Ứng dụng mô hình trí tuệ nhân tạo quản lý bệnh nhân rối loạn giọng
Nội dung chính của bài viết
Tóm tắt
Nghiên cứu thực hiện tại Bệnh viện Đại học Y Hà Nội từ năm 2024 đến năm 2025 nhằm đánh giá hiệu quả mô hình trí tuệ nhân tạo (AI-VoiceCare) quản lý bệnh nhân rối loạn giọng. 312 bệnh nhân được chẩn đoán rối loạn giọng. Mô hình AI sử dụng mạng nơ-ron tích chập (Convolutional Neural Network - CNN) phân tích phổ Mel, tích hợp hệ thống AI-VoiceCare quản lý hồ sơ điện tử ngoại trú. Kết quả thấy mô hình đạt độ chính xác 92,1%, độ nhạy 0,90, đặc hiệu 0,93 trong phân loại giọng bệnh lý; thời gian xử lý hồ sơ giảm 61,1%, sai sót ghi chép giảm 60,9%. Sau sáu tháng triển khai, tỷ lệ bệnh nhân tái khám đúng hẹn tăng từ 48,7% lên 76,3%, 68,5% bệnh nhân ghi nhận cải thiện rõ rệt về giọng sau trị liệu có hỗ trợ AI. 84,3% bác sĩ đánh giá hệ thống “hữu ích” hoặc “rất hữu ích”. Ứng dụng AI-VoiceCare giúp nâng cao hiệu quả chẩn đoán, quản lý và phục hồi giọng, hướng tới mô hình chăm sóc cá thể hóa cho người bệnh.
Chi tiết bài viết
Từ khóa
Rối loạn giọng, trí tuệ nhân tạo, AI-VoiceCare, phân tích giọng nói
Tài liệu tham khảo
2. Verdolini K, Ramig LO. Review: occupational risks for voice problems. Logoped Phoniatr Vocol. 2001; 26(1): 37-46. doi:10.1080/140154301300109150.
3. Behlau M, Zambon F, Guerrieri AC, Roy N. Epidemiology of voice disorders. J Voice. 2017; 31(1): 127.e1-127.e7. doi:10.1016/j.jvoice.2015.08.017.
4. Zhang Y, Jiang J. Acoustic analysis in voice pathology detection. IEEE Trans Biomed Eng. 2020; 67(8): 2197-2205. doi:10.1109/TBME.2020.2969782.
5. Phạm TTB, Võ TH, Nguyễn DM. Ứng dụng trí tuệ nhân tạo trong chẩn đoán bệnh lý giọng nói. Tạp chí Tai Mũi Họng Việt Nam. 2023; 18(3): 45-52.
6. Alhindi T, Elshafeey A, Alotaibi M, et al. CNN-based detection of voice disorders. J Voice. 2022; 36(3): 412-420. doi:10.1016/j.jvoice.2021.03.010.
7. Paja W, Stylianou Y. Automatic detection of pathological voices. IEEE Access. 2021; 9: 10456-10467. doi:10.1109/ACCESS.2021.3051234.
8. Chen L, Zhang Y, Yang X, et al. Deep learning in voice pathology. Speech Commun. 2021; 128: 14-22. doi:10.1016/j.specom.2021.02.004.
9. Umapathy K, Krishnan S, Rao A, et al. Feature extraction for pathological voice detection. Biomed Signal Process Control. 2020; 59:101904. doi:10.1016/j.bspc.2020.101904.
10. Chien CY, Lee YC, Lin MH, et al. AI in laryngeal image diagnosis. Otolaryngol Head Neck Surg. 2022; 166(4): 703-710. doi:10.1177/01945998211066723.
11. Arora R, Sharma D, et al. Voice pathology detection using transfer learning. Comput Speech Lang. 2023; 80: 101470. doi:10.1016/j.csl.2022.101470.
12. Hu T, Wang X, Li Q, et al. Multimodal AI for laryngeal diseases. IEEE Trans Neural Netw Learn Syst. 2024; 35(2): 543-556. doi:10.1109/TNNLS.2023.3298715.
13. Wang S, Zhao Y, Lin H, et al. AI-powered screening of voice disorders. Expert Syst Appl. 2023; 224:119990. doi:10.1016/j.eswa.2023.119990.
14. International Organization for Standardization. ISO/IEC 19794-13:2021. Information Technology-Biometric Data Interchange Formats-Part 13: Voice Data. Geneva: ISO; 2021.
15. Patel RR, Huber JE, Kreiman J, et al. Clinical implications of AI in speech pathology. Int J Speech Lang Pathol. 2023; 25(3): 251-260. doi:10.1080/17549507.2022.2142658.