THÔNG TIN KHOA HỌC CÔNG NGHỆ

ẢNH HƯỞNG CỦA MÀNG BAO GUM ARABIC/CHITOSAN ĐẾN CHẤT LƯỢNG QUẢ SUNG MỸ (Ficus carica L.) SAU THU HOẠCH

Cập nhật ngày 12/11/2024

Tóm tắt: 

Sung Mỹ (Ficus carica L.) là quả hô hấp đột biến nên sau thu hoạch thịt quả mau mềm và hư hỏng. Nghiên cứu được thực hiện nhằm đánh giá ảnh hưởng của bao màng gum arabic/chitosan đến chất lượng quả sung Mỹ trong quá trình bảo quản. Quả sung Mỹ được thu hoạch ở độ chín 50%, tiền xử lý nhiệt ở 50oC trong 2 phút và được nhúng qua hỗn hợp dung dịch chứa 1% chitosan + 1% gum arabic trong thời gian 2 phút. Kết quả cho thấy tỷ lệ hao hụt khối lượng của quả 9,74 ± 0,07%, tỷ lệ nấm bệnh 3,79 ± 0,03%, cường độ hô hấp giảm và giữ được vitamin C 167,46 ± 1,21 mg/kg, đường tổng 173,77 ± 1,39 mg/g lên đến 9 ngày (nhiệt độ 12 ± 1oC, độ ẩm 80 ± 5%), gấp ba lần thời gian so với mẫu không xử lý.

Abstract:

Fresh fig (Ficus carica L.) is a persishble climacteric fruit, causing difficulty in postharvest storage and preservation. The object of this study was to investigate the effect of active edbile gum arabic/chitosan coating on quality of the fresh fig. Figs were harvested at 50% maturity, pre-heated at 50oC for 2 minutes and dipped in a solution containing 1% chitosan + 1% gum arabic for 2 minutes. The results showed that gum arabic/chitosan-based coating significantly reduced the weight loss rate 9,74 ± 0,07%, the disease rate 3,79 ± 0,03%; controlled color, the respiration rate; and improved the vitamin C 167,46 ± 1,21 mg/kg, total sugar 173,77 ± 1,39 mg/g during 9 days of storage (temperature 12 ± 1oC, humidity 80 ± 5%), three times compared with that in the control group.

Xem thêm tại chuyên san số 04, năm 2024

Nguyễn Châu Anh1*, Vũ Thị Thu Thảo1, Trương Quỳnh Trâm1,
Đặng Thị Yến Thu1, Phạm Quang Thắng2

1Trung tâm nghiên cứu và Phát triển Nông nghiệp Công nghệ cao, 2Câu lạc bộ Các nhà Khoa học Trẻ TP. Hồ Chí Minh

CÔNG NGHỆ CỐ ĐỊNH DIỆP LỤC TỐ VÀ DINH DƯỠNG
TRONG SẢN XUẤT TRÀ LÁ TRE

Cập nhật ngày 30/10/2024

Tóm tắt:

Tổng quan: Trà thảo mộc, một loại trà từ lá thực vật khác không phải chè, thường không trải qua quá trình lên men, được chiết xuất bằng cách ngâm với nước sôi. Sự nhạy cảm với pH và nhiệt độ cao đang là thách thức cho công nghệ sản xuất trà thảo mộc. Trà lá tre cũng là một loại trà thảo mộc với nhiều công dụng dược tính quý như bổ thận, nhuận trường và tăng tính đề kháng. Mục tiêu nghiên cứu: Xác định nồng độ muối kiềm phù hợp cho xử lý lá tre; Xác định hàm lượng chất dinh dưỡng trong nước trà lá tre theo quy trình sản xuất đề xuất. Phương pháp nghiên cứu: Dung dịch muối kiềm pH 12 ở nồng độ khác nhau để xử lý lá tre tươi và đo pH nước trà lá tre sau khi pha uống. Sản phẩm trà lá tre được gửi kiểm nghiệm tại Trung tâm kỹ thuật tiêu chuẩn đo lường chất lượng 3 (QUATEST 3). Kết quả: Sản phẩm trà lá tre được xử lý với dung dịch nồng độ muối kiềm 2.5% đã cho kết quả tỷ lệ pH 7 trung tính và nước trà màu xanh. Các chỉ tiêu chất lượng như tannin và kim loại nặng đều đạt yêu cầu. Kết luận: Nghiên cứu ban đầu cho thấy quy trình sản xuất trà lá tre với dung dịch nồng độ muối kiềm 2.5% xử lý lá tre đảm bảo chất lượng sản phẩm như màu sắc, hàm lượng dinh dưỡng, tính an toàn và giảm các chất kháng dinh dưỡng.

Xem thêm tại chuyên san số 04 năm 2024

Nguyễn Đăng Hoàng1*, Hoàng Ngọc Nhung2, Vương Thị Lan Anh3, Nguyễn Văn Hiếu4, Trần Chí Thành5

1Công ty Dược phẩm Y Dược Vĩnh Phúc, Công ty, 2Trường Đại học Công nghệ TP. Hồ Chí Minh, 3Trường Đại học Công nghiệp Hà Nội, 4Sở Khoa học và Công nghệ tỉnh Bình Phước, 5TNHH MTV Sắc Mộc Tinh

XÂY DỰNG QUY TRÌNH SẢN XUẤT GIẤM ĂN TỪ PHỤ PHẨM
NUÔI TRỒNG NHỘNG TRÙNG THẢO (Cordyceps militaris)

Cập nhật ngày 16/10/2024

Tóm tắt: 

Giấm, một chất lỏng có vị chua chứa từ 2 – 5% axit axetic, là loại gia vị được hình thành từ sự lên men các nguyên liệu có đường hoặc tinh bột bằng cách lên men rượu và axit axetic. Nghiên cứu được thực hiện nhằm mục tiêu đưa ra được quy trình công nghệ sản xuất giấm ăn từ phụ phẩm nuôi trồng nhộng trùng thảo (Cordyceps militaris) giữ được các tính chất đặc trưng về mùi, vị, màu sắc và hàm lượng các chất dinh dưỡng như adenosine và cordycepin của giấm nhộng trùng thảo. Sau khi khảo sát nồng độ rượu từ 5 – 9% v/v; đã lựa chọn ra được nồng độ rượu phù hợp là 7% v/v thời gian lên men 9 ngày, hàm lượng axit axetic là 3,87%, hàm lượng adenosine là 14,83 mg/kg và hàm lượng cordycepin là 62,51 mg/kg. Sau khi khảo sát ảnh hưởng của pH môi trường, tỷ lệ vi khuẩn Acetobacter aceti của dịch rượu trước quá trình lên men giấm; đã lựa chọn ra được nồng độ vi khuẩn là 6% giống/dịch rượu, pH dịch rượu = 5 cho hiệu quả lên men cao, thời gian lên men là 2 ngày, hàm lượng axit axetic là 3,57%, sự thay đổi pH giấm là 2,55, hàm lượng adenosine là 18,87 mg/kg và hàm lượng cordycepin là 66,96 mg/kg. Giấm đạt cảm quan tốt về màu, mùi, vị, đạt độ chua vừa phải, màu trong và giữ được hương thơm nhẹ.

Abstract:

Vinegar is a liquid with a sour taste containing 2 – 5% acetic acid. It is a condiment formed by the fermentation of sugary or starchy materials through alcoholic and acetic acid fermentation. This study aimed to develop a technology process for producing edible vinegar from Cordyceps militaris cultivation byproducts that retains the characteristic properties of Cordyceps vinegar: smell, taste, color, and nutrient content, such as adenosine and cordycepin. After investigating alcohol concentrations of 5 – 9% v/v, an alcohol concentration of 7% v/v was selected. The result of the fermentation with an alcohol concentration of 7% in 9 days is that the acetic acid, adenosine, and cordycepin contents are 3.87%, 14.83 mg/kg, and 62.51 mg/kg, respectively. After investigating the effect of the pH and the ratio of Acetobacter aceti bacteria in the alcohol solution before vinegar fermentation, the results are gained such as a bacterial concentration of 6% strain/alcohol solution and a medium pH of 5 were selected for high fermentation efficiency. Besides, the resulting fermentation time was 2 days, acetic acid content was 3.57%, pH change of vinegar was 2.55, adenosine content was 18.87 mg/kg, and cordycepin content was 66.96 mg/kg. The vinegar had good sensory properties in terms of color, smell, and taste, with a moderate acidity, clear color, and a light aroma.

Xem thêm tại chuyên san số 04, năm 2024

Phạm Quang Thắng1*, Vũ Thị Thu Thảo2, Nguyễn Châu Anh2, Trương Quỳnh Trâm2,
Đặng Thị Yến Thu2

1Câu lạc bộ Các nhà Khoa học Trẻ TP. Hồ Chí Minh, 2Trung tâm Nghiên cứu và Phát triển Nông nghiệp Công nghệ cao

THỰC TRẠNG PHÁP LUẬT VỀ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO
VÀO HOẠT ĐỘNG KHÁM, CHỮA BỆNH VÀ MỘT SỐ KIẾN NGHỊ HOÀN THIỆN

Cập nhật ngày 19/9/2024

  1. Đặt vấn đề

Hiện nay, tranh luận về việc ứng dụng của trí tuệ nhân tạo (artificial intelligence) dường như đã không còn vấn đề được quan tâm mà thay vào đó là xây dựng hành lang pháp lý để trí tuệ nhân tạo (“TTNT”) có thể đi vào thực tiễn cuộc sống, với sự kiểm soát và hỗ trợ từ chính sách pháp lý một cách chặt chẽ và có hệ thống. Trong đó, việc ghi nhận TTNT trong lĩnh vực ý tế nói chung và hoạt động khám, chữa bệnh nói riêng đã được phổ biến tại Việt Nam và ngày càng được ứng dụng sâu rộng trong mọi khía cạnh của hoạt động khám, chữa bệnh. Song song, yêu cầu đặt ra cho việc áp dụng các quy định pháp luật có liên quan để điều chỉnh vấn đề mang đầy tính công nghệ và liên tục phát triển này (ứng dụng TTNT) cũng đòi hỏi các đơn vị, tổ chức y tế,các cá nhân, tổ chức có liên quan phải thận trọng và cân nhắc, vì đây là hoạt động có tính rủi ro cao, ảnh hưởng đến tính mạng, sức khỏe con người và an ninh y tế quốc gia; và hơn hết, chưa từng có tiền lệ trước đây. Vì vậy, đánh giá thực trạng pháp luật hiện hành của Việt Nam đối với việc ứng dụng TTNT trong hoạt động khám, chữa bệnh là điều cần thiết, và là tiền đề để có thể đưa ra các kiến nghị để hoàn thiện các quy định pháp luật có liên quan, nhằm giúp cho việc ứng dụng TNTT thật sự là mũi nhọn công nghệ, hỗ trợ tốt hơn cho các đơn vị, tổ chức y tế trong hoạt động khám, chữa bệnh trong bối cảnh “vừa làm vừa dò” như hiện nay, đồng thời, đặt nền móng cho việc ứng dụng TNNT trong tương lai.

  1. Sự cần thiết của việc ứng dụng trí tuệ nhân tạo vào hoạt động khám,chữa bệnh tại Việt Nam

Về sự cần thiết của việc ứng dụng TNTT, hiện đã được công nhận và trở thành chiến lược quốc gia, tuy nhiên, để hiểu chính xác về TTNT, ít nhất ở góc độ định nghĩa thì vẫn chưa có một sự thống nhất ở khía cạnh công nghệ lẫn pháp lý dù đã có nhiều tác giả ở Việt Nam khi nghiên cứu về TTNT đã vận dụng, trích dẫn các định nghĩa sơ khai lẫn hiện đại theo kinh nghiệm quốc tế. Tuy vậy, đây không phải là vấn đề quá cần thiết để tranh cãi khi nói về TTNT khi việc tiếp cận lẫn thời điểm tiếp cận của các tác giả là hoàn toàn khác nhau, mà tốc độ “tiến hóa” của TTNT gần như nhanh hơn dự liệu của các cơ quan, tổ chức xây dựng chính sách quản lý. Điều trọng tâm của TTNT về bản chất chính là khả năng của “máy có trí thông minh” khi thực hiện một số các công việc mà con người phải xử lý, với kết quả thực hiện của máy tốt hơn hoặc tương đương với con người dù tồn tại dưới dạng vật chất hữu hình (robot, thiết bị tự hành…) hay vô hình (chat BOT, phần mềm, chương trình máy tính…) theo góc độ tiếp cận ứng dụng/sử dụng TTNT. Nhưng dường như cách hiểu của đại đa số người tiếp cận với TTNT không thể hiện đúng tính chất kỹ thuật của TNTT là “hệ thống” chứ hoàn toàn không phải “đơn lẻ”, căn cứ theo Bộ tiêu chuẩn ISO/IEC 22989 tại tiểu mục 3.1.3 và 3.1.4 của mục 3.1 (3) về thuật ngữ liên quan đến “AI” và được khẳng định bởi Sách trắng (White Paper) của Ủy ban châu Âu (EU Commission) ban hành năm 2020, về trí tuệ nhân tạo: “Trong đó, AI được định nghĩa là tập hợp các công nghệ, bao gồm dữ liệu, thuật toán và sức mạnh tính toán”. Nhận thức đúng về tính “hệ thống” của TTNT có ảnh hưởng trực tiếp đến việc áp dụng pháp luật trong quá trình ứng dụng TTNT, xuất phát từ việc đánh giá đúng về mức độ phức tạp, độ tinh vi, tính liên kết, tự học tập và tiến hóa của TTNT.

Theo đó, trong hoạt động khám, chữa bệnh (“KCB”) của lĩnh vực y tế ở Việt Nam hiện nay, việc ứng dụng trí tuệ nhân tạo (TTNT) có thể khái quát theo cấp độ đơn giản như hỗ trợ giảm tải trong việc xử lý dữ liệu, công tác quản trị (bệnh viện); quản lý (trang thiết bị, thuốc, vật tư y tế và bệnh án điện tử)…; đến phức tạp như đọc kết quả cận lâm sàng (kết quả xét nghiệm, x-quang, MRI, CT…), đưa ra chẩn đoán ban đầu, xây dựng phác đồ điều trị các bệnh nan y (ung thư…), phân tích gen…. Ứng dụng TTNT đã được thí điểm rộng rãi và được xây dựng lộ trình, chiến lược địa phương lẫn quốc gia để từng bước nâng cao thực tiễn, nâng cao chất lượng khám chữa bệnh, đáp ứng chính sách an sinh xã hội mà Đảng và Nhà nước đang phấn đấu xây dựng. Điều này cho thấy sự cần thiết của việc ứng dụng TTNT vào hoạt động KCB vì:

  • Phù hợp với xu hướng quốc tế về việc ứng dụng TTNT trong lĩnh vực y tế nói chung và KCB nói riêng;

(ii) Cắt giảm chi phí, thời gian và nhân lực cho các hoạt động mang tính lao động truyền thống. Nhờ số hóa thông tin, dữ liệu trở nên liên kết (với bảo hiểm xã hôi, bảo hiểm y tế), đồng bộ, tra cứu cũng như trích xuất dễ dàng hơn. Từ đó, nâng cao hiệu quả của hoạt động quản trị, quản lý.

(iii) Giảm tải áp lực lên “hệ thống khám chữa bệnh công” – nơi tin tưởng của người dân, khi TTNT trong thời gian ngắn và liên tục có thể xử lý khối lượng lớn thông tin về người bệnh khi KCB (đăng ký khám, phân công buồng khám, nhập viện, xuất viện, thanh toán viện phí…) vốn đang là thủ tục hành chính mất thời gian của bệnh nhân lẫn cơ sở y tế.

(iv) Hỗ trợ các hoạt động chuyên môn cao cho đội ngũ y bác sĩ bằng việc thu thập và xử lý khối lượng lớn dữ liệu (bigdata) để đưa ra kết luận sơ bộ (đọc kết quả cận lâm sàng, chẩn đoán bệnh, phác đồ điều trị…) mà đội ngũ y bác sĩ có thể tham khảo và đưa vào điều trị chính thức.

