Bệnh Parkinson là một trong những bệnh lý thoái hóa thần kinh có tỷ lệ mắc bệnh tăng nhanh nhất trên toàn cầu, được mệnh danh là “kẻ sát nhân thầm lặng” hoặc “ung thư mãn tính”. Các biểu hiện đặc trưng bao gồm run rẩy, cứng cơ, và chậm vận động, cũng như bị tổn thương chức năng nhận thức và mất trí nhớ. Những triệu chứng này không chỉ ảnh hưởng nghiêm trọng đến khả năng vận động của 10 triệu bệnh nhân mà còn làm giảm chất lượng cuộc sống của họ. Hơn nữa, bệnh Parkinson, vốn được coi là chỉ xảy ra ở người cao tuổi, giờ đây cũng đang “nhắm tới” ngày càng nhiều người trẻ tuổi.
Trong thời gian dài, chẩn đoán và theo dõi tình trạng bệnh Parkinson chủ yếu dựa vào việc quan sát những triệu chứng vận động, phương pháp này không chỉ phụ thuộc nhiều vào năng lực của người thực hiện mà còn không hiệu quả và thiếu tiêu chuẩn chẩn đoán khách quan, định lượng. Hơn nữa, ở các nước có thu nhập thấp, bác sĩ chuyên khoa thần kinh càng 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 kịp thời bệnh Parkinson.
Mặc dù các nghiên cứu trước đó đã phát hiện ra rằng, trước khi xuất hiện triệu chứng vận động, cơ thể có thể đã trải qua một loạt biến đổi sinh học như tích tụ protein alpha-synuclein bệnh lý, thay đổi mức enzyme tương ứng trong dịch não tủy, và bất thường cấu trúc võng mạc, việc phát hiện các dấu hiệu sinh học này thường phụ thuộc vào thiết bị phức tạp và kỹ thuật chuyên môn, khó có thể được áp dụng rộng rãi trong môi trường y tế tuyến đầu.
Do đó, việc phát triển một công cụ chẩn đoán bệnh Parkinson có khả năng định lượng, chi phí thấp và dễ dàng tiếp cận vẫn là một nhu cầu lâm sàng chưa được đáp ứng.
Ngày nay, chỉ cần một cây bút, có thể thực hiện việc phát hiện hỗ trợ sớm bệnh Parkinson với độ chính xác trên 95%.
Theo thông tin, “bút chẩn đoán” được trang bị mực từ tính này xuất phát từ phòng thí nghiệm của giáo sư Jun Chen tại Đại học California, Los Angeles (UCLA), là giáo sư danh dự bộ môn kỹ thuật sinh học. Bằng việc sử dụng công nghệ trí tuệ nhân tạo (AI) để phân tích dữ liệu, bút có khả năng nhận diện sự khác biệt giữa đặc điểm chữ viết của bệnh nhân Parkinson và nhóm người khỏe mạnh, hứa hẹn có thể thực hiện chẩn đoán sớm hơn.
Nghiên cứu liên quan có tiêu đề “Phân tích chữ viết 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 tạp chí Nature. Tác giả liên lạc của bài báo là giáo sư Jun Chen, giáo sư danh dự bộ môn kỹ thuật sinh học và là người sáng lập phòng thí nghiệm sinh điện tử của 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 quy mô lớn, có khả năng thực hiện sàng lọc sớm và rộng rãi, có tiềm năng nổi bật trong việc lấp đầy khoảng trống quan trọng trong chẩn đoán lâm sàng hiện tại.
Nhận diện bệnh Parkinson qua chữ viết? AI sẽ hỗ trợ.
Theo mô tả của bài nghiên cứu, bút chẩn đoán này bao gồm hai phần: đầu bút từ tính và mực từ tính. Các hạt từ tính trong đầu bút nhúng vào vật liệu silicon, có khả năng cảm nhận biến động áp lực trong quá trình viết và tạo ra từ trường, còn mực từ tính phản ứng với những biến đổi từ trường 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 tiến hành thử nghiệm hệ thống về hiệu suất của đầu bút từ tính và mực từ tính, và phát hiện rằng sau thời gian dài sử dụng, chúng vẫn duy trì được độ từ tính và độ nhớt ổn định, không có sự suy giảm đáng kể.
