liệu được thu thập từ thiết bị sẽ tăng lên đáng kể, cần nâng cao khả năng lưu trữ dữ liệu cùng lúc. Có thể tích hợp mô-đun lưu trữ vào bút và thêm chức năng đồng bộ không dây để tự động kết nối với cơ sở dữ liệu đám mây cá nhân hóa, tối ưu hóa trải nghiệm sử dụng.
Hiện tại, phân tích viết tay vẫn phụ thuộc vào mô hình hoạt động trên các thiết bị đầu cuối bên ngoài,
Trong tương lai có thể khám phá việc tích hợp các mô-đun tính toán cấp cảm biến vào bên trong bút để tăng cường tính độc lập của nó, nâng cao khả năng thích ứng trong môi trường có nguồn lực hạn chế.
Đồng thời, việc quản lý bảo mật dữ liệu một cách hệ thống cũng rất quan trọng. Thiết lập cơ chế bảo mật quyền riêng tư chặt chẽ sẽ giúp thúc đẩy việc chia sẻ dữ liệu ẩn danh, hỗ trợ cho nghiên cứu khoa học quy mô lớn hoặc nghiên cứu sức khỏe crowdsourcing, từ đó nâng cao trình độ quản lý bệnh Parkinson.
Xét về giá trị nghiên cứu và xã hội rộng rãi của nó, công nghệ bút chẩn đoán này dự kiến sẽ có ảnh hưởng tiềm tàng trong cả lĩnh vực học thuật, công nghiệp và lâm sàng, đồng thời cũng hy vọng thúc đẩy sự giao lưu và hợp tác giữa các lĩnh vực gần như vật lý, hóa học, khoa học vật liệu, kỹ thuật sinh học và khoa học thần kinh.
Tác giả: Kim Ngư