(v) Đáp ứng việc quản lý, thanh kiểm tra của cơ quan nhà nước đối với hoạt động khám chữa bệnh, thông qua dữ liệu đã số hóa có thể trích xuất, truy cập phân quyền khi ứng dụng trí tuệ nhân tạo

Như vậy, có thể dễ dàng thấy được tính cần thiết của việc ứng dụng TTNT vào hoạt động KCB. Tuy nhiên, rủi ro của việc ứng dụng TNTT nói chung và trong hoạt động KCB nói riêng là “mặt trái của vấn đề”, không thể tránh khỏi ở mọi góc độ từ việc xây dựng, thử nghiệm, phát triển, vận hành TTNT của đơn vị cung cấp, cho đến quá trình ứng dụng TTNT của cơ sở KCB và quản lý việc ứng dụng TTNT của cơ quan có thẩm quyền. Điều này đòi hỏi “hành lang pháp lý” cho việc ứng dụng TNTT trong hoạt động KCB phải đảm bảo phân cấp trách nhiệm, tiêu chuẩn, nguyên tắc, nhưng không được tạo ra tác động tiêu cực lên việc ứng dụng TTNT, dẫn đến tâm lý lo ngại về rủi ro pháp lý khi ứng dụng TTNT, đi ngược với chủ trương, chiến lược của Đảng và Nhà nước.

  1. Thực trạng pháp luật Việt Nam điều chỉnh về ứng dụng trí tuệ nhân tạo vào hoạt động khám chữa bệnh

Hiện nay khung pháp lý điều chỉnh về ứng dụng trí tuệ nhân tạo vào hoạt động khám chữa bệnh vẫn còn bỏ ngõ, chưa được hoàn thiện, nhiều khoảng trống pháp lý chưa được điều chỉnh, điều này được thể hiện qua các khía cạnh sau:

Thứ nhất, hiện tại ở Việt Nam chưa có khung pháp lý hoàn thiện để điều chỉnh AI nói chung và ứng dụng vào hoạt động khám chữa bệnh nói riêng. Hiện nay, AI ngày càng được ứng dụng vào nhiều lĩnh vực trong đời sống, xã hội nói chung và lĩnh vực khám chữa bệnh nói riêng. Nhờ có AI mà việc chẩn đoán, điều trị bệnh trở nên nhanh chóng, dễ tiếp cận và có độ chính xác cao. Bên cạnh những tác động tích cực của AI mang lại cho nền y học sẽ phát sinh những vấn đề pháp lý liên quan, trong đó có những khó khăn trong việc xác định trách nhiệm đối với AI. Hiện tại, Việt Nam chưa có khung pháp lý riêng biệt dành cho AI. Trí tuệ nhân tạo sẽ phát triển mạnh mẽ trong tương lai, nhận thấy được tầm quan trọng đó ngày 26/01/2021, Thủ tướng Chính phủ đã ra Quyết định số 127/QĐ-TTg ban hành Chiến lược quốc gia về Nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030, nhấn mạnh nhiệm vụ “xây dựng, hoàn thiện chính sách, pháp luật tạo hành lang pháp lý thông thoáng đáp ứng yêu cầu thúc đẩy nghiên cứu, phát triển và ứng dụng AI vào cuộc sống”. Với quyết định này, Chính phủ cũng chưa đưa ra các quy định rõ về việc ứng dụng AI trong hoạt động khám, chữa bệnh. Với sự phổ biến ngày càng tăng của dữ liệu chăm sóc sức khỏe và tiến bộ nhanh chóng trong kỹ thuật phân tích, AI có tiềm năng để biến đổi ngành y tế, đó là một trong những ngành quan trọng nhất đối với các xã hội và nền kinh tế trên toàn thế giới. AI bắt đầu được quan tâm tại Việt Nam chưa lâu nhưng với những tiềm lực sẵn có, chắc chắn rằng AI sẽ phát triển rất nhanh tại Việt Nam trong tương lai. Nó sẽ mang lại những tác động to lớn về công nghệ, kinh tế và xã hội. Đồng thời nó cũng kéo theo những vấn đề mới, những thách thức pháp lý đòi hỏi hệ thống pháp luật phải xây dựng hoàn thiện. Hiện nay, tìm kiếm về thông tin pháp lý đối với TTNT chỉ có Quyết định 127/QĐ-TTg năm 2021 về Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng Trí tuệ nhân tạo đến năm 2030 do Thủ tướng Chính phủ ban hành ngày 26/01/2021(“Quyết định số 127”), và những ý kiến, quan điểm học thuật của nhiều chuyên gia tại hội thảo các cấp (cơ sở, quốc gia và quốc tế) về xây dựng khung pháp lý cho TTNT nói chung và ứng dụng trong hoạt động KCB nói riêng tại Việt Nam, vì vậy, vẫn tồn tại tranh cãi học thuật pháp lý về TTNT. Nhưng, xét tổng thể hệ thống pháp luật Việt Nam thì có thể áp dụng các quy định tại Bộ luật Dân sự, Bộ luật Hình sự, Luật Chuyển giao công nghệ, Luật Sở hữu trí tuệ, Luật Khám chữa bệnh, Luật Bảo vệ người tiêu dùng… để điều chỉnh các quan hệ pháp luật phát sinh từ việc ứng dụng TTNT, tuy nhiên, thực tiễn cho thấy các quy định pháp luật hiện hành không hoàn toàn tiệm cận với quan hệ xã hội mới phát sinh (TTNT và ứng dụng TTNT) cần được điều chỉnh, dẫn đến có những quan điểm, ý kiến trái chiều, tranh cãi khi vận dụng quy định pháp luật. Ngoài ra, biện pháp “chữa cháy” sẽ ngăn cản sự phát triển AI, đi ngược với xu thế thế giới, tạo rào cản khi hội nhập quốc tế. Yêu cầu từ thực trạng pháp luật là cần có “hành lang pháp lý” đáp ứng được ít nhất hai mục tiêu: (i) Thống nhất về cách hiểu và vận dụng các quy định pháp luật đã có, (ii) Từng bước tiếp cận và xây dựng quy định pháp luật đổi mới phù hợp với yêu cầu của thực tiễn, có tính dự liệu tương lai trên cơ sở tiếp thu kinh nghiệm quốc tế và khắc phục các bất cập, hạn chế của những quy định pháp luật hiện hành.

Thứ hai, hệ thống các quy định bảo vệ quyền riêng tư, dữ liệu cá nhân, AI ở Việt Nam nói chung và dữ liệu cá nhân trong hoạt động KCB nói riêng còn sơ khai. Các quyền nhân thân được quy định tại Hiến pháp năm 2013, Bộ luật Dân sự năm 2015 và trong các văn bản luật chuyên ngành khác. Tuy nhiên các quy định này chưa quy định rõ các cơ chế để bảo vệ dữ liệu cá nhân. Một số luật chuyên ngành khác có đề cập đến khái niệm thông tin cá nhân, thu thập và sử dụng thông tin cá nhân như Luật An toàn thông tin mạng năm 2015. Tuy nhiên, nội hàm khái niệm “thông tin cá nhân” trong Luật này chưa bao hàm hết được các dữ liệu có thể nhận dạng hoặc suy luận ra một cá nhân. Các hành vi vi phạm, xâm hại đến dữ liệu cá nhân cũng có thể bị buộc bồi thường thiệt hại, xử phạt vi phạm hành chính hoặc truy cứu trách nhiệm hình sự, tuỳ thuộc vào tính chất, mức độ nguy hiểm và hậu quả do hành vi vi phạm gây ra. Tuy nhiên các tội danh này chưa quy định cụ thể, trực tiếp về các hành vi vi phạm pháp luật liên quan tới dữ liệu cá nhân đang diễn ra hiện nay dẫn tới việc khó xử lý. Chính vì vậy, cần hoàn thiện khung pháp lý cho vấn đề bảo vệ dữ liệu cá nhân trong tương lai, một luật bảo vệ dữ liệu cá nhân rất cần thiết trong cuộc sống ngày nay. Khi xây dựng khung pháp lý cho vấn đề này, cần lưu ý đến việc xác định khái niệm dữ liệu cá nhân. Việc xác định phạm vi dữ liệu nào được xem là dữ liệu cá nhân là bước then chốt quyết định để đưa ra các quy định liên quan về bảo vệ dữ liệu cá nhân. Bên cạnh đó, việc xác định chủ thể chịu trách nhiệm pháp lý đối với dữ liệu cá nhân liên quan đến AI cũng là điều cần thiết để áp dụng đối với bên kiểm soát dữ liệu cá nhân.

Hiện tại, ở Việt Nam chưa có cơ chế giám sát, trong thời đại phát triển vũ bảo của trí tuệ nhân tạo, nhằm phổ biến và giám sát việc xử lý dữ liệu cá nhân cần thiết phải có một cơ quan nhà nước đứng ra phụ trách giám sát, hướng dẫn cũng như công bố các thông tin liên quan đến việc áp dụng trí tuệ nhân tạo trong việc xử lý dữ liệu cá nhân của các bệnh viện, cơ sở ý tế để người dân dễ dàng tiếp cận và sử dụng. Ở Việt Nam thiết bị y tế không được định nghĩa trong Luật khám, chữa bệnh năm 2023 mà định nghĩa tại khoản 1 Điều 2 Nghị định 98/2021/NĐ-CP về quản lý trang thiết bị y tế. Theo đó, trang thiết bị y tế là các loại thiết bị, vật tư cấy ghép, dụng cụ, vật liệu, thuốc thử và chất hiệu chuẩn in vitro, phần mềm (software). Từ định nghĩa trên, AI được xem là một trang thiết bị y tế theo pháp luật hiện hành Việt Nam. Trên thực tế, các bác sĩ ít có khả năng can thiệp vào quá trình tự động vận hành của AI y tế. Quyền kiểm soát không thể quy cho bác sĩ hoặc thậm chí cho bất kỳ cá nhân nào. Thật vậy dường như không có ai có thể kiểm soát AI. Tuy nhiên, đối với những AI y tế được lập trình để con người có thể can thiệp vào quá trình vận hành, các bác sĩ vẫn được xem là đối tượng “trông giữ” và có thể chịu trách nhiệm nếu AI gây ra thiệt hại. Như vậy, các pháp nhân, cá nhân chủ sở hữu của AI và người đang chiếm hữu sẽ phải BTTH do AI gây ra, bất chấp thực tế là họ có can thiệp vào quá trình khám chữa bệnh hay không.

Về khía cạnh công nghệ, nguồn vào (tài nguyên) của TTNT là cơ sở dữ liệu được tiếp thu (thụ động và/hoặc chủ động), theo đó, cơ sở dữ liệu được xem là thành tố quan trọng để TTNT hấp thụ và chuyển hóa thành kết quả theo yêu cầu của người ứng dụng TTNT. Trong hoạt động KCB, cơ sở dữ liệu để có thể ứng dụng TTNT ở mức độ phức tạp lẫn đơn giản phần lớn là dữ liệu mang tính cá nhân của người đến khám, chữa bệnh (bao gồm các bí mật đời tư, quyền nhân thân được pháp luật bảo vệ) theo Luật Khám chữa bệnh 2023 (“Luật KCB”).

Việc bảo vệ quyền nhân thân liên quan đến dữ liệu cá nhân được ghi nhận tại Hiến pháp, Bộ luật Dân sự 2015 như một nguyên tắc pháp định về quyền con người nói chung và quyền công dân nói riêng. Tuy vậy, với sự phát triển của công nghệ, dữ liệu cá nhân lại là tài nguyên có thể xem là tài sản (quyền tài sản) có giá trị, và đặt ra vấn đề về việc sử dụng cũng như bảo vệ đối với dữ liệu cá nhân cần cấp thiết hơn và đòi hỏi cần có quy định pháp luật cụ thể chứ không thể dựa trên các nguyên tắc cơ bản. Theo đó, Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân được ban hành nhưng chưa đáp ứng về yêu cầu thực tiễn phức tạp với các nguyên tắc về “bảo vệ dữ liệu cá nhân” tại Điều 3 Nghị định này và còn nhiều thiếu sót, hạn chế ở vấn đề “sử dụng dữ liệu cá nhân”, đồng thời, xét trên toàn hệ thống pháp luật, liên quan đến dữ liệu cá nhân và quyền riêng tư vẫn “còn nhiều khoảng trống cần được lấp đầy” .

Ngoài ra, thực trạng quá trình số hóa dữ liệu quốc gia (nguồn dữ liệu phục vụ cho công tác quản lý và được xem là nguồn cơ sở dữ liệu hợp pháp cho việc phát triển TTNT) bị đánh giá thiếu hiệu quả sử dụng do phân mảnh (thu thập, quản lý, tiếp cận và sử dụng) và thiếu độ tin cậy (chưa có bên độc lập giám sát và đánh giá) cũng như hoạt động bảo mật.

Thứ ba, chưa có quy định pháp luật cụ thể cho viêc ứng dụng TTNT trong hoạt động KCB về tiêu chuẩn vận hành, sử dụng TTNT. Hiện tại, AI đã len lỏi vào các khía cạnh của đời sống nhưng nhìn chung đại đa số người dân vẫn chưa được cập nhật sâu rộng về nó, họ chỉ đơn thuần là nghe qua, chưa thật sự hiểu rõ quy trình và áp dụng AI  như thế nào là phù hợp với từng điều kiện cụ thể, đặc biệt là đội ngũ sử dụng AI trong y tế ở Việt Nam rất đa dạng từ các nhà nghiên cứu, chuyên gia y tế, các doanh nghiệp công nghệ đến các bác sĩ và nhân viên y tế. Việc sử dụng AI ngày càng trở nên phổ biến vì vậy đòi hỏi phải có đội ngũ sử dụng AI có chuyên môn, được đào tạo bài bản về AI để có thể vận dụng vào việc khám chữa bệnh. Vậy nên, đòi hỏi các bệnh viện, trung tâm y tế phải có lớp tập huấn, những khoá học đào tạo chuyên sâu về AI trong các lĩnh vực y tế. Chính phủ cần tổ chức các buổi hội thảo, chuyên đề khoa học về ứng dụng AI trong lĩnh vực y tế, cần học hỏi kinh nghiệm của các nước để áp dụng cho Việt Nam để cải thiện chất lượng dịch vụ và chăm sóc sức khoẻ cho bệnh nhân.

Theo khoản 4 Điều 2 Luật khám, chữa bệnh năm 2023 thì “Người hành nghề khám bệnh, chữa bệnh là người đã được cơ quan có thẩm quyền của Việt Nam cấp giấy phép hành nghề khám bệnh, chữa bệnh (sau đây gọi là người hành nghề) và khoản 2 Điều 93 Luật khám, chữa bệnh năm 2023 quy định về việc áp dụng kỹ thuật mới, phương pháp mới trong khám bệnh, chữa bệnh. Theo quy định này thì người hành nghề khám, chữa bệnh phải là “con người” chứ không phải là một thiết bị máy móc thông minh hay robot nhân tạo, vì vậy AI không được xem là người hành nghề khám, chữa bệnh. Ngoài ra, trong Luật khám, chữa bệnh cũng chỉ nêu “áp dụng kỹ thuật mới” vào hoạt động khám, chữa bệnh mà không đề cập đến việc sử dụng trí tuệ nhân tạo, đây là sự thiếu sót trong Luật khám, chữa bệnh vì hiện tại AI được xem là một công cụ hỗ trợ y bác sĩ trong việc điều trị, theo dõi, chẩn đoán bệnh cho bệnh nhân. Trong lĩnh vực y tế, pháp luật hiện nay cũng không quy định rõ ràng về các tiêu chí để đánh giá, áp dụng AI vào tiêu chuẩn khám chữa, bệnh.

Thứ tư, chưa xác định được tư cách pháp lý của AI trong hoạt động khám chữa bệnh. Ở Việt Nam, hiện tại chưa có một văn bản nào quy định cụ thể về tư cách pháp lý của AI. Theo tác giả Đặng Lê Phương Uyên thì “khi công nhận thực thể AI là chủ thể của quan hệ pháp luật, thì cần thỏa mãn hai điều kiện. Điều kiện thứ nhất là mức độ tinh vi của AI thể hiện qua năng lực suy nghĩ, khả năng nhận thức và làm chủ hành vi. Để đảm bảo tiêu chí này, cần có một bài kiểm tra chuyên môn, xác định thực thể AI có tư duy độc lập và năng lực tự chủ như một người thành niên bình thường. Điều kiện thứ hai là đăng ký danh tính công khai, như con người cần được khai sinh và pháp nhân cần được đăng ký. Cơ chế đăng ký AI có ý nghĩa đặc biệt quan trọng trong việc đảm bảo tính minh bạch, cũng như tạo điều kiện thuận lợi cho thực thể AI xác lập, thực hiện giao dịch với các chủ thể khác. Để thủ tục đăng ký AI phát huy hiệu quả thì việc đăng ký phải được công bố công khai, tư cách chủ thể của AI được minh bạch hóa, đồng thời tuyên bố với bên thứ ba về tính độc lập giữa AI với người sản xuất, chủ sở hữu”. Theo Điều 1 Bộ luật Dân sự (BLDS) năm 2015 quy định chủ thể phải là cá nhân hoặc pháp nhân,  chưa ghi nhận dạng chủ thể là máy móc hay chương trình máy tính, do vậy sẽ không thể nếu xác định tư cách pháp lý của AI là những chủ thể trong pháp luật hay nói cách khác chưa có quy định cụ thể xác định tư cách pháp lý của AI khi tham gia vào các quan hệ xã hội được pháp luật điều chỉnh. Vì vậy, việc rà soát, xây dựng cơ sở pháp lý xác định tư cách pháp lý của AI là nhu cầu khách quan, tất yếu.