Hình ảnh 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 dùng cho phân tích chữ viết 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 tạo thành từ các hạt từ tính nhúng vào trong chất nền silicon.
c. Mực từ tính được tạo thành từ các hạt nano từ đơn vùng.
Cấu trúc vi mô của vật liệu:
d, e. Hình ảnh chụp cắt lớp vi tính (Micro-CT) của vật liệu đầu bút từ tính ở hai trạng thái khác nhau: trạng thái ban đầu (trước khi kéo dài) và trạng thái biến dạng (sau khi kéo dài). Thước đo, 1.5 mm.
f. Hình ảnh vi hiển vi điện tử truyền qua của các hạt nano từ tính. Thước đo, 25 nm.
g. Bề mặt hình thái của mực từ tính dưới các trường từ khác nhau, được quyết định bởi sự cân bằng giữa sức căng bề mặt, lực trọng trọng lực và lực điện từ. Thước đo, 3 mm.
Phân bố từ trường và hiệu suất của vật liệu:
h. Phân bố từ trường theo phương thẳng đứng của đầu bút từ tính.
i. Độ nhớt (màu đỏ) của mực từ tính và các đặc tính từ tính của hệ thống đầu bút từ tính – mực từ tính (màu xanh) không có sự thay đổi đáng kể trước và sau khi sử dụng lâu dài. Dữ liệu được thể hiện dưới dạng trung bình ± độ lệch chuẩn; thí nghiệm độ nhớt n=3, và các điểm thử nghiệm từ trường n=5. Sử dụng kiểm định t hai phía để xác định tính ý nghĩa. NS, không có ý nghĩa.
j. Giá trị tuyệt đối của sự thay đổi từ trường tại các khoảng cách khác nhau của đầu bút từ tính khi lực được áp dụng.
Để xác minh tính hữu dụng của công nghệ này, nhóm nghiên cứu đã tiến hành nghiên cứu ban đầu trên cơ thể người tại Trung tâm Y tế Ronald Reagan của UCLA. Các tham gia viên bao gồm bệnh nhân bệnh Parkinson và tình nguyện viên khỏe mạnh, tất cả đều ký vào bản đồng ý tham gia, và hoàn thành một loạt các nhiệm vụ viết: 1. Vẽ sóng liên tục; 2. Vẽ đường xoắn ốc liên tục; 3. Viết sáu chữ cái in hoa “MEGPEN”. Ba nhiệm vụ này được thực hiện trên giấy và trên không trung, đồng thời thu thập tín hiệu điện liên quan.
Hình ảnh phân tích chữ viết cá nhân hóa.
a. Thiết kế hệ thống phân tích chữ viết cá nhân hóa باستخدام البنس.
b. Dùng bút chẩn đoán để vẽ sóng liên tục trên giấy (nhiệm vụ 1), thực hiện ba lần và ghi lại các tín hiệu điện.
c. Dùng bút chẩn đoán để vẽ đường xoắn ốc trên giấy (nhiệm vụ 2), cũng thực hiện ba lần và ghi lại các tín hiệu điện.
d. Dùng bút chẩn đoán để viết các chữ cái trên giấy (nhiệm vụ 3), cũng thực hiện ba lần và ghi lại các 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 kết luận sau:
Bút chẩn đoán có khả năng ghi lại một cách trung thực các tín hiệu chuyển động viết trên giấy và trên không trung, đặc biệt viết trên giấy sẽ làm gia tăng giá trị điện do biến dạng đầu bút và dòng mực.
So với việc vẽ sóng hoặc đường xoắn, giá trị điện đạt đỉnh trong quá trình viết chữ cái thì cao hơn, do liên quan tới những tương tác động lực phức tạp hơn.
Có thể trích xuất các thông số viết định lượng từ các nhiệm vụ này, như chu kỳ giá trị điện đạt đỉnh, những biến đổi này có liên quan chặt chẽ đến kinh nghiệm viết và sự khác biệt vận động của cá nhân.
