Ứng dụng trí tuệ nhân tạo trong nhận dạng giọng nói ở bệnh nhân Parkinson

Rối loạn giọng nói là một triệu chứng không vận động phổ biến và ảnh hưởng đáng kể đến chất lượng cuộc sống của bệnh nhân Parkinson (PD). Các phương pháp đánh giá truyền thống thường mang tính chủ quan và độ nhạy thấp trong việc phát hiện những thay đổi sớm. Trong bối cảnh đó, sự phát triển của trí tuệ nhân tạo (AI) và học máy mở ra tiềm năng lớn trong việc trích xuất các dấu ấn giọng nói để chẩn đoán và theo dõi tiến triển bệnh. Tuy nhiên, các nghiên cứu hiện tại chủ yếu tập trung vào dữ liệu tiếng Anh hoặc ngôn ngữ phương Tây, để lại một khoảng trống đáng kể đối với tiếng Việt – một ngôn ngữ có cấu trúc thanh điệu phức tạp và đa dạng vùng miền. Nghiên cứu này nhằm mục tiêu đánh giá hiệu quả của các mô hình AI, đặc biệt là mạng nơ-ron tích chập (CNN), trong nhận dạng rối loạn giọng nói ở bệnh nhân PD sử dụng dữ liệu tiếng Việt, qua đó góp phần nâng cao khả năng phát hiện sớm và quản lý bệnh tại Việt Nam.

Các nhà nghiên cứu và kỹ sư trong lĩnh vực trí tuệ nhân tạo, xử lý tín hiệu giọng nói và học máy; các chuyên gia y tế, đặc biệt là bác sĩ thần kinh và nhà trị liệu ngôn ngữ quan tâm đến chẩn đoán và theo dõi bệnh Parkinson; sinh viên và giảng viên trong các ngành khoa học máy tính và y sinh học.

Nghiên cứu này khám phá ứng dụng của trí tuệ nhân tạo (AI) để cải thiện nhận dạng và theo dõi rối loạn giọng nói ở bệnh nhân Parkinson (PD), một triệu chứng phổ biến và có tác động sâu sắc đến giao tiếp. Để giải quyết hạn chế của các phương pháp đánh giá truyền thống và khoảng trống dữ liệu tiếng Việt trong lĩnh vực này, nhóm nghiên cứu đã tiến hành một khảo sát cắt ngang trên 20 bệnh nhân PD và 60 người khỏe mạnh tại Bệnh viện Đại học Y Hà Nội. Dữ liệu giọng nói được thu thập thông qua các nhiệm vụ chuẩn hóa bao gồm kéo dài nguyên âm, đọc câu chuẩn tiếng Việt và nói tự do, sau đó được trích xuất các đặc trưng âm học như jitter, shimmer, HNR, F0 và MFCC. Hai mô hình AI chính được huấn luyện và so sánh: Máy vectơ hỗ trợ (SVM) và Mạng nơ-ron tích chập (CNN). Kết quả cho thấy mô hình CNN đạt hiệu suất vượt trội đáng kể với chỉ số AUC là 0,91, độ nhạy 88% và độ đặc hiệu 84%, cao hơn đáng kể so với SVM (AUC 0,82). Hiệu quả này chứng tỏ khả năng học tự động các đặc trưng phổ-thời gian phức tạp từ tín hiệu giọng nói của CNN. Phát hiện này khẳng định tiềm năng của AI, đặc biệt là CNN, trong việc hỗ trợ chẩn đoán sớm và theo dõi lâm sàng từ xa cho bệnh nhân Parkinson, đồng thời cung cấp cơ sở để phát triển các ứng dụng di động. Nghiên cứu cũng chỉ ra rằng các tác vụ kéo dài nguyên âm và đọc câu chuẩn có hiệu quả phân loại cao nhất đối với tiếng Việt. Mặc dù đạt được những kết quả hứa hẹn, nghiên cứu vẫn còn hạn chế về cỡ mẫu nhỏ và thu thập tại một trung tâm, cần được mở rộng với dữ liệu đa trung tâm và phương pháp chuẩn hóa tốt hơn trong tương lai để tăng cường tính ứng dụng và độ tin cậy.