Thứ năm, chưa xác định trách nhiệm pháp lý của AI trong hoạt động khám chữa bệnh. AI đã được Chính phủ Việt Nam xác định là mũi nhọn cần được triển khai nghiên cứu nhằm tận dụng được sự phát triển của khoa học công nghệ. Việt Nam hiện tại vẫn chưa có khung pháp lý điều chỉnh riêng biệt dành cho AI. Việc xác định chủ thể có trách nhiệm bồi thường sẽ chỉ dựa vào những quy định của những văn bản quy định có liên quan, nhưng những văn bản đó cũng không thể bao quát hết những vấn đề phát sinh trong việc xác định chủ thể bồi thường thiệt hại liên quan đến AI như Luật Chất lượng sản phẩm hàng hoá năm 2007, sửa đổi bổ sung năm 2018 hay chế định bồi thường ngoài hợp đồng trong BLDS năm 2015. AI cũng là sản phẩm mà con người tạo ra nên cũng có thể có những thiếu sót như “thiếu sót của một con người”. Vì hiện hành chưa có cơ chế điều chỉnh, do đó các nhà lập pháp sẽ điều chỉnh bằng các mô hình trách nhiệm pháp lý hiện có – tức là quy trách nhiệm cho người dùng, chủ sở hữu hoặc nhà sản xuất. Khi một sản phẩm mang AI vi phạm quy định về chất lượng thì nhà sản xuất có trách nhiệm phải bồi thường. Tại khoản 1 Điều 584 BLDS năm 2015 quy định người có hành vi xâm hại tính mạng, sức khỏe, danh dự, nhân phẩm, uy tín, quyền và lợi ích hợp pháp của người khác mà gây thiệt hại thì phải bồi thường. Trường hợp tài sản gây thiệt hại thì chủ sở hữu, người chiếm hữu tài sản phải chịu trách nhiệm bồi thường (khoản 3 Điều 584 BLDS năm 2015). Nếu đó là “hàng hoá, dịch vụ không đảm bảo chất lượng” gây thiệt hại cho người tiêu dùng thì người sản xuất, kinh doanh hàng hoá, dịch vụ đó phải bồi thường tại Điều 608 BLDS năm 2015.

Tại Điều 23 Luật Bảo vệ người tiêu dùng năm 2010 buộc người kinh doanh bồi thường nếu (i) hàng hóa “có khuyết tật”; (ii) người tiêu dùng bị thiệt hại sức khỏe, tính mạng, tài sản; (iii) có mối quan hệ nhân quả giữa khuyết tật đó với thiệt hại. Ngoài ra, khoản 3 Điều 3 Luật Bảo vệ người tiêu dùng có quy định hàng hóa “có khuyết tật” được hiểu là hàng hoá “không bảo đảm an toàn cho người tiêu dùng” có khả năng gây thiệt hại, trong ba trường hợp sau (i) khuyết tật phát sinh từ thiết kế kỹ thuật; (ii) khuyết tật từ trong quá trình sản xuất, chế biến, vận hành, lưu giữ; (iii) tiềm ẩn nguy cơ và rủi ro cho người tiêu dùng không có cảnh báo, hướng dẫn cho họ. Tuy nhiên, có nhiều vấn đề phát sinh trong việc xác định chủ thể chịu trách nhiệm, chẳng hạn như nếu một chủ thể sử dụng AI mà gây thiệt hại cho người khác nhưng không có hành vi kinh doanh hoặc không vì mục đích thương mại thì có thể không phải bồi thường do không thuộc đối tượng điều chỉnh của Luật Bảo vệ người tiêu dùng năm 2023.

Theo quy định tại khoản 3 Điều 584 BLDS năm 2015 khi tài sản gây thiệt hại cho người khác thì chủ sở hữu và người chiếm hữu tài sản phải bồi thường. Nếu xem những thực thể mang AI là tài sản thì chủ sở hữu, người chiếm hữu phải bồi thường thiệt hại theo quy định nêu trên. Bên cạnh đó, nếu xem AI là nguồn nguy hiểm cao độ gây thiệt hại, thì chủ sở hữu, người chiếm hữu, sử dụng AI phải bồi thường thiệt hại do AI gây ra, ngay cả khi không có lỗi, trừ trường hợp bất khả kháng, hoặc hoàn toàn do lỗi cố ý của người bị thiệt hại theo Điều 601 BLDS năm 2015. Trong trường hợp này, chủ sở hữu, người chiếm hữu, sử dụng AI phải chịu trách nhiệm nghiêm ngặt. Theo Điều 1 BLDS năm 2015 quy định chủ thể của quan hệ pháp luật chỉ có thể là cá nhân, pháp nhân. Do AI là thực thể nhân tạo, không phải thực thể tự nhiên như con người, không thể đưa AI vào nhóm chủ thể là cá nhân. Hiển nhiên, AI cũng không phải là tổ chức, không mang các đặc điểm để được công nhận là pháp nhân.

Các thiết bị máy móc thông minh trong y tế, bao gồm các robot sử dụng AI chỉ được xem là công cụ hỗ trợ bác sĩ thực hiện các hoạt động chuyên môn. Vì vậy, khi tai nạn xảy ra, việc xác định trách nhiệm sẽ nhắm tới bác sĩ và bệnh nhân. Bác sĩ sẽ phải chịu trách nhiệm pháp lý khi bị coi là có lỗi. Ở Việt Nam, quy định về trách nhiệm của bác sĩ khi chẩn đoán của họ gây thiệt hại cho bệnh nhân được ghi nhận trong BLDS năm 2015 và Luật Khám bệnh, chữa bệnh năm 2009. Trong Luật Khám bệnh, chữa bệnh năm 2009 thì người được giao nhiệm vụ khám bệnh có nghĩa vụ khám bệnh, chẩn đoán bệnh, chỉ định phương pháp điều trị, kê đơn thuốc kịp thời, chính xác và chịu trách nhiệm về việc khám bệnh, chẩn đoán bệnh, chỉ định phương pháp điều trị, kê đơn thuốc của mình.

Vì vậy, có thể nói hiện nay ở Việt Nam, pháp luật chưa xem xét vấn đề bồi thường thiệt hại do ứng dụng AI như một loại trách nhiệm đặc biệt và chỉ tập trung vào việc phát triển các công nghệ liên quan đến AI. Từ thực trạng pháp luật thực định cho thấy nhu cầu cấp thiết cần sửa đổi, bổ sung các quy định áp dụng riêng cho trường hợp AI gây thiệt hại, vốn nằm ngoài phạm vi điều chỉnh của pháp luật dân sự về bồi thường thiệt hại do hành vi con người, do tài sản gây ra, và cũng không thuộc phạm vi điều chỉnh của pháp luật về “trách nhiệm do sản phẩm có khuyết tật gây ra cho người tiêu dùng”, trách nhiệm đối với hàng hoá, dịch vụ không đảm bảo chất lượng. Đặc biệt, cần có quy định cụ thể về chủ thể chịu trách nhiệm pháp lý nói chung, trách nhiệm bồi thường thiệt hại nói riêng về những thiệt hại do các thực thể mang AI gây hại cho người khác trong lĩnh vực khám chữa bệnh.

Thứ sáu, thiếu sót trong quy định pháp lý về sở hữu trí tuệ đối với sản phẩm mà AI tạo ra. AI dưới góc nhìn là đối tượng quyền sở hữu, thuộc về người sáng tạo, người sở hữu AI và khi thực hiện quyền sở hữu, chủ thể quyền phải tôn trọng, bảo đảm trật tự, an toàn xã hội, không được lạm dụng quyền để gây mất trật tự, an toàn xã hội, làm thiệt hại đến lợi ích quốc gia, dân tộc, lợi ích công cộng, lợi ích hợp pháp của người khác theo Điều 173 BLDS năm 2015. Đây là nghĩa vụ tôn trọng, bảo đảm trật tự xã hội khi thực hiện quyền sở hữu cũng như các quyền khác đối với tài sản. Việc không tuân thủ nghĩa vụ này sẽ là căn cứ phát sinh quyền yêu cầu bảo vệ quyền và lợi ích hợp pháp của chủ thể có quyền và lợi ích hợp pháp bị xâm phạm. Trong tương lai nếu AI phát triển, cũng không phải mọi AI đều được công nhận tư cách chủ thể vì có quan điểm cho rằng “chỉ có những AI phát triển đạt đến ngưỡng có thể tự mình hoạt động độc lập không phụ thuộc vào con người, cộng thêm với việc được tích hợp trong cơ thể của một robot, thì AI đó mới có thể được công nhận là một chủ thể mới của quan hệ pháp luật. Do vậy, đi kèm với việc trao tư cách pháp lý thì Nhà nước cần xây dựng khung tiêu chuẩn đánh giá năng lực riêng cho AI”.

Vấn đề bảo hộ quyền tác giả đối với các sản phẩm được tạo ra từ AI là một vấn đề khá mới mẻ trong lĩnh vực pháp luật sở hữu trí tuệ. Những sản phẩm mà AI tạo ra không thuộc sự bảo hộ của quyền tác giả, vì chúng không được tạo ra bởi con người. Việc thừa nhận hoặc không thừa nhận khả năng được bảo hộ của các sản phẩm do AI tạo ra sẽ có ảnh hưởng lớn đến vấn đề thương mại, đầu tư. Theo Luật Sở hữu trí tuệ năm 2005, các nhà làm luật đã ghi nhận rõ ràng tác giả, chủ sở hữu quyền tác giả phải là tổ chức, cá nhân và không đề cập đến các tác phẩm được tạo ra từ AI. Như vậy, pháp luật Việt Nam hiện hành không công nhận bảo hộ các tác phẩm không phải do con người tạo ra. Vì vậy, để đáp ứng với xu thế phát triển nhanh chóng của trí tuệ nhân tạo, đòi hỏi các nhà làm luật phải nghiên cứu và đưa ra các quy định về việc bảo hộ quyền tác giả đối với các sản phẩm tạo ra từ AI.

  1. Một số kiến nghị hoàn thiện

Để khắc phục những vấn đề hạn chế, bất cập còn tồn tại cũng như góp phần hoàn thiện khung pháp lý điều chỉnh về ứng dụng trí tuệ nhân tạo vào hoạt động khám chữa bệnh thì đòi hỏi cần phải thực hiện một số các giải pháp sau:

Thứ nhất, về việc xây dựng hệ thống quy định pháp luật cho TTNT đang là vấn đề mang tính thách thức toàn cầu chứ không chỉ riêng tại Việt Nam, vì TNTT đặt ra nhiều vấn đề pháp lý thay đổi hoàn toàn các nguyên tắc pháp lý truyền thống như đã phân tích tại mục 2 bài viết này, đồng thời, cũng đòi hỏi những quy định pháp luật mới phải phù hợp cho một “thực thể thông minh” mà không phải là con người, nhưng có tầm ảnh hưởng sâu rộng đến mọi lĩnh vực của đời sống xã hội. Theo đó, các quốc gia tiên tiến (Mỹ, Trung Quốc, các quốc gia thuộc Cộng đồng Châu Âu…) đã và đang ứng dụng, phát triển TTNT cũng đã từng bước xây dựng cho TTNT bộ quy tắc pháp lý trên nền tảng của thuật ngữ pháp lý mới là Trí tuệ nhân tạo có trách nhiệm (Responsible Artificial Intelligence – RAI) tạm hiểu là “một tập hợp các biện pháp được sử dụng để bảo đảm AI được phát triển và áp dụng một cách có đạo đức và hợp pháp. Nó liên quan đến việc xem xét các tác động tiềm tàng mà hệ thống AI có thể gây ra đối với người dùng, xã hội và môi trường, thực hiện các bước để giảm thiểu mọi tác hại và ưu tiên tính minh bạch và công bằng khi nói đến cách thức tạo ra và sử dụng AI”. Đây được xem là những bước đi đầu tiên để xác định các nguyên tắc cơ bản cho hoạt động của TTNT để có thể dần định hình và chi tiết hóa các quy định pháp luật sau nhiều thử nghiệm pháp lý trước đây tại các quốc gia khác nhau. Theo đó, việc xây dựng các quy định mang tính chất nguyên tắc chung đang là hướng phát triển của đa số các nhà lập pháp trên thế giới, trong đó, đề cao tính hợp pháp, đạo đức, minh bạch, công bằng và phân loại các tiêu chí để TTNT được phép phát triển và vận hành. Đây cũng là kinh nghiệm để Việt Nam xem xét học tập khi thực hiện hoạt động lập pháp liên quan đến TTNT phải đảm bảo nguyên tắc giảm thiểu tác động tiêu cực của TNTN, đảm bảo trật tự công cộng và quyền riêng tư cá nhân, đồng thời, tạo hành lang pháp lý chung để có thể xây dựng, hoàn thiện khung pháp lý chuyên từng hoạt động chuyên ngành phù hợp với tính chất, yêu cầu khi xây dựng, phát triển, ứng dụng và vận hành TTNT, trong đó, hoạt động KCB là trường hợp điển hình.

Cần nói thêm về nhiệm vụ của các Bộ và cơ quan khác tại phần IV Quyết định số 127/QĐ-TTg, về hoạt động xây dựng và hoàn thiện bổ sung các văn bản pháp luật, thì chỉ Bộ Khoa học và Công nghệ, Bộ Công an và Bộ Thông tin và truyền thông (liên quan đến lĩnh vực thuộc chuyên môn quản lý); cùng với Bộ Tư pháp (“về trách nhiệm pháp lý của các đối tượng liên quan tới TTNT”) được giao nhiệm vụ này. Theo quan điểm của tác giả là chưa phù hợp trên cơ sở các Bộ đều có lĩnh vực quản lý chuyên môn có ứng dụng TTNT, nên đều phải có trách nhiệm xây dựng và hoàn thiện, bổ sung các văn bản pháp luật có liên quan đến TTNT liên quan đến chuyên môn quản lý để trình cơ quan có thẩm quyền ban hành, trên nền tảng khung pháp lý chung về TTNT do Bộ Tư pháp cùng với Bộ Khoa học và Công nghệ đảm nhiệm. Điển hình, đối với hoạt động KCB, Bộ y tế không được phân công xây dựng và hoàn thiện bổ sung các văn bản pháp luật có liên quan đến ứng dụng TTNT là bước cản cho việc đưa TTNT vào ứng dụng trong KCB cũng như không khắc phục được các bất cập của thực trạng pháp luật hiện hành như đã phân tích.