Cuối cùng, nhóm nghiên cứu đã thực hiện phân tích hỗ trợ bởi mạng nơ-ron để phân biệt tín hiệu viết của bệnh nhân Parkinson và tín hiệu viết của 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 với cấu trúc bộ nhớ dài ngắn hạn
Ba phương pháp máy học truyền thống (rừng ngẫu nhiên, XGBoost, hồi quy logistic)
Sau khi dữ liệu được chuẩn hóa, nhóm nghiên cứu đã phân chia thành từng đoạn đồng đều để tránh ô nhiễm dữ liệu đào tạo với dữ liệu kiểm tra, đã sử dụng tín hiệu từ các cá nhân khác nhau để thử nghiệm nhóm. Cuối cùng, thí nghiệm đã được lặp lại tổng cộng 10 lần, mỗi lần sử dụng mồi ngẫu nhiên khác nhau, so sánh sự thể hiện của các mô hình về độ chính xác, độ tinh chuẩn, tỷ lệ hồi đáp và điểm F1.
Kết quả của nhóm nghiên cứu cho thấy mô hình 1D CNN hoạt động tốt nhất trong các chỉ tiêu, đạt độ chính xác là 0.9622 ± 0.0251, điểm F1 là 0.9266 ± 0.0523, cho thấy mô hình này nổi bật trong việc trích xuất các đặc trưng cục bộ. Mô hình này có tỷ lệ hồi đáp cho các tham gia viên khỏe mạnh là 0.9795, độ tinh chuẩn là 0.9701; cho bệnh nhân Parkinson có tỷ lệ hồi đáp là 0.9150, độ tinh chuẩn là 0.9432, có thể tránh được việc bỏ sót chẩn đoán (âm tính giả) và giảm thiểu tỷ lệ chẩn đoán nhầm (dương tính giả).
Tiềm năng lâm sàng và triển vọng
Các kết quả nghiên cứu cho thấy bút chẩn đoán kết hợp quy trình phân tích chữ viết do mạng nơ-ron điều khiển, thể hiện tiềm năng rõ rệt trong chẩn đoán bệnh Parkinson. Phân tích so sánh mô hình của nhóm nghiên cứu chỉ ra rằng việc nhận diện mối quan hệ ngắn hạn trong tín hiệu viết quan trọng hơn nhiều so với việc nắm bắt các mối liên hệ dài hạn. Điều này phù hợp với các quan sát lâm sàng và kết quả thử nghiệm – tín hiệu viết của bệnh nhân Parkinson thường thể hiện các đặc điểm bất thường vi mô như đỉnh giá trị nhỏ, đây là yếu tố quan trọng để nhận diện chính xác.
Đặc biệt, những phát hiện này dựa trên dữ liệu viết thu được từ nghiên cứu cơ thể người ban đầu, với sự tích lũy dữ liệu trong các thử nghiệm lâm sàng trong tương lai, cấu trúc mô hình phức tạp hơn, như kiến trúc dựa trên Transformer có thể trở thành lựa chọn hàng đầu.
Khác với đo lường vi mô chữ viết truyền thống, bút chẩn đoán nhấn mạnh vào các đặc điểm động trong quá trình viết, có thể phản ánh trực tiếp triệu chứng vận động liên quan đến bệnh Parkinson, giảm thiểu sai số do sự khác biệt trong phong cách viết của từng cá nhân, cung cấp một phương pháp đánh giá tập trung vào bản chất của triệu chứng.
So với việc giám sát video, thiết bị này có ưu thế hơn về chi phí, dễ sử dụng, bảo vệ quyền riêng tư và khả năng phổ biến: thiết kế của nó đơn giản, không cần vận hành chuyên nghiệp, phù hợp với môi trường hằng ngày; người dùng chỉ cần thực hiện viết hàng ngày để hoàn thành đánh giá, và thiết bị không thu thập thông tin nhận diện cá nhân, đảm bảo quyền riêng tư. Với chi phí thấp, tính di động và dễ sử dụng, nó đặc biệt phù hợp với những bệnh nhân không thể chẩn đoán kịp thời do triệu chứng không điển hình hoặc thiếu sự hỗ trợ kiểm tra.
