PHÂN LỚP BỆNH PHỔI VỚI MÔ HÌNH SMALL LANGUAGE MODEL

Abstract

Đại dịch COVID-19 đã qua là một cú sốc lớn đối với sức khỏe toàn cầu, tự nhận thức được tầm quan trọng của phổi trong việc duy trì sự sống con người. Dịch bệnh không chỉ gây tử vong mà còn để lại nhiều di chứng lâu dài, đặc biệt là những tổn thương đối với hệ hô hấp. Bên cạnh đó, các vấn đề về ô nhiễm môi trường đang ngày càng trở thành một nguy cơ lớn đối với sức khỏe phổi của con người. Ô nhiễm không khí, khói bụi từ các phương tiện giao thông và hoạt động công nghiệp không chỉ gây khó chịu tạm thời mà còn có tác động lâu dài, làm tăng nguy cơ mắc các bệnh lý về phổi. Trước thực trạng này, việc bảo vệ sức khỏe phổi thông qua việc duy trì lối sống lành mạnh, khám sức khỏe định kỳ và hạn chế tiếp xúc với các yếu tố ô nhiễm là rất cần thiết. Hơn nữa, công nghệ hiện đại có thể đóng vai trò quan trọng trong việc nhận diện và phòng ngừa các bệnh lý phổi, giúp nâng cao chất lượng chăm sóc sức khỏe cho cộng đồng. Đề tài nghiên cứu tập trung vào việc xây dựng hệ thống phân loại bệnh phổi sử dụng kỹ thuật Fine-Tuning (FT) kết hợp với mô hình ngôn ngữ Small Language Model (SLM). Fine-Tuning là kỹ thuật điều chỉnh mô hình đã huấn luyện trước (pre-trained model) để cải thiện hiệu suất trên tác vụ hoặc dữ liệu cụ thể. Thay vì huấn luyện từ đầu, Fine-Tuning sử dụng mô hình đã được huấn luyện trên tập dữ liệu lớn, giúp tiết kiệm thời gian và tài nguyên tính toán. Dữ liệu là bệnh án của 11 loại bệnh phổi và 1 bệnh án bình thường (không mắc bệnh phổi) gồm 17.972 bệnh án được thu thập từ cơ sỡ y tế Hậu Giang cần được xử lý lại để phù hợp với việc huấn luyện mô hình. Cuối cùng, hệ thống được triển khai dưới dạng website, trong đó ReactJS đảm nhiệm front-end, Django đảm nhiệm back-end và cơ sở dữ liệu được dùng lưu trữ là MongoDB. Giao diện người dùng được thiết kế thân thiện và dễ sử dụng, giúp người dùng được phổ biến các kiến thức chuyên sâu về phổi và được tích hợp hệ thống dự đoán các triệu chứng bệnh về phổi nhằm nhận diện và phòng ngừa trước các nguy cơ nhiễm bệnh có thể kịp thời điều trị.