Thứ hai, về dữ liệu cá nhân (bao gồm quyền riêng tư) là vấn đề nổi bật khi bàn về TTNT, đặc biệt trong hoạt động KCB vì khi ứng dụng TTNT ở mức độ phức tạp đòi hỏi nguồn dữ liệu phải là “dữ liệu lớn (Big data)” mới có thể đáp ứng được yêu cầu đặt ra với TTNT trong các hoạt động đọc kết quả cận lâm sàng, chẩn đoán bệnh, hỗ trợ phác đồ điều trị… thậm chí là kiểm soát dịch bệnh, thống kê, quản trị ngành… theo đó, “việc quản lý, lưu trữ, khai thác, phân tích, dự báo dựa trên một tập hợp dữ liệu rất lớn và phức tạp mà các ứng dụng xử lý dữ liệu truyền thống không xử lý được” dường như là lỗ hổng pháp lý mà các quy định chi tiết về dữ liệu nói chung và dữ liệu cá nhân trong lĩnh vực y tế nói riêng chưa đáp ứng được. Ngoài ra hoạt động IoT (được biết với thuật ngữ Internet kết nối vạn vật – IoT chỉ việc kết nối và trao đổi giữa các thiết bị vật lý như các máy tính, điện thoại di động, thiết bị điện tử, cảm biến, xe cộ, đồ gia dụng điện tử…) cũng đang được ứng dụng song song với TTNT trong việc KCB mang lại nhiều hiệu quả tích cực nhưng cũng đặt ra nhiều vấn đề về bảo mật và an ninh mạng mà quy định pháp luật hiện hành chưa thể điều chỉnh được. Do đó, ngoài việc tham khảo các kinh nghiệm quốc tế thì Việt Nam cần đẩy mạnh việc tiếp tục hoàn thiện các quy định pháp luật hiện hành theo hướng ban hành luật về dữ liệu cá nhân thay vì nghị định như hiện tại (Nghị định 13/2023/NĐ-CP) để có thể có những quy định cụ thể hơn về dữ liệu cá nhân đối với TNTT và chi tiết hóa quy định của dữ liệu cá nhân (data hoặc Big data) trong hoạt động KCB khi ứng dụng TTNT bằng các nghị định, thông tư quy định chi tiết. Riêng đối với hoạt động IoT, cần xây dựng Nghị định hoặc Thông tư quy định chi tiết để thí điểm trên cơ sở các quy định pháp luật hiện hành về hoạt động internet, bảo mật và an ninh mạng. Ngoài ra, cần xem xét đến nguyên tắc “quyền lãng quên” để đảm bảo quyền riêng tư về dữ liệu cá nhân theo yêu cầu của cá nhân có liên quan về các thông tin KCB của cá nhân đó, vì đây là nguyên tắc được quốc tế thừa nhận và phù hợp với quyền lợi cá nhân đối với thông tin đời tư của mình hoặc người có liên quan.

Thứ ba, theo khoản 4 Điều 2 Luật KCB thì “Người hành nghề khám bệnh, chữa bệnh là người đã được cơ quan có thẩm quyền của Việt Nam cấp giấy phép hành nghề khám bệnh, chữa bệnh (sau đây gọi là người hành nghề)” và theo khoản 2 Điều 93 Luật này quy định về việc áp dụng kỹ thuật mới, phương pháp mới trong khám bệnh, chữa bệnh, thì người hành nghề khám, chữa bệnh phải là “con người” chứ không phải là một thiết bị máy móc thông minh hay robot nhân tạo, vì vậy TTNT không được xem là người hành nghề khám, chữa bệnh mà chỉ đơn thuần là kỹ thuật hỗ trợ công nghệ cao nói chung. Theo đó, Bộ Y tế có trách nhiệm quy định về tiêu chuẩn cũng như quy trình áp dụng/ứng dụng kỹ thuật công nghệ cao theo thẩm quyền chuyên môn. Tuy nhiên, như đã phân tích về thực trạng pháp luật hiện hành, việc quy định về tiêu chuẩn của cá nhân, tổ chức chịu trách nhiệm vận hành, ứng dụng TTNT dường như chưa được quy định cụ thể mà chỉ mang tính chất thí điểm và áp dụng các quy định pháp luật hiện có cùng với các nội dung về miễn trừ trách nhiệm. Do đó, Bộ y tế cần chủ động trong việc xây dựng các dự thảo về tiêu chuẩn của cá nhân, tổ chức khi ứng dụng TTNT trong công tác vận hành, sử dụng trong quá trình KCB, vì đây là hoạt động mang tính chuyên môn ngành mà chỉ có Bộ chủ quản (Bộ Y tế) mới nắm rõ về tính chất, điều kiện công nghệ lẫn pháp lý đối với cơ sở KCB cũng như đội ngũ y bác sĩ đang hành nghề. Dự thảo nêu trên cần chú trọng đến việc phân công, phân cấp đối với đội ngũ vận hành, sử dụng TTNT, hạn chế việc đội ngũ y bác sĩ buộc phải đào tạo lại về công nghệ TTNT được ứng dụng, cũng như xao nhãng chuyên môn khi quá chú trọng vào quá trình vận hành TTNT, nhưng cần ràng buộc trách nhiệm khi dùng các kết quả từ TTNT vào công việc KCB. Đồng thời, cần đẩy mạnh hoạt động tuyên truyền, giáo dục về việc ứng dụng TTNT trong KCB, cũng như hoàn thiện khung pháp lý về cơ sở hạ tầng để vận hành, sử dụng TTNT trong hoạt động KCB ở Việt Nam.

Thứ tư, việc xác định tư cách pháp lý của TTNT khi ứng dụng trong hoạt động KCB không tách rời khỏi việc xác định tư cách pháp lý của TTNT khi tham gia vào các quan hệ pháp luật nói chung với tư cách là “thực thể thông minh”. Với quan điểm pháp lý truyền thông, chỉ có chủ thể sinh học (con người) và chủ thể xã hội (pháp nhân, tổ chức) mới đủ điều kiện tham gia vào các quan hệ pháp luật, thực hiện các quyền và nghĩa vụ, cũng như gánh chịu trách nhiệm pháp lý (nếu có). Theo đó, Bộ luật Dân sự năm 2015 đã xác định lại chỉ có cá nhân và pháp nhân mới là chủ thể của quan hệ dân sự, đây là bước tiến lớn khi sửa đổi Bộ luật Dân sự, tạo sự thống nhất trong toàn bộ Bộ luật Dân sự năm 2015. Tương tự, Bộ luật Hình sự 2015 sau khi sửa đổi cũng chỉ bổ sung trách nhiệm hình sự đối với pháp nhân bên cạnh chủ thể truyền thống là cá nhân. Vì vậy, việc xác định tư cách pháp lý cho TTNT là vấn đề gây tranh cãi khi có các quan điểm pháp lý khác biệt nhau: (i) Không chấp nhận TTNT là chủ thể có đủ điều kiện tham gia vào bất cứ quan hệ pháp luật  nào; (ii) đề xuất xem xét TNTT như chủ thể có “năng lực hạn chế” và “năng lực pháp lý một phần”; (iii) đề xuất xem xét TTNT là “cá nhân điện tử” và là “chủ thể mới trong quan hệ pháp luật”. Với những quan điểm pháp lý như đã nêu, tác giả cho rằng ở thời điểm hiện tại: đối với việc ứng dụng TTNT khi KCB chỉ nên xem TTNT là một sản phẩm công nghệ cao, không nên đào sâu vào “tính thông  minh” của TTNT vì điều này không giúp cho việc vận dụng các quy định pháp luật hiện hành trở nên dễ dàng. Song song, không thể đòi hỏi “y đức” đối với TTNT dù đây là “máy thông minh”.

Ngoài ra, về công tác xây dựng, bổ sung hoàn thiện quy định pháp luật nếu công nhận TTNT là chủ thể pháp lý thì phải xây dựng lại hệ thống quy định pháp luật dành cho thực thể điện tử (TTNT) và buộc phải đồng bộ với hệ thống pháp luật Việt Nam bằng công tác pháp điển hóa mất nhiều thời gian lẫn chi phí thực hiện. Thay vào đó, nếu xem TTNT là một sản phẩm công nghệ cao (không công nhận TTNT là chủ thể pháp lý) thì chỉ cần xác định chủ thể chịu trách nhiệm từ việc sử dụng, vận hành khi ứng dụng TTNT vào việc KCB. Hơn hết là lộ trình để theo dõi tiến trình phát triển, tiến hóa của TTNT trước khi xem xét lại vấn đề công nhận TTNT là một thực thể điện tử có thể phát sinh quyền và nghĩa vụ khi tham gia vào quan hệ pháp luật và có khả năng gánh chịu trách nhiệm.

Thứ năm, như đã phân tích, TTNT không thể tự mình xác lập bất cứ quan hệ pháp luật hay hoạt động chuyên môn khi được ứng dụng vào KCB mà phải thông qua người vận hành, sử dụng. Do đó, việc xác định trách nhiệm khi việc ứng dụng TTNT cần được xem xét để hạn chế rủi ro và truy cứu trách nhiệm (bồi thường thiệt hại ngoài hợp đồng, trách nhiệm hình sự) khi có thiệt hại xảy ra.Theo đó, tác giả có có kiến nghị như sau:

(i) Cần có quy định phân cấp công việc đảm bảo sự phối hợp giữa con người và TTNT nhằm tránh phụ thuộc TTNT tuyệt đối trong bối cảnh “nửa sáng nửa tối” như hiện nay.

(ii) Xây dựng quy trình phối hợp và sử dụng TTNT theo quy mô ứng dụng (từ đơn giản đến phức tạp) phù hợp với từng loại TTNT đa nhiệm hoặc đơn nhiệm.

(iii) Cần có quy định pháp luật xác định các chủ thể có liên quan đến TTNT khi ứng dụng trong hoạt động KCB để xác định trách nhiệm (đơn lẻ hoặc liên đới), bao gồm không giới hạn từ chủ thể xây dựng, thí điểm TTNT đến chủ thể sử dụng, vận hành và cả chủ thể đánh giá, giám sát. Ở cấp độ sơ khai, đã có  Bộ tiêu chuẩn ISO/IEC 22989 tại tiểu mục 5.19 mục 5 đã khái quát “Các bên liên quan đến AI”.

(iv) Vì TTNT là “sản phẩm công nghệ cao” nên việc xác định TTNT là “sản phẩm hàng hóa” hay “sản phẩm dịch vụ” khi ứng dụng trong KCB cũng quan trọng không kém khi vận dụng quy định pháp luật có liên quan để điều chỉnh khi cần thiết, theo đó, tác giả đồng ý với quan điểm TTNT là dịch vụ vì tính chất phi vật lý của sản phẩm dù cho thực thể chứa đựng TTNT hữu hình và vấn đề này cần được luật hóa.

(v) Cần có quy định về bảo hiểm trách nhiệm bắt buộc khi ứng dụng TTNT trong KCB vì tính rủi ro cao và hậu quả nghiêm trọng, đây là vấn đề được cân nhắc trong quá trình xây dựng khung pháp lý về trách nhiệm của TTNT trên quốc tế.

  1. Kết luận

Có thể thấy rằng mặc dù Chính phủ và Bộ Y tế đều đặt ra các chiến lược về việc ứng dụng TTNT vào việc KCB nhằm phục vụ tốt hơn cho nền y tế và sức khỏe của người dân, nhưng từ các phân tích về thực trạng pháp luật cho thấy còn nhiều bất cập, hạn chế mà cụ thể hơn là các “lỗ hổng pháp lý” về việc ứng dụng TTNT cũng như các vấn đề pháp lý có liên quan. Do vậy, việc khắc phục các bất cập, hạn chế của pháp luật về ứng dụng TTNT vào công tác khám chữa bệnh là điều cần thiết và cấp bách, để tạo động lực và nền tảng cho việc phát triển TNTT trong lĩnh vực y tế nên Bộ Y tế phải là cơ quan chủ xướng với các thuận lợi từ việc tiếp thu các quan điểm pháp lý đã được mổ xẻ, phân tích chuyên sâu qua nhiều cuộc hôi thảo chuyên ngành và kinh nghiệm quốc tế với các bước tiến pháp lý rõ rệt bằng các đạo luật đã được ban hành cũng như các dự luật đang được nghiên cứu.

Trần Linh Huân1*,

Trần Thị Mỹ Nhung2, Nguyễn Xuân Diện2

1Câu lạc bộ các Nhà khoa học Trẻ TP. Hồ Chí Minh

2 Trường Đại học Luật TP. Hồ Chí Minh

PHÂN LOẠI PHÁT HIỆN BỆNH U NÃO DỰA TRÊN MÔ HÌNH NƠ RON TÍCH CHẬP

Cập nhật ngày 04/9/2024

  1. Giới thiệu

Nhờ sự phát triển vượt bậc của các bộ xử lý và kiến trúc hạ tầng, trí thông minh nhân tạo (Artificial Intelligence-AI) giờ đây đang bứt phá mạnh mẽ, mở ra cánh cửa cho một tương lai đầy tiềm năng. Những vấn đề tưởng chừng như không thể giải quyết bằng AI nay đã có thể được xử lý một cách tối ưu, mang đến những lợi ích to lớn cho mọi lĩnh vực. Trước đây, trí thông minh nhân tạo bị hạn chế bởi năng lực tính toán, khiến nhiều ứng dụng phức tạp trở nên khó thực hiện. Tuy nhiên, với sự ra đời của các bộ xử lý mạnh mẽ như bộ xử lý đồ họa (Graphics Processing Unit-GPU), bộ xử lý tensor (Tensor Processing Unit-TPU), và cùng với sự phát triển của các kiến trúc hạ tầng đám mây, trí thông minh nhân tạo giờ đây có thể xử lý lượng dữ liệu khổng lồ và thực hiện các thuật toán phức tạp một cách hiệu quả.

Mạng nơ ron tích chập (Convolutional Neural Network-CNN), một trong những mô hình tiên tiến Deep Learning, cải tiến từ một mạng nơ ron nhân tạo, đã đạt được thành công lớn, mô hình mạng nơ ron tích chập đã được áp dụng để xây dựng được những hệ thống xử lý thông minh (Jiamiao Y., 2023) với độ chính xác cao. Mạng nơ ron tích chập (CNN) là một loại kiến trúc mạng nơ ron được thiết kế đặc biệt để xử lý dữ liệu như hình ảnh, âm thanh,… CNN đã đạt được thành công lớn trong nhiều ứng dụng thị giác máy tính, bao gồm nhận diện ảnh, phân loại ảnh, phát hiện đối tượng, và phân đoạn ảnh.

Bên cạnh đó, cùng với sự phát triển của khoa học kỹ thuật, sự ô nhiễm môi trường, sự biến đổi gen trong thực phẩm, và nhiều nguyên nhân khác đã làm các tế bào bình thường trong não người xuất hiện lỗi (đột biến) trong DNA của chúng. Những đột biến này cho phép các tế bào phát triển và phân chia với tốc độ tăng cao và tiếp tục sinh trưởng khi các tế bào khỏe mạnh chết. Kết quả là hình thành một khối các tế bào bất thường, tạo nên một khối u não (Takashi K., 2017). Tốc độ tăng trưởng cũng như vị trí của khối u quyết định nó sẽ ảnh hưởng đến chức năng của hệ thống thần kinh gây nguy hiểm cho con người nếu không được phát hiện sớm và điều trị kịp thời.

Trong bài báo này, chúng tôi đề xuất vận dụng mô hình mạng nơ ron tích chập để giải quyết bài toán phân loại, phát hiện bệnh u não dựa trên tập dữ liệu ảnh MRI. Nghiên cứu tập trung vào việc vận dụng mô hình mạng nơ ron tích chập để phân loại, phát hiện bệnh u não và vận dụng mô hình U Net để phân đoạn phân vùng não tổn thương.

  1. Cơ sở lý thuyết

Mạng nơ ron tích chập (Convolutional Neural Network-CNN) là một loại mô hình mạng thần kinh đặc biệt giải quyết các vấn đề phức tạp ví dụ như xử lý dữ liệu hình ảnh (Alex K.et al., 2016). Mạng nơ ron tích chập huấn luyện máy tính xử lý dữ liệu dựa trên việc mô phỏng cách thức hoạt động của mạng nơ-ron thần kinh giống não người. Kỹ thuật xử lý của mạng nơ ron tích chập sử dụng các nút hoặc nơ ron liên kết với nhau trong một cấu trúc phân lớp. Mỗi nút trong một lớp được kết nối với tất cả các nút trong lớp tiếp theo và có nhiều lớp ẩn. Mục tiêu mạng nơ ron tích chập nhằm tạo ra một hệ thống huấn luyện máy tính học hỏi và liên tục cải tiến dựa trên dữ liệu huấn luyện.

Convolutional Neural Network bao gồm: các lớp tích chập (convolutional layers), lớp tổng hợp (Pooling layer), lớp kết nối đầy đủ (Fully Connected), các lớp tích chập để trích xuất các đặc trưng quan trọng từ ảnh. Lớp tổng hợp để giảm bớt số lượng tham số khi hình ảnh quá lớn mà vẫn giữ được các thông tin quan trọng. Lớp kết nối đầy đủ ở cuối có nhiệm vụ tối ưu hóa mục tiêu để kết nối tất cả thông tin học được và đưa ra kết luận xử lý như dự đoán kết quả. Mạng nơron tích chập (CNN) tạo ra nhiều feature maps mới từ dữ liệu đầu vào. Cụ thể, mỗi lớp tích chập trong CNN tạo ra một tập hợp các feature maps mới dựa trên dữ liệu đầu vào và các bộ lọc.

VGG16 là một mô hình phát triển từ mạng nơ ron tích chập. Mô hình VGG16 được Karen Simonyan và Andrew Zisserman đại học Oxford giới thiệu năm 2014 (Karen S.et al.,2015). Điểm nổi bật của mô hình VGG16 là mô hình được cải tiến với nhiều ưu điểm  dựa trên mô hình mạng nơ ron tích chập. Mô hình mạng VGG16 có một kiến trúc sâu hơn với tổng cộng 16 lớp gồm 13 lớp tích chập và 3 lớp kết nối đầy đủ (Fully Connected) so với mô hình mạng nơ ron tích chập. VGG16 sử dụng nhiều bộ lọc có kích thước nhỏ (3×3) thay thế cho bộ lọc kích thước lớn. Việc mô hình VGG16 sử dụng nhiều bộ lọc kích thước nhỏ 3×3 giúp giảm số lượng tham số và tăng hiệu quả tính toán. Tùy theo trường hợp, VGG16 không thường xuyên sử dụng cách tiếp cận dùng các lớp tổng hợp (pooling layer) lớn, thay vào đó,  VGG16 có khuynh hướng sử dụng nhiều lớp tổng hợp nhỏ hoặc kết hợp sử dụng cả pooling nhỏ và lớn giúp giảm và duy trì kích thước của  các bản đồ đặc trưng (feature maps), từ đó giảm độ phức tạp tính toán và lượng thông tin cần xử lý trong các lớp tiếp theo của mạng. qua đó VGG16 có thể làm tăng tốc độ huấn luyện và giảm đòi hỏi về tài nguyên tính toán, tạo ra một kiến trúc mạng hiệu quả.

Mô hình VGG16 được sử dụng trong nhiều bài toán khác nhau: Trích xuất đặc trưng (Feature extraction), phân loại hình ảnh (Image classification), Phân đoạn hình ảnh (Image segmentation), xử lý dữ liệu y tế (Medical image analysis) với các điều chỉnh phù hợp, VGG16 có thể được sử dụng trong các ứng dụng y tế như phân loại ảnh MRI, nhận dạng bệnh, hoặc dự đoán kết quả điều trị, mô hình VGG16 kết hợp với các kỹ thuật phân đoạn như U-Net thường dùng để phân đoạn hình ảnh và nhận diện các vùng khác nhau trong hình ảnh.

Các bước cơ bản để xây dựng mô hình VGG16 trong dự đoán, phân loại,.. thường gồm các bước: thu thập và chuẩn bị dữ liệu để đảm bảo rằng các dữ liệu được định dạng và có kích thước phù hợp cho việc đưa vào mô hình VGG16. Tiền xử lý dữ liệu để đảm bảo rằng dữ liệu phù hợp với đầu vào của mô hình VGG16 và yêu cầu bài toán cần xử lý. Huấn luyện mô hình dựa trên tập dữ liệu đưa vào, việc huấn luyện đảm bảo chọn các tham số huấn luyện phù hợp và theo dõi sự tiến triển của mô hình. Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra hiệu suất của mô hình. Vận dụng mô hình đã huấn luyện và đánh giá vào vấn đề cần xử lý.

Mô hình UNet được giới thiệu bởi  Olaf và cộng sự, trong bài báo “U-Net: Convolutional Networks for Biomedical Image Segmentation” (Olaf R.et al., 2015)). Mô hình kiến trúc UNet là một kiến trúc mạng nơ ron tích chập. Unet là kiến trúc mạng có bộ mã hóa (encoder), bộ giải mã (decoder) thường bao gồm bộ mã hóa theo sau là bộ giải mã. Bộ mã hóa và bộ giải mã thường đối xứng và được kết nối bằng các đường dẫn tạo thành như hình dạng chữ U giống với tên gọi của mô hình UNet. Thường thấy với 4 khối mã hóa(encoder) bên trái và bốn khối giải mã (decoder) ở bên phải.

Cơ chế vận hành của mô hình UNet bao gồm: bộ mã hóa (encoder) sử dụng lớp tích chập (convolutional layers) và lớp gộp (pooling layers) giúp trích xuất các đặc trưng từ hình ảnh, trong khi lớp gộp giúp giảm kích thước của feature maps. Bộ mã hóa giúp mô hình học tập các đặc trưng ảnh một cách hiệu quả để phục vụ cho việc phân đoạn ảnh chính xác. Bộ giải mã có vai trò giúp mô hình tái tạo ảnh phân đoạn chi tiết và chính xác. Bộ giải mã sử dụng các kỹ thuật nâng độ phân giải (upsampling) để tăng kích thước của các bản đồ đặc trưng (feature maps) trở lại gần với kích thước ban đầu trước khi chúng được giảm kích thước bởi bộ mã hóa. Thông qua các kết nối tắt (skip connections) bộ giải mã kết hợp thông tin từ bộ mã hóa để tái tạo các đặc trưng, giúp mô hình phân đoạn các vùng trong hình ảnh một cách chính xác. UNet kết hợp giữa kiến trúc bộ mã hóa (encoder), bộ giải mã (decoder) cùng các kết nối tắt (skip connect) đưa ra giải pháp phân đoạn dữ liệu hình ảnh hiệu quả ví dụ như trong xử lý dữ liệu ảnh y tế.

Các bước cơ bản để xây dựng mô hình U Net thường gồm: thu thập và chuẩn bị tập dữ liệu huấn luyện, với các hình ảnh đầu vào và các nhãn tương ứng. Tiền xử lý dữ liệu các hình ảnh có thể cần được chuẩn hóa đáp ứng vấn đề cần xử lý. Xây dựng mô hình UNet phù hợp như xác định, xây dựng kiến trúc mô hình UNet phù hợp cho bài toán phân đoạn hình ảnh, huấn luyện mô hình sử dụng tập dữ liệu đã chuẩn bị. Đánh giá mô hình.

  1. Phương pháp nghiên cứu

Tập dữ liệu hình ảnh cộng hưởng từ MRI (Magnetic Resonance Imaging)

Bộ dữ liệu MRI dùng trong nghiên cứu được tham khảo từ bộ dữ liệu MRI chứa 7023 hình ảnh chụp MRI não người được phân thành 4 loại: glioma, meningioma, no tumor và pituitary (Jyotismita Chaki và cộng sự, (2023), “Brain Tumor Mri Dataset”),

Ngoài ra bộ dữ liệu MRI dùng trong nghiên cứu cũng tham khảo từ các ảnh MRI về não trong bộ dữ liệu “Brain MRI Images for Brain Tumor Detection MRI” (kaggle) và “Brain Tumor MRI Dataset” (kaggle). Trong đó, tập dữ liệu “Brain Tumor Classification” chứa hơn 3264 ảnh và tập dữ liệu “Brain MRI Images for Brain Tumor Detection” chứa hơn 250 ảnh. Các ảnh MRI trong các bộ dữ liệu tham khảo là các hình ảnh mri về não được chụp ở nhiều góc độ và khung cảnh khác nhau để cung cấp thông tin chi tiết về vị trí, hình dạng và kích thước của khối u trong não.

Vấn đề nghiên cứu trong bài báo gồm 2 nội dung là phân loại phát hiện bệnh u não dựa trên ảnh MRI và giải thích dựa trên việc phân đoạn khoanh vùng bệnh.

3.1. Mô hình phân loại và phát hiện bệnh U Não

Vấn đề đầu tiên trong nghiên cứu này, bài báo đề xuất mô hình phân loại và phát hiện bệnh U Não vận dụng mô hình CNN sử dụng tập dữ liệu ảnh MRI.

Mô hình phân loại phát hiện bệnh U Não thực hiện các công việc sau:

Đầu vào nhận dữ liệu ảnh MRI cần được huấn luyện, phân loại.

Tiền xử lý sẽ tiến hành chuẩn hóa xử lý ảnh cho bài toán phân loại bệnh u não.

Mô hình CNN: Sử dụng một mô hình CNN như VGG16, ResNet, hoặc DenseNet để huấn luyện mồ hình và sử dụng mô hình đã huấn luyện để phân loại hình ảnh vào các lớp đã xác định.

Kết quả việc phân loại cho biết ảnh MRI là có bệnh hay không có bệnh u não.

3.2. Khoanh đoạn, phân vùng ảnh bệnh

Hầu hết các mô hình phân loại CNN thường gặp vấn đề về việc giải thích lý do vì sao lại có kết quả phân loại. Một số nguyên nhân chính là do mô hình quá phức tạp: Các mô hình CNN như VGG16, Resnet50v2, Densenet có kiến trúc sâu và phức tạp, làm cho việc hiểu được cách mô hình ra quyết định trở nên khó khăn. Các Mô hình CNN thường được coi là “hộp đen” không rõ cách quyết định cuối cùng được đưa ra.

Nghiên cứu đề xuất phương pháp vận dụng mô hình U Net trong bài toán phân loại phát hiện bệnh u não nhằm phân đoạn, phân vùng tổn thương não.Việc vận dụng mô hình U Net nhằm mục tiêu khoanh vùng tổn thương giúp bài toán phân loại phát hiện bệnh u não có sự giải thích cho quyết định của mô hình mạng nơ ron tích chập được tường minh hơn.

  1. Kết quả nghiên cứu và thảo luận

Bài báo trình bày nghiên cứu sử dụng mô hình phát triển từ mô hình CNN để phân loại và phát hiện bệnh về não dựa trên dữ liệu về hình ảnh MRI.

Các mô hình khác nhau đã được sử dụng để đánh giá độ chính xác của việc phân loại bệnh. Hầu hết các bài báo hiện tại chỉ nêu lên độ chính xác khi phân loại dữ liệu với các mô hình dùng trên thiết bị có cấu hình mạnh. Trong nghiên cứu này, bài báo trình bày vấn đề đánh giá toàn diện tính hiệu quả của các mô hình thường dùng phân loại bệnh trên thiết bị có cấu hình mạnh và cả việc sử dụng các mô hình  phân loại trên cấu hình dành cho thiết bị nhúng hoặc di động.

4.1. Kết quả nghiên cứu

4.1.1. Phân loại ảnh MRI phát hiện bệnh U Não.

Trong bảng 1, nhóm nghiên cứu sử dụng 3 mô hình gồm VGG16, Resnet50v2, Densenet để tiến hành đánh giá việc phân loại ảnh MRI bệnh não triển khai trên máy tính cấu hình.

Bảng 1
Bảng đánh giá độ chính xác của mô hình phân loại ảnh MRI bệnh về não

Tên mô hình Số lượng ảnh bệnh Số lượng ảnh không bệnh Tổng số lượng ảnh Độ chính xác mô hình
VGG16 526 585 1111 91,26%
RESNET50V2 526 585 1111 91%
DENSENET 526 585 1111 89%

Trong bảng 2, nhóm nghiên cứu sử dụng 2 mô hình  gồm Mobilenetv2, Inception để tiến hành đánh giá việc phân loại ảnh MRI bệnh não. Hai mô hình có thể triển khai trên các ứng dụng di động, hệ thống nhúng, các máy có cấu hình thấp.

Bảng 2
Bảng đánh giá độ chính xác của mô hình phân loại ảnh MRI  bệnh về não ứng dụng trên mobile, hệ thống nhúng

Tên mô hình Số lượng ảnh bệnh Số lượng ảnh không bệnh Tổng số lượng ảnh Độ chính xác mô hình
MOBILENETV2 526 585 1111 87%
INCEPTION 526 585 1111 85%

Dựa trên kết quả phân loại bệnh đối với bộ dữ liệu ảnh MRI. Kết quả đánh giá cho thấy đối với việc phân loại bệnh giữa các mô hình VGG16, Resnet50 v2, Densenet, Mobilenetv2, Inception.  VGG16 và ResNet50v2 là hai mô hình có độ chính xác gần tương đương nhau. Tuy nhiên, cần lưu ý rằng VGG16 cũng là mô hình có kích thước lớn nhất và tốn nhiều tài nguyên tính toán nhất. Hiệu suất của Resnet 50 V2 gần tương đương với VGG16, nhưng với kích thước mô hình nhỏ hơn và hiệu quả tính toán cao hơn. Resnet 50v2 cũng là một lựa chọn tốt cho các ứng dụng cần cân bằng giữa độ chính xác và hiệu suất.

4.1.2. Phân đoạn khoanh vùng tổn thương

Việc vận dụng mô hình UNet phân đoạn khoanh vùng tổn thương thông qua việc chia nhỏ hình ảnh thành các vùng tương ứng với các lớp hoặc đối tượng trong ảnh. Kỹ thuật này đã được sử dụng để diễn giải mô hình phân loại CNN trực quan, rõ ràng hơn.

4.2. Thảo luận

Nghiên cứu đưa ra cái nhìn trong việc giải quyết vấn đề phân loại và phát hiện bệnh u não dựa trên tập dữ liệu ảnh MRI. Trong bài toán phân loại bệnh u não dựa trên các mô hình CNN như VGG16, ResNet50 v2, DenseNet, MobileNet V2 và Inception qua tập dữ liệu ảnh MRI. Dựa trên độ chính xác phân loại như đã nêu, có một số điểm nghiên cứu cho thấy cần thảo luận như:  vấn đề hiệu suất, tài nguyên tính toán, và yêu cầu về độ chính xác.

Về vấn đề hiệu suất, tùy theo bài toán, thiết bị nhúng hoặc các hệ thống có cấu hình cao  mà ta có thể đề xuất các mô hình phân loại cho phù hợp. Nếu cần lựa chọn đặt ưu tiên trên hiệu suất, tài nguyên tính toán: Các mô hình CNN như VGG16, ResNet50v2, DenseNet, MobileNet V2 và Inception có các đặc điểm khác nhau về hiệu suất tính toán. VGG16 và DenseNet thường có số lượng tham số lớn và đòi hỏi tài nguyên tính toán cao hơn, trong khi MobileNet V2 và Inception có số lượng tham số thấp hơn và hoạt động hiệu quả trên thiết bị có tài nguyên hạn chế.

Nếu cần lựa chọn đặt ưu tiên trên yêu cầu về độ chính xác, các mô hình có độ phức tạp cao như VGG16 hoặc ResNet50v2 là lựa chọn tốt, việc đạt được độ chính xác cao cần tài nguyên tính toán lớn.

  1. Kết luận

Dựa trên các mô hình CNN như VGG16, ResNet50v2, DenseNet, MobileNetV2 và Inception, cùng với việc sử dụng mô hình phân đoạn U-Net trong bài toán phân loại phát hiện bệnh u não dựa trên dữ liệu MRI, kết quả nghiên cứu đã thể hiện Các mô hình CNN như VGG16, ResNet50v2, DenseNet, MobileNet V2 và Inception đều có độ chính xác phân loại khá cao, với các giá trị độ chính xác từ 85% đến 91.26%. Điều này chỉ ra rằng các mô hình mạng nơ ron tích chập có khả năng phân loại bệnh u não từ hình ảnh MRI với mức độ tin cậy có thể chấp nhận được.

Với các thiết bị có tài nguyên tính toán hạn chế, các mô hình như MobileNetV2 và Inception có thể là lựa chọn tốt, trong khi VGG16 và ResNet50v2 thích hợp cho các hệ thống có cấu hình cao.

Mô hình U Net có thể kết hợp, sử dụng với các mô hình mạng nơ ron để giải thích kết quả của việc phân loại bệnh u não từ hình ảnh MRI của các mô hình mạng nơ ron tích chập.  Mô hình U Net cung cấp thông tin chi tiết về vị trí vùng bệnh, giúp mô hình phân loại có thể xem như lời giải thích cho kết quả phân loại mà các mô hình nơ ron tích chập đưa ra. Giải pháp sử dụng các mô hình nơ ron tích chập trong việc phân loại phát hiện bệnh u não có thể góp phần hỗ trợ 1 phần nào thông tin hữu ích cho các chuyên gia y tế trong việc chẩn đoán và điều trị.

Phan Mạnh Thường*, Đoàn Thiện Minh, Hà Văn Linh

Trường Đại học Lạc Hồng

*Tác giả liên hệ: dtminh@lhu.edu.vn

NGHIÊN CỨU XÂY DỰNG CHATBOT TÍCH HỢP MÔ HÌNH NGÔN NGỮ LỚN TRONG BÀI TOÁN TUYỂN SINH NGÀNH Y TẾ

Cập nhật ngày 20/8/2024

  1. Đặt vấn đề

Trước thời điểm tháng 2/2023 – thời điểm Meta AI đưa ra cách tiếp cận kết hợp chatbot với mô hình ngôn ngữ lớn, có thể nói đa phần chatbot đều ở dạng livechat bán hàng, giới thiệu sản phẩm, trò chuyện khách hàng theo kịch bản hay theo từ khóa. Đối với những câu chat không tồn tại từ khóa hoặc không theo kịch bản, thường chatbot một mặt không đưa ra được câu trả lời, mặt khác không tương tác tự nhiên được với con người. Thách thức này đến từ nhiều yếu tố, trong đó có yếu tố hiểu câu chat, nói cách khác, hiểu ngôn ngữ và văn cảnh ngôn ngữ. Ngôn ngữ về cơ bản là một hệ thống phức tạp, gồm các quy tắc ngữ pháp và các cách biểu đạt khác nhau của mỗi thực thể (con người).

Khi áp dụng kỹ thuật NLP (một kỹ thuật máy học, AI) vào việc xử lý ngôn ngữ tự nhiên, chatbot có thể “hiểu câu chat”, hiểu văn cảnh của câu chat và cho thấy khả năng tạo ra ngôn ngữ tự nhiên giao tiếp phù hợp với con người [1]. Kỹ thuật NLP được ứng dụng bằng cách dựng nên mô hình ngôn ngữ. Về kỹ thuật, mô hình ngôn ngữ là một mô hình xác suất với đầu vào là ngôn ngữ tự nhiên, mục tiêu của đầu ra sẽ dự đoán từ/cụm từ kế tiếp hoặc còn thiếu trong câu chat [2]. Đặc biệt khi tăng số số tham số của mô hình lên kích thước rất lớn (hàng chục đến hàng trăm tỷ tham số), các mô hình ngôn ngữ không chỉ có khả năng hiểu câu chat, mà còn đạt được khả năng hiểu văn cảnh của câu chat, đồng thời tạo ra văn bản giống con người. Để phân biệt mô hình ngôn ngữ với số tham số rất lớn như trên, cộng đồng nghiên cứu đặt ra thuật ngữ mô hình ngôn ngữ lớn. Các mô hình ngôn ngữ lớn như ChatGPT, BingAI, Google Bard, cũng như các mô hình nguồn mở như LLaMA [3], Alpaca [4] và Vicuna [5] được “học”/huấn luyện trên lượng lớn dữ liệu văn bản, cho phép nắm bắt ngữ nghĩa và học các mẫu câu phức tạp.

Mặc dù cách tiếp cận mô hình ngôn ngữ lớn kết hợp chatbot cho thấy tính ứng dụng trên nhiều ngôn ngữ, nhưng vẫn còn khoảng cách cho tiếng Việt, một ngôn ngữ có đặc điểm cú pháp và ngữ cảnh riêng. Hơn nữa, ứng dụng chatbot của chúng tôi phụ thuộc miền: lĩnh vực tuyển sinh ngành Y tế.

Ngoài ra, một nhược điểm của mô hình ngôn ngữ lớn là không trả lời được những dữ liệu cập nhật cũng như dữ liệu mới, khi gặp các câu hỏi này, chatbot thường tạo ra những câu trả lời không chính xác. Do đó, chúng tôi (nhóm nghiên cứu) áp dụng phương pháp RAG (Retrieval Augmented Generation) hạn chế câu trả lời không chính xác, kết hợp với kỹ thuật prompt design và Học tăng cường (Reinforcement learning) mỗi khi cập nhật dữ liệu, để trả lời cho các câu hỏi mang tính đặc thù (chuyên ngành y tế) và dữ liệu mới.

Đóng góp chính của nghiên cứu là:

– Xây dựng hệ thống SenVai, một hệ thống chatbot phục vụ công tác tuyển sinh trong ngành y tế, chatbot này tích hợp mô hình ngôn ngữ lớn và khai thác các khả năng của các thuật toán AI: phương pháp RAG, kỹ thuật prompt design.

– Tuyển chọn một bộ dữ liệu huấn luyện bao gồm cả dữ liệu do AI tạo ra và do con người tạo ra, kết hợp dữ liệu tuyển sinh trong ngành y tế công cộng.

  1. Các nghiên cứu liên quan

Sự phát triển của các mô hình ngôn ngữ lớn đã thu hút được sự chú ý đáng kể trong cộng đồng trí tuệ nhân tạo, dẫn đến nhiều nỗ lực nghiên cứu khác nhau về các khía cạnh của mô hình ngôn ngữ lớn cho các ngôn ngữ khác nhau [6], [7].

Các nghiên cứu gần đây đã khảo sát các phương pháp khác nhau để hoàn thiện mô hình ngôn ngữ lớn, chuẩn hóa tập dữ liệu huấn luyện, nâng cao hiệu suất trong các nhiệm vụ và lĩnh vực cụ thể [8], [9], [10].

Các nghiên cứu về xử lý ngôn ngữ tiếng Việt đã được thực hiện tiền xử lý, huấn luyện các mô hình ngôn ngữ đơn ngữ tiếng Việt [11], với ứng dụng cho các tác vụ QA Question – Answer [12]; Các ứng dụng về NER, nhận dạng thực thể có tên [13]; Các ứng dụng tự động tóm tắt văn bản [14], …

Theo hiện biết, tính đến thời điểm viết bài này, đây là một trong những nghiên cứu đầu tiên giới thiệu một LLM kết hợp chatbot và phương pháp RAG trong miền dữ liệu tiếng Việt, chuyên ngành y tế, được thử nghiệm trong thực tế.

  1. Phươngpháp ứng dụng thực nghiệm

Địa chỉ đặt ứng dụng: https://meet.senv.ai/chat/ktiUw4NSwFoyXfwf

3.1. Tập dữ liệu huấn luyện

Tập dữ liệu huấn luyện và kiểm thử: Tận dụng tập dữ liệu nguồn mở như đã đề cập trong phần Đặt vấn đề, nhóm nghiên cứu sử dụng mô hình GPT4-Turbo của OpenAI [15], [16], [17] để dịch dữ liệu huấn luyện sang tiếng Việt, mục đích để sinh các mẫu câu hỏi, câu trả lời tổng hợp. Mấu chốt của mô hình GPT-4 nằm ở việc cung cấp ngữ cảnh và lời nhắc (prompt) tổng hợp.

Sau khi có tập mẫu câu hỏi – trả lời tổng hợp, nhóm nghiên cứu áp dụng [18] để tích hợp kiến thức về miền dữ liệu tuyển sinh chuyên ngành y tế. Dữ liệu này được sử dụng để làm tập mẫu dữ liệu huấn luyện và kiểm thử (training-data set và test set). Thực nghiệm là ứng dụng có tên SenVai – một chatbot tích hợp mô hình ngôn ngữ lớn trong bài toán tuyển sinh ngành y tế.

3.2. Phương pháp – Các đặc tả kỹ thuật

Tích hợp mô hình ngôn ngữ lớn: Nhóm nghiên cứu sử dụng mô hình GPT-4 Turbo của OpenAI kết hợp với các mô hình ngôn ngữ lớn khác như Claude-3-Opus và Llama 3 70B để xây dựng chatbot SenVai. Điều này giúp chatbot có khả năng hiểu và xử lý ngôn ngữ tự nhiên tốt hơn, đồng thời mở rộng kiến thức trong lĩnh vực y tế.

Tạo dữ liệu huấn luyện bổ sung: Để khắc phục tình trạng thiếu dữ liệu huấn luyện, nhóm nghiên cứu áp dụng kỹ thuật Hypothetical Document Embeddings (HyDE) để tạo thêm dữ liệu dưới dạng câu hỏi và câu trả lời (Q&A) liên quan đến tuyển sinh y tế. Điều này giúp mở rộng tập dữ liệu huấn luyện và cải thiện khả năng trả lời của chatbot.

Cải tiến chất lượng câu trả lời: Thực hiện kết hợp các kỹ thuật như Rerank, Self-consistency with Chain-of-Thought (CoT), ReAct, Sentence Window Retrieval và Auto-Merging Retrieval để nâng cao chất lượng câu trả lời của chatbot. Điều này giúp chatbot đưa ra câu trả lời chính xác, đầy đủ và phù hợp với ngữ cảnh.

Áp dụng kiến trúc Multi-Agent: Để hỗ trợ tư vấn đa dạng các nghiệp vụ và ngành đào tạo, chatbot ứng dụng kiến trúc Multi-Agent cho chatbot SenVai. Mỗi agent sẽ chuyên trách một lĩnh vực cụ thể, giúp chatbot có thể trả lời câu hỏi một cách chính xác và chuyên sâu.

Tích hợp Long-term Memory: Chatbot SenVai được tích hợp tính năng Long-term Memory để ghi nhớ và cá nhân hóa kiến thức cho từng người dùng. Điều này giúp chatbot có thể duy trì cuộc trò chuyện liền mạch và đưa ra thông tin phù hợp với nhu cầu của từng cá nhân.

Hỗ trợ đa phương thức tương tác: Chatbot SenVai hỗ trợ chuyển đổi giữa văn bản và giọng nói thông qua tính năng Text-to-Speech và Speech-to-Text. Điều này giúp người dùng có thể tương tác với chatbot một cách thuận tiện, linh hoạt.

Đảm bảo tính an toàn và minh bạch: Chatbot áp dụng Content Moderation để đảm bảo nội dung đầu ra của chatbot an toàn và phù hợp bằng cách sử dụng API kiểm duyệt hoặc duy trì danh sách từ nhạy cảm. Đồng thời, chatbot cũng có khả năng trích dẫn và ghi nhận nguồn tài liệu (Citations and Attributions) để đảm bảo tính minh bạch và tin cậy của thông tin được cung cấp.

Tối ưu hóa tìm kiếm: Sử dụng phương pháp Hybrid Search, kết hợp tìm kiếm toàn văn và tìm kiếm vector đồng thời, sau đó xếp hạng lại (Rerank) để chọn kết quả phù hợp nhất với truy vấn của người dùng. Điều này giúp chatbot tìm kiếm thông tin nhanh và chính xác.

Xử lý đa ngôn ngữ: Việc sử dụng mô hình ngôn ngữ lớn cho phép chatbot xử lý tài liệu bằng nhiều ngôn ngữ mà không cần dịch sang tiếng Việt. Điều này giúp tiết kiệm thời gian và công sức, đồng thời mở rộng khả năng tiếp cận ra ngoài miền ngôn ngữ tiếng Việt.

Giải quyết vấn đề dữ liệu mới và cập nhật: Nhằm giải quyết vấn đề mô hình ngôn ngữ lớn không trả lời chính xác các dữ liệu cập nhật và mới, chúng tôi áp dụng phương pháp RAG (Retrieval Augmented Generation), kết hợp với kỹ thuật Prompt Design mỗi khi cập nhật dữ liệu. Điều này giúp chatbot SenVai thích ứng tốt hơn với các thông tin mới và đặc thù trong lĩnh vực y tế.

3.3. Thiết kế kiến trúc

4. Kết luận

Kết quả thử nghiệm cho thấy chatbot SenVai đạt được hiệu quả cao trong việc tư vấn tuyển sinh ngành y tế. Chatbot có khả năng hiểu và trả lời chính xác các câu hỏi liên quan đến thông tin tuyển sinh, chương trình đào tạo, cơ hội việc làm và các vấn đề khác của ngành y tế.

Các phản hồi thu thập từ người dùng cuối (là các cán bộ phụ trách tuyển sinh) cho thấy đây là một chatbot hứa hẹn trong các nhiệm vụ hỏi đáp tuyển sinh khác nhau của ngành y tế cộng đồng, ví dụ như khả năng đọc hiểu của chatbot, nhận dạng thực thể có tên, khả năng tương tác với người dùng cho thấy “nét thông minh nhân tạo” của một ứng dụng AI.

Việc áp dụng các kỹ thuật như Multi-Agent, Long-term Memory và Hybrid Search giúp chatbot đưa ra câu trả lời phù hợp và cá nhân hóa cho từng người dùng. Tuy nhiên, vẫn còn một số hạn chế cần được cải thiện trong tương lai, như mở rộng tập dữ liệu huấn luyện, tối ưu hóa thời gian phản hồi và nâng cao khả năng xử lý ngôn ngữ tự nhiên. Ngoài ra, cần có thêm các nghiên cứu và thử nghiệm để đánh giá hiệu quả của chatbot trong thực tế.

Trần Lâm Quân1*, Mai Văn Thủy1, Phan Văn Cần1, Nguyễn Duy Tiến1, Vũ Hải Nam2

1Bộ môn Công nghệ phần mềm, Trường Đại học Y tế Công cộng

2Công ty Cổ phần SenVai

*Tác giả liên hệ: tlq@huph.edu.vn

XÂY DỰNG SẢN PHẨM DU LỊCH ĐÊM CHO LÀNG CHĂM HAMU CRAOK (BÀU TRÚC) HƯỞNG ĐẾN
MỤC TIÊU PHÁT TRIỂN DU LỊCH BỀN VỮNG TỈNH NINH THUẬN

Cập nhật ngày 06/8/2024

Tng quan vLàng Chăm Hamu Craok (Bàu Trúc), huyện Ninh Phước,tỉnh Ninh Thuận

Làng Chăm (palei) Hamu Craok hay còn được gọi là làng Chăm Bàu Trúc toạ lạc tại thị trấn Phước Dân, huyện Ninh Phước, tỉnh Ninh Thuận, cách thành phố Phan Rang Tháp Chàm khoảng 11km về hướng nam. Làng Chăm hiện nay được chia ra làm hai khu vực: khu phố Bàu Trúc hay còn gọi là khu phố 7 có khoảng 2.589 nhân khẩu (520 hộ); Khu phố 12 có 1.840 nhân khẩu (452 hộ) (số liệu năm 2012) (Trương Văn Món, 2015, tr.5).

Người Chăm làng Hamu Craok chủ yếu định cư theo chế độ mẫu hệ, các dãy nhà, khuôn viên nhà gần nhau đều cùng chung huyết thống. Người Chăm nơi đây hiện nay có tất cả 13 tộc họ, mỗi tộc họ khoảng 20 -30 nóc nhà. Nhà người Chăm đặc trưng khi xây dựng trên khuôn viên đất hình chữ nhật có hàng rào bao quanh, trong khuôn viên nhà thường có giếng nước, vườn rau, nhà kho v.v.

Người Chăm ở làng Hamu Craok ngày nay vẫn còn tự nhận mình là con cháu của Po Klong Can, người đã giúp người Chăm chạy giặc, hướng dẫn người Chăm cách làm gốm, thoát khỏi đói khổ. Vì thế, người Chăm xem Po Klong Can là tổ sư của nghề gốm và lập đền thờ để thờ tự. Hiện nay, trong làng có hơn 95% số hộ dân Chăm làm nghề gốm. Gốm Chăm hầu hết do phụ nữ làm bằng tay và “mẹ truyền con nối” từ đời này sang đời khác (Trương Văn Món, 2015, tr.5).

Ngoài ra, không gian văn hóa làng Chăm còn rất đa dạng khi người Chăm vẫn còn bảo lưu nhiều giá trị văn hóa truyền thống khác như ẩm thực, lễ hội, phong tục tập quán, tôn giáo, các loại hình ca múa nhạc, nghệ thuật biểu diễn nhạc cụ Chăm để giới thiệu, quảng bá cho du khách gần xa. Đây chính là một “tổ hợp” văn hóa nếu được khai thác bài bản, hợp lý sẽ trở thành một sản phẩm du lịch đặc thù, độc đáo mang thương hiệu làng Chăm Hamu Craok.

Kết quả nghiên cứu & thảo luận

Các sản phẩm văn hóa làng Chăm có thể đưa vào khai thác phát triển loại hình du lịch đêm

Gốm làng Chăm Hamu Craok

Dân gian chăm đến nay còn lưu truyền về ông tổ nghề gốm là Po Klaong Can (thế kỷ XIII) đã tìm ra được mỏ đất sét và dạy người Chăm làm gốm. Một số công đoạn chính trong làm gốm truyền thống tại làng Hamu Craok như: làm đất sét, nặn hình, chà láng, trang trí hoa văn và nung gốm. Hai điểm đặc trưng nổi bật trong cách làm gốm của người Chăm ở làng Hamu Craok là họ không dùng bàn xoay để tạo hình như người Việt. Người Chăm để đất sét cố định trên bệ đỡ cố định của cái lu, cái chung rồi đi quanh và dùng đôi bàn tay để tạo tác hình thù gốm. Đây là cách làm truyền thống, không thay đổi từ xưa đến nay. Bên cạnh đó, gốm Chăm Hamu Craok không có lò nung cố định mà nung ngoài trời (nung lộ thiên), vì thế nhiệt độ nung không ổn định khiến cho hình thù gốm sau khi nung qua lửa cũng mang một màu sắc đặc trưng, riêng biệt.

Gốm người Chăm làm ra tuy không đa dạng về mẫu mã, chất lượng nhưng kỹ thuật làm gốm cũng như sản phẩm gốm làm ra phục vụ cho đời sống sinh hoạt hằng ngày của người Chăm nên mang đặc trưng văn hoá truyền thống Chăm ở Ninh Thuận. Ngày nay người Chăm còn làm ra một số mẫu mã mới như: bình, lọ dùng để cắm hoa, trang trí trong một số khách sạn, resort du lịch, “người Chăm Bàu Trúc còn làm các tượng bằng gốm, chủ yếu là họ sao chép hoặc sáng tác mô phỏng từ tượng đá truyền thống của người Chăm như tượng Apsara, Siva, một số tượng sáng tác về chủ đề con người như tượng bà mẹ Chăm, tượng phụ nữ đội nước và tượng động vật như trâu, dê, rắn, rùa. Nghệ nhân làng gốm Bàu Trúc đã mạnh dạn sáng tạo ra nhiều mẫu mã, hoa văn trang trí mới nhưng họ vẫn giữ kỹ thuật làm gốm truyền thống” (Trương Văn Món, 2020, tr.444).

Đặc biệt, ngày 29/11/2022 vừa qua, tổ chức UNESCO đã chính thức ghi danh “Nghệ thuật làm gốm của người Chăm vào Danh sách di sản văn hóa phi vật thể cần bảo vệ khẩn cấp”. Sự kiện này đã được Bộ Văn hóa, Thể thao và Du lịch công bố là 01 trong 10 sự kiện văn hóa, thể thao và du lịch tiêu biểu trong năm 2022. Việc tổ chức đón nhận Bằng công nhận của UNESCO sẽ tạo sự lan tỏa đến nhân dân, du khách nhằm nâng cao nhận thức, trách nhiệm của người dân, các cấp, các ngành, địa phương trong công tác bảo tồn và phát huy giá trị di sản văn hóa phi vật thể “Nghệ thuật làm gốm của người Chăm” (Uỷ ban nhân dân tỉnh Ninh Thuận, Thông báo báo chí, tr.1).

Hoạt động văn hóa văn nghệ tại làng Chăm Hamu Craok

Âm nhạc dân tộc Chăm là một kho tàng di sản văn hoá quý giá, lâu đời, gắn với quá trình hình thành và phát triển của người Chăm ở miền Trung, trong đó có người Chăm ở làng Hamu Craok, huyện Ninh Phước, tỉnh Ninh Thuận. Tính đến thời điểm hiện nay, cộng đồng Chăm vẫn đang bảo tồn và phát huy hiệu quả âm nhạc truyền thống ở các lễ hội lớn của cộng đồng hay sinh hoạt văn hoá đời thường của người Chăm.

Một số thể loại âm nhạc Chăm – Nhạc lễ: thường thấy loại hình âm nhạc này trong các lễ kỷ niệm, tưởng nhớ các vị anh hùng dân tộc có công với đất nước, được người Chăm thần thánh hoá như: Po Ina Nagar, Po Tang Ahaoh,… và nhiều nhân vật lịch sử quan trọng khác; Dân Ca: Dân ca Chăm có nhiều thể loại: Daoh Mâyut (hát ân tình), Daoh dam dara (hát đối đáp), Daoh rathung chai (hò xay lúa, giã gạo), Daoh pandau (hát đố), Daoh ndam mâtai (táng ca do Ong Daoh hát ru hồn người chết trước khi đem thiêu), Puec jal (hát vãi chài)…  Tình ca của người Chăm là những bài dân ca giao duyên bày tỏ nỗi niềm tâm sự của đôi trai gái yêu nhau bằng những bài thơ có nội dung trữ tình; Táng ca: Người chết trước khi đem hoả thiêu được các Ông daoh (người hát trong đám tang) trong làng tới ru hồn bằng những lời riêng do các Ông daoh thể hiện, đưa người chết về cõi linh thiêng.

Một số nhạc cụ truyền thống Chăm – Trống Paranưng: Là một loại trống một mặt làm bằng gỗ, nhẹ, chắc, có độ vang, mặt trống làm bằng da. Ông Maduen là nghệ nhân sử dụng trống Paranưng trong các dịp lễ múa Rija

Trống Ginăng: trống cao khoảng 80cm, trống có hai mặt mặt làm bằng da. Một bộ trống Ginang gồm hai chiếc do hai nghệ nhân cùng biểu diễn, họ ngồi đối diện nhau, hai chiếc trống đặt cheo hình chữ X để thực hiện các động tác.

Trống Hagar Praong và Hagar Sit: Trống Hagar Praong và Hagar Sit kết hợp thành bộ trống đôi dùng trong diễn tấu cùng với 2 chiêng trong các đám tang hoặc trong lễ tôn chức thầy Paseh của người Chăm theo đạo Bà la môn.

Ceng (chiêng): Người Chăm có hai loại chiêng, loại có núm là Chênh, lại không có núm gọi là Sar, loại nhỏ hơn gọi là Mã la, chiêng được đánh bằng dùi gỗ. Chiêng của người Chăm dùng được đúc bằng đồng thau tương tự như cồng chiêng của các tộc người ở Tây Nguyên.

Kèn Saranai: Nhạc cụ này có âm thanh to và vang nên thường được kết hợp hoà tấu cùng trống Ginăng và trống Paranưng. Bộ ba nhạc cụ không thể thiếu trong nhạc lễ Rija.

Đàn Kanyi: Đàn Kanyi có âm điệu thánh thót, tiếng đàn gần gũi với tiếng người, tiếng chim… Dùng để đệm cho hát lễ, lễ tang… Nghệ nhân sử dụng là thầy Ông Kadhar – một trong những người có vai trò quan trọng trong lễ hội dân gian của người Chăm.

Nghệ thuật múa của người Chăm: Nghệ thuật múa truyền thống của người Chăm cũng rất đa dạng với nhiều điệu múa khác nhau, có thể kể đến như: Hình tượng múa trên các phủ điêu tháp Champa như múa Shiva, múa Apsara, múa khăn, múa cưỡi ngựa đánh cầu; Trong lễ Rija Nagar, Rija Harei có các điệu tamia hawei (múa roi), tamia hua gaiy (múa chèo thuyền), tamia iuak apui (múa đạp lửa), tamia karit (múa kiếm), tamia klai kluc (múa phồn thực); Trong lễ Rija Praong có một số điệu múa quạt như: tamia patri (múa công chúa), tamia patra (múa hoàng tử), tamia beyen (múa chim trĩ), tamia mrai (múa chim công),… (Đàng Năng Hoà, 2019, tr.103-104).

Múa là một loại hình nghệ thuật giữ vai trò quan trọng trong các nghi lễ, lễ hội của người Chăm. Những điệu múa đa số diễn tả những hoạt động sinh hoạt đời thường như đội nước, vãi chài, chèo thuyền v.v. Qua đó, nghệ thuật múa phản ánh những mơ ước, khao khát của con người trước thần linh, thiên nhiên như cầu cho mưa thuận gió hoà, công việc làm ăn được suôn sẻ, gia đình, họ hàng, cộng đồng được khoẻ mạnh. Ngoài ra, những điệu múa Chăm còn thể hiện một ý chí kiên cường, sẵn sàng đương đầu mọi khó khăn trong cuộc sống của con người.

Ẩm thực làng Chăm Hamu Craok

Nguồn lương thực chính của người Chăm là lúa gạo. Họ không chỉ dùng gạo đế nấu cơm mà còn để làm bún hay các loại bánh, đặc biệt là món cháo chua của người Chăm. Người Chăm chăn nuôi gia súc, gia cầm để làm thịt, chế biến các món ăn phục vụ đời sống hằng ngày và các dịp lễ hội. Thịt rừng như thỏ, cheo, heo rừng cũng được sử dụng phổ biến. Dông là loại động vật sinh sống ven các động cát cũng được người Chăm sử dụng làm nguồn thực phẩm yêu thích. Ngoài ra, các loại cá biển cũng được chế biến theo nhiều cách như kho, nướng, làm mắm, nước mắm hay nấu thành các loại canh. Ẩm thực Chăm thường nhắc đến “canh bồi” (“ia pai”), một loại canh được nấu với nhiều loại rau băm nhỏ trộn với gạo ngâm giã nhỏ, khi thêm các loại gia vị cùng ít thịt, cá trở thành món ăn bình dân được nhiều người Chăm ưa thích.

Trà là một thức uống thông dụng đồng bào Chăm, thường dùng để tiếp khách. Nước pha được lấy từ nước giếng trong làng hay tích trữ từ nước mưa. Rượu được chưng cất từ gạo tẻ hoặc gạo nếp hoặc được ủ cùng với nho, một đặc sản nổi tiếng vùng Phan Rang – Ninh Thuận.

Tập tục ăn trầu, hút thuốc lá còn được duy trì ở nhiều người Chăm lớn tuổi. Đặc biệt là phụ nữ Chăm ăn trầu gồm có trầu, vôi, thuốc, cau, một tập quán lâu đời và được coi như một thức mời để tiếp đã khách quý, bày tỏ tinh thần vui vẻ, thân thiện của người Chăm.

Thực trạng phát triển du lịch hiện nay tại làng Chăm Hamu Craok

Một số thuận lợi

Làng Chăm Hamu Craok cách thành phố phan Rang Tháp Chàm khoảng 11km, với vị trí địa lý nằm gần các tuyến điểm tham quan nội tỉnh khác như: làng dệt Mỹ Nghiệp, vườn nho, tháp Chăm Po Klong Giarai, tháp Chăm Porome, Đền thờ Po Klong Can, vườn nho, bãi biển Ninh Chữ v.v. tạo sự thuận lợi trong việc thiết kế các chương trình tour du lịch tham quan tìm hiểu di sản văn hoá, di tích lịch sử, con người, ẩm thực tại địa phương Ninh Thuận. Bên cạnh đó, điểm tham quan làng Chăm nằm trên con đường tham quan di sản miền Trung, liên kết từ Bình Thuận, Ninh thuận, Khánh Hoà và một số tỉnh duyên hải miền Trung khác tạo thuận lợi cho khách du lịch dừng chân tham quan.

Thời gian di chuyển đến tham quan làng Chăm, cụ thể từ thành phố Hồ Chí Minh hiện nay được rút ngắn nhờ việc thông xe các tuyến cao tốc Dầu Giây – Phan Thiết, Phan Thiết – Vĩnh Hảo, Vĩnh Hảo – Cam Lâm, tạo điều kiện cho việc rút ngắn thời gian di chuyển, tăng thời gian tham quan, trải nghiệm tại điểm du lịch làng Chăm.

Đặc biệt, du lịch trải nghiệm văn hóa cộng đồng Chăm là một trong những sản phẩm đặc thù của tỉnh Ninh Thuận. Ngành du lịch tỉnh Ninh Thuận đã có những bước chuyển biến mạnh mẽ và đạt được nhiều kết quả tích cực. Bên cạnh việc quảng bá, xúc tiến, nâng cao chất lượng dịch vụ, cải thiện môi trường kinh doanh, tỉnh đẩy mạnh đổi mới, đa dạng hóa các sản phẩm du lịch để thu hút du khách. Để thu hút du khách với các sản phẩm du lịch mang tính chủ đạo và mới lạ, giai đoạn 2022-2025 Ninh Thuận sẽ phát triển 3 nhóm sản phẩm du lịch chính:

Nhóm 1 gồm 4 sản phẩm đặc thù đó là du lịch nghỉ dưỡng trải nghiệm biển, du lịch văn hóa di sản Chăm, du lịch nông nghiệp công nghệ cao, du lịch sinh thái gắn với khu dự trữ sinh quyển thế giới Núi Chúa.

Nhóm 2 sẽ gồm 4 sản phẩm mới lạ là du lịch khám phá và vui chơi giải trí cát-muối (hai sản phẩm độc đáo của Ninh Thuận), du lịch săn bắn bán hoang dã, du lịch trải nghiệm đường sắt, du lịch điều dưỡng và chăm sóc sức khỏe.

Nhóm 3 sẽ gồm 4 sản phẩm bổ trợ gồm du lịch cộng đồng, du lịch vui chơi giải trí và ẩm thực, du lịch tham quan sản xuất năng lượng tái tạo, thương mại du lịch.

Tỉnh đặt mục tiêu đến năm 2025, phấn đấu thu hút 3,5 triệu lượt khách, doanh thu ngành du lịch đạt khoảng 2.900 tỷ đồng, đóng góp 13% GRDP và giải quyết việc làm cho 15% lao động toàn tỉnh. Đến năm 2030, Ninh Thuận xác định du lịch là nền kinh tế mũi nhọn và phát triển bền vững; phấn đấu đón 6 triệu lượt du khách, doanh thu ngành du lịch đạt khoảng 5.900 tỷ đồng, đóng góp 15% GRDP và giải quyết việc làm cho 20% lao động toàn tỉnh (Nguyễn Thành, Thông Tấn Xã Việt Nam, 2022).

Một số khó khăn

Phân tích cụ thể một số hạn chế trong phát triển du lịch tại làng Chăm Hamu Craok Bàu Trúc cho thấy, sản phẩm du lịch cho du khách trải nghiệm tại làng Chăm còn đơn điệu, thiếu tính liên kết. Quy trình tham quan truyền thống tại làng Chăm từ trước tới nay chỉ có tham quan, trải nghiệm cơ sở làm gốm và trưng bày các sản phẩm về gốm.

Thực tế từ các đoàn du lịch đến tham quan làng Chăm cho thấy, thời gian khách tham quan tại cơ sở làm gốm khoảng 30 phút và tối đa 40 phút. Thời gian này tương đối ít so với những hoạt động du khách có thể trải nghiệm nhiều hơn tại đây. Hơn nữa, tại cơ sở tham quan gốm Chăm vẫn chưa được xây dựng quy trình tham quan bài bản để có thể giúp du khách tìm hiểu, trải nghiệm văn hóa. Khách du lịch chỉ quan sát nghệ nhân làm gốm thực hiện một số thao tác cơ bản. Sau đó, một số mặt hàng làm từ gốm cũng được trưng bày giới thiệu và bán cho du khách nhưng lượng khách tìm hiểu và mua sản phẩm làm ra từ gốm không nhiều.

Bên cạnh đó, khảo sát thực tế cho thấy, cơ sở hạ tầng phục vụ du lịch chưa được đầu tư hiệu quả: Làng Hamu Craok Bàu Trúc cách quốc lộ 1A khoảng 2km. Tuy nhiên, đường di chuyển vào làng tương đối nhỏ, một số phương tiện vận chuyển khách du lịch lớn (xe du lịch từ 30 đến 45 chỗ) còn khó khăn trong việc di chuyển đến điểm tham quan. Đôi khi, việc chăn thả gia súc trâu, bò hay hoạt động phơi thóc lúa của người Chăm gây khó khăn cho việc di chuyển vào cơ sở tham quan. Bên cạnh đó, bến bãi đậu xe tại khu vực tham quan hiện nay chưa được đầu tư, quy hoạch hiệu quả, còn mang tính chất bến bãi tự phát, nhiều tài xế khi chở khách du lịch đến tham quan tỏ ra lúng túng khi thiếu sự hướng dẫn tại bến bãi đậu xe. Khu vực đậu xe còn hẹp, gây ách tắc nếu như nhiều đoàn khách đến tham quan cùng một lúc.

Cơ sở vật chất phục vụ du lịch còn nhiều hạn chế về không gian phục vụ. Hiện nay, mặc dù tại làng Chăm Hamu Craok Bàu Trúc có nhiều hộ gia đình làm gốm nhưng chỉ có địa điểm Hợp tác xã gốm Chăm Bàu Trúc là mở ra cho du khách tham quan du lịch. Cơ sở tham quan tương đối nhỏ, chưa đáp ứng được lượng khách du lịch đông. Nếu muốn đầu tư xây dựng nhiều hạng mục thì cần nguồn kinh phí lớn.