Tuy nhiên, nhóm nghiên cứu cũng cho biết, nghiên cứu hiện tại vẫn dựa trên các thử nghiệm sơ bộ với quy mô mẫu nhỏ, trong tương lai cần mở rộng đối tượng nghiên cứu và bao gồm nhiều nhóm bệnh nhân Parkinson đa dạng hơn, nhằm xác minh thêm tính hiệu quả của nó như một dấu hiệu sinh học số và cải thiện tính áp dụng lâm sàng bằng cách kết hợp với hệ thống đánh giá lâm sàng chuẩn hóa. Nghiên cứu đã phân tích tín hiệu viết của 13 tình nguyện viên khỏe mạnh, thành công trong việc nhận diện 3 bệnh nhân Parkinson, nhưng mô hình phân loại hiện tại vẫn chưa thích hợp cho việc giám sát theo chiều dọc hoặc phân loại mức độ bệnh. Các nghiên cứu tiếp theo nên bao gồm các bệnh nhân ở các giai đoạn khác nhau và với mức độ bệnh rõ ràng để khám phá tiềm năng của nó trong việc theo dõi quá trình bệnh.
Nghiên cứu này chú ý đến ảnh hưởng của bệnh Parkinson đối với bàn tay chủ, điều này phù hợp với các đặc điểm lâm sàng của bệnh Parkinson thường thể hiện rối loạn vận động không đối xứng. Các nghiên cứu trước đó đã chỉ ra rằng bệnh Parkinson thường khởi phát ở bàn tay chủ, cho dù là người thuận tay trái hay tay phải.
Trong tương lai cũng nên quan tâm đến các nhóm thiểu số chủ yếu ảnh hưởng đến tay không chủ, và phân tích thêm sự khác biệt trong đặc điểm viết của họ.
Hiệu suất của bút chẩn đoán phụ thuộc vào độ ổn định hóa học và cơ học của mực từ tính và đầu bút từ tính mềm. Trong tương lai có thể cố gắng điều chỉnh tương tác giữa các hạt từ, tối ưu hóa tính ổn định, độ nhạy và phạm vi phản hồi tần số, nhằm đạt được thiết kế tốt hơn. Khi việc áp dụng thực tế tiến triển, lượng dữ liệu thu thập từ thiết bị sẽ gia tăng đáng kể, cần phải nâng cấp đồng thời khả năng lưu trữ dữ liệu. Trong tương lai có thể tích hợp mô-đun lưu trữ bên trong bút và bổ sung chức năng đồng bộ không dây, 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 chữ viết vẫn phụ thuộc vào việc vận hành mô hình từ các thiết bị bên ngoài,
trong tương lai có thể khám phá việc nhúng mô-đun tính toán cảm biến vào trong bút, nhằm tăng cường tính độc lập của nó và nâng cao khả năng thích nghi của nó trong môi trường hạn chế tài nguyên.
Đồng thời, việc quản lý quyền riêng tư dữ liệu một cách hệ thống cũng rất quan trọng. Xây dựng một cơ chế bảo mật quyền riêng tư vững chắc sẽ hỗ trợ trong việc chia sẻ dữ liệu ẩn danh, cung cấp hỗ trợ cho các nghiên cứu khoa học quy mô lớn hoặc khảo sát sức khỏe cộng đồng, đẩy mạnh nâng cao trình độ quản lý bệnh Parkinson.
Xét những giá trị nghiên cứu và xã hội rộng lớn, công nghệ bút chẩn đoán này dự kiến sẽ có ảnh hưởng tiềm tàng trong các lĩnh vực học thuật, công nghiệp và lâm sàng, đồng thời có khả năng thúc đẩy sự giao lưu và hợp tác giữa các ngành liên quan như vật lý, hóa học, khoa học vật liệu, kỹ thuật sinh học và khoa học thần kinh.
Tác giả: Kim Lợi