Vào các mùa cao điểm trong du lịch (từ tháng 5 đến tháng 9), nhiều đoàn khách tham quan đến cùng lúc gây khó khăn trong việc phục vụ khách. Không gian làm gốm của nghệ nhân Chăm còn hẹp, du khách gặp khó khăn trong việc tập trung quan sát nghệ nhân thao tác. Khu vực các phòng trưng bày các sản phẩm gốm Chăm chưa được sắp xếp theo từng chủ đề, nội dung, chưa có bảng thông tin, giới thiệu sản phẩm, nếu như không có sự hỗ trợ của hướng dẫn viên, du khách ít tìm thấy được thông tin của các sản phẩm gốm.

Ngoài ra, hiện nay, đội ngũ quản lý, thuyết minh viên, nhân viên phục vụ du lịch tại cơ sở gốm vẫn còn đang thiếu về số lượng lẫn chất lượng. Các công ty du lịch khó khăn trong việc liên hệ đội ngũ quản lý để sắp xếp khung giờ tham quan và đảm bảo đón tiếp khách được chu đáo. Hiện nay, qua khảo sát vẫn chưa tìm thấy được trang thông tin chính thống về du lịch Ninh Thuận, du lịch làng Chăm có cung cấp thông tin về địa chỉ, số điện thoại liên hệ của cơ sở để các doanh nghiệp lữ hành thuận tiện trong việc liên hệ, sắp xếp cho đoàn tham quan. Một số nghệ nhân làm gốm Chăm tại điểm tham quan chưa được đào tạo bài bản về nghiệp vụ giới thiệu các thông tin cho khách, dẫn đến việc khách du lịch chỉ có thể quan sát, nghệ nhân làm gốm chỉ trả lời khi du khách có nhu cầu tìm hiểu hay đặt câu hỏi.

Một số giải pháp xây dựng sản phẩm du lịch đêm làng Chăm Hamu Craok thu hút khách du lịch

Một là, ngoài chương trình tham quan truyền thống đến làng Chăm vào ban ngày thì cần tập trung xây dựng chương trình tham quan, trải nghiệm văn hóa làng Chăm (xem bảng 1) về đêm chất lượng, hiệu quả, xem đây là sản phẩm đặc thù, chủ lực giới thiệu cho khách du lịch, góp phần giữ chân khách du lịch trải nghiệm tại làng Chăm.

Bảng 1

Chương trình tham quan đề xuất tại làng Chăm

Thời gian Lịch trình tham quan
15h00 – 16h00 Khách du lịch tham quan tháp Po Klong Gia Rai hoặc tháp Porome; Đền thờ Po Klong Can; làng dệt Mỹ Nghiệp.
16h00 – 17h00 Đoàn tham quan Hợp tác xã sản xuất gốm, xem phim tư liệu, quan sát, nghe thuyết minh, giao lưu cùng nghệ nhân và trải nghiệm quy trình làm gốm; Mua sắm các sản phẩm thủ công gốm.
17h00 – 17h30 Tham gia một số trò chơi dân gian của người Chăm.
17h30 – 19h30 Đoàn tham gia trải nghiệm làm một số loại bánh dân gian Chăm (có thể tổ chức các cuộc thi tăng sự hấp dẫn cho du khách).

Thưởng thức Buffet ẩm thực Chăm.

19h30 – 21h30 Đoàn tham gia chương trình lửa trại kết hợp các tiết mục ca múa nhạc, giao lưu văn hóa văn nghệ, biểu diễn nhạc cụ Chăm.
21h30 Kết thúc chương trình

Nguồn: Hồ Lưu Phúc, 2024

Từ chương trình đề xuất này có thể thấy, việc xây dựng các chương trình du lịch trải nghiệm văn hóa Chăm phải được đầu tư một cách bài bản. Cần chia nhỏ và xây dựng kịch bản cho từng hạng mục tham quan, trải nghiệm tại làng Chăm. Cụ thể, cần phải xây dựng được quy trình tham quan và trải nghiệm gốm Chăm cho du khách, quy trình nghiệp vụ hướng dẫn giới thiệu, thuyết minh du lịch cho bán bộ điểm tham quan du lịch. Cần đầu tư các tiết mục biểu diễn văn nghệ có kịch bản hấp dẫn, lôi cuốn có sự tập luyện, phối hợp nhịp nhàng giữa ca sĩ, nghệ sĩ biểu diễn. Hơn nữa, trải nghiệm ẩm thực Chăm còn phải quan tâm đến vấn đề vệ sinh, an toàn thực phẩm đảm bảo sức khỏe cho du khách.

Hai là, về cơ sở hạ tầng phục vụ cho phát triển du lịch tại làng Chăm, tác giả đề xuất cần mở rộng hệ thống đường dẫn từ quốc lộ 1A vào đến cơ sở làng. Phía ngoài quốc lộ đến địa điểm tham quan cần có bảng chỉ dẫn cụ thể, nổi bật, dễ quan sát để khách du lịch thuận lợi trong việc tìm kiếm, di chuyển đến điểm tham quan. Hơn nữa, cần quy hoạch bãi xe du lịch, diện tích rộng rãi, có người hướng dẫn dừng, đỗ cho xe khách du lịch khi di chuyển vào điểm tham quan. Bên cạnh đó, cần quy hoạch tổng thể về cảnh quan tự nhiên, đảm bảo môi trường xung quanh và tại điểm du lịch được thoáng mát, sạch sẽ, chính quyền địa phương cần có chính sách tuyên truyền, sắp xếp các khu vực canh tác, chăn nuôi gia súc, khu vực sản xuất cho người dân địa phương tránh gây ảnh hưởng đến việc di chuyển đến địa điểm tham quan.

Ba là, đối với cơ sở vật chất phục vụ du lịch tại làng Chăm. Chính quyền địa phương có thể tạo điều kiện hỗ trợ kinh phí hoặc chính sách vay vốn đầu tư không lãi suất hoặc lãi suất thấp cho chủ hộ kinh doanh mạnh dạn đầu tư, mở rộng cơ sở làm gốm phục vụ tham quan cho khách du lịch. Tại điểm tham quan hợp tác xã làng Chăm, vì là cơ sở truyền thống thu hút khách du lịch từ trước đến nay, địa điểm này cần mở rộng diện tích cơ sở đảm bảo số lượng lớn khách du lịch tham quan. Đồng thời, cần sửa chửa, mở rộng hay xây mới một số hạng mục cần thiết cho việc tham quan như:

Bảng 2

Một số hạng mục, công trình cần xây dựng tại cơ sở gốm Chăm

STT Hạng mục cần xây dựng tại cơ sở gốm Chăm
1 Bãi giữ xe khách 45 chỗ, xe ôtô, xe gắn máy.
2 Khu vực an ninh, phòng bảo vệ
3 Khu vực lễ tân có, quầy bán vé tham quan, đăng ký thuyết minh viên.
4 Phòng chiếu phim tư liệu về gốm Chăm, sức chứa khoảng 50 ghế ngồi
5 Khu vực sân khấu cho nghệ nhân biểu diễn làm gốm, múa Chăm v.v có ghế ngồi cho khách du lịch.
6 Khu vực trải nghiệm làm gốm cho du khách.
7 Phòng trưng bày sản phẩm gốm Chăm, sắp xếp từ sản phẩm truyền thống đến sản phẩm hiện đại, sắp xếp theo từng chủ đề, có bảng thông tin về sản phẩm bằng tiếng Việt và tiếng Anh, có mã QR cho khách du lịch có nhu cầu tìm hiểu thêm về sản phẩm.
8 Khu vực thiết kế về hình ảnh, văn hoá Chăm cho khách chụp hình lưu niệm.
9 Khu vực mua sắm gốm Chăm và các sản phẩm truyền thống Chăm khác.
10 Khu vực nhà vệ sinh đạt chuẩn.
11 Các hạng mục khác: nhà y tế, phòng điều hành, quản lý v.v.

 Nguồn: Hồ Lưu Phúc, 2023

Bên cạnh đó, về chính sách quản lý, quảng bá thương hiệu, hỗ trợ khách du lịch tham quan. Các hộ kinh doanh cần có sự phối hợp hiệu quả với chính quyền địa phương trong việc đảm bảo công tác an ninh trật tự, an toàn cho khách du lịch tại điểm tham quan. Sở văn hoá, thể thao và du lịch tỉnh cùng trung tâm xúc tiến du lich tỉnh, các phòng ban tại địa phương và chủ hộ kinh doanh cần phối hợp xây dựng các trang thông tin chính thống giới thiệu du lịch địa phương, các wedsite chính thống riêng về giới thiệu điểm du lịch làng Chăm như: dulichNinhThuan, langgomBauTruc. Tại các wedsite này, ngoài việc cung cấp thông tin, hình ảnh về di sản văn hoá gốm Bàu Trúc thì wedsite cần cập nhật hình ảnh các đoàn khách du lịch đến tham quan, trải nghiệm, giới thiệu một số hoạt động mà khách du lịch có thể trải nghiệm khi đến tham quan tại làng Chăm. Quan trọng hơn, cần cung cấp các thông tin liên hệ như số điện thoại, email, số hotline, thông tin thuyết minh viên để các đơn vị lữ hành tìm kiếm thông tin liên hệ được hiệu quả.

Cuối cùng là, người làm du lịch tại làng Chăm cũng phải xuất phát từ những người Chăm sinh sống tại địa phương. Do đó cần đào tạo nguồn nhân lực và nguồn lao động phục vụ tại cơ sở làm gốm, khuyến khích các hộ sản xuất lâu năm tiếp tục gắn bó với nghề, tập trung bồi dưỡng nâng cao trình độ cho người lao động tiếp cận với việc kinh doanh du lịch. Cần đào tạo đúng với vị trí, việc làm ở từng bộ phận với chương trình đào tạo theo tiêu chuẩn kỹ năng nghề du lịch Việt Nam gắn kết với nhu cầu thực tế tại cơ sở và tình hình phát triển du lịch địa phương.

Hồ Lưu Phúc

Khoa Du lịch, Trường Đại học Văn Hiến

NGHIÊN CỨU ẢNH HƯỞNG CỦA NHẬN THỨC VỀ TÍNH NĂNG THU THẬP DỮ LIỆU CỦA CÁC NỀN TẢNG ĐẾN HÀNH VI SỬ DỤNG MẠNG XÃ HỘI CỦA NGƯỜI DÙNG TRẺ TẠI VIỆT NAM

Cập nhật ngày 23/7/2024

Thực trạng sử dụng mạng xã hội của giới trẻ Việt Nam

Thói quen sử dụng mạng xã hội của giới trẻ Việt Nam

Kết quả khảo sát cho thấy rằng đa số người dùng dưới 18 tuổi thường sử dụng mạng xã hội từ 2 – 4 giờ mỗi ngày, ít nhất so với các nhóm tuổi khác. Điều này có thể do họ chủ yếu là học sinh, chưa có nhiều nhu cầu tiếp cận thông tin và chia sẻ. Nhóm tuổi 18-23 tuổi, thường là sinh viên hoặc người mới đi làm, dành nhiều thời gian nhất trên mạng xã hội, do mong muốn kết nối và tìm kiếm cơ hội mới. Nhóm tuổi 24-34 tuổi, đã đi làm và lập gia đình, cũng sử dụng mạng xã hội nhưng có thể dành thời gian ít hơn so với nhóm tuổi trước. Tất cả ba nhóm tuổi đều thể hiện nhu cầu giải trí qua mạng xã hội, nhưng cách tiếp cận và tần suất sử dụng có sự khác biệt. Hơn 97% người dùng sử dụng mạng xã hội trên 1 giờ mỗi ngày, với hơn 42% dành hơn 5 giờ cho mạng xã hội. Mặc dù sử dụng thường xuyên, tần suất chia sẻ thông tin trên mạng xã hộikhông cao, chỉ có 22,7% người dùng chia sẻ trên 2 bài viết mỗi tuần. Điều này cho thấy giới trẻ thường tập trung vào việc tiếp nhận thông tin hơn là chia sẻ.

Hành vi sử dụng mạng xã hội của giới trẻ Việt Nam

Khi khảo sát giới trẻ về hành vi sử dụng trên mạng xã hội, nhóm tác giả thu về giá trị đồng ý, nằm trong khoảng từ 3,41 đến 4,2. Điều này cho thấy đa số giới trẻ thể hiện sự đồng ý với các quan điểm trong thang đo lường.

Bảng 1

Thống kê mô tả hành vi sử dụng mạng xã hội của giới trẻ

Biến Điểm trung bình Ý nghĩa
Hành vi chia sẻ thông tin 3.99 Đồng ý
Hành vi trao đổi thông tin 4.02 Đồng ý
Hành vi kiểm soát quyền riêng tư 3.82 Đồng ý

Giới trẻ thể hiện sự đồng tình và nhạy bén đối với việc chia sẻ thông tin trên mạng xã hội. Cụ thể, trong hành vi chia sẻ thông tin, giới trẻ thường thể hiện sự thận trọng khi chia sẻ thông tin trên mạng xã hội và ưu tiên quan tâm đến các chế độ riêng tư để bảo vệ thông tin cá nhân. Trong hành vi trao đổi thông tin, giới trẻ thường trao đổi nguồn tài nguyên kiến thức thông qua công cụ tin nhắn của các nền tảng mạng xã hội và ưu tiên trao đổi thông tin qua hình thức thu âm, gọi điện. Về hành vi kiểm soát quyền riêng tư, giới trẻ cẩn thận về việc cung cấp thông tin không chính xác hoặc không đầy đủ để bảo vệ thông tin cá nhân trên mạng xã hội.

Nhận thức của giới trẻ về tính năng thu thập dữ liệu của các nền tảng mạng xã hội

Kết quả khảo sát về nhận thức về quản lý quyền riêng tư ghi nhận giá trị trung bình là 3,97, tương ứng với mức độ đồng ý.

Bảng 2

Thống kê mô tả nhận thức về tính năng thu thập dữ liệu của giới trẻ

Biến Điểm trung bình Ý nghĩa
Nhận thức về mục đích sử dụng dữ liệu 4.12 Đồng ý
Nhận thức về cách thức thu thập dữ liệu 3.94 Đồng ý
Nhận thức về quản lý quyền riêng tư 3.97 Đồng ý
Cảm nhận về rủi ro bảo mật thông tin 4.09 Đồng ý

Kết quả đồng ý với các thang đo về nhận thức thu thập dữ liệu cho thấy người dùng trẻ có quan điểm tích cực và đồng tình với mục đích sử dụng dữ liệu của các nền tảng mạng xã hội. Họ nhận thức rằng việc thu thập dữ liệu nhằm cung cấp trải nghiệm tốt nhất cho người dùng, và đa số tham gia khảo sát cảm thấy nội dung xuất hiện trên mạng xã hội rất phù hợp với sở thích của bản thân.

Tuy nhiên, đi từ nhận thức, đa số người tham gia khảo sát thể hiện thái độ lo lắng đối với hai hình thức thu thập dữ liệu thông qua các bài đăng, tương tác và tin nhắn, cũng như các cuộc trò chuyện riêng tư. Kết quả này cho thấy rằng giới trẻ không chỉ nhận thức về việc thu thập dữ liệu trên mạng xã hội mà còn có sự lo ngại về việc an toàn và quyền riêng tư của họ có thể bị ảnh hưởng bởi việc này, đặc biệt là khi liên quan đến các bài đăng, tương tác và cuộc trò chuyện riêng tư. Nghiên cứu cũng chỉ ra rằng giới trẻ đã có nhận thức sâu sắc về cách thức mà dữ liệu của họ được thu thập trên các nền tảng mạng xã hội.

Ảnh hưởng của nhận thức về tính năng thu thập và rủi ro bảo mật thông tin đến hành vi sử dụng mạng xã hội của giới trẻ

Kết quả phân tích hệ số Cronbach’s Alpha cho thấy các thang đo lường đều đạt hệ số Cronbach’s Alpha lớn hơn 0,6. Các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3 và đều nhỏ hơn giá trị Cronbach’s Alpha chung.

Tiêp tục thực hiện CFA cho thấy các kết quả: Chi-square/sf = 2,903 (<3), CFI = 0,937 (>0,9), RMSEA = 0,045 (<0,06), PCLOSE = 1,000 (>0,5). Như vậy, mô hình phù hợp với dữ liệu nghiên cứu.

Nhóm nghiên cứu thực hiện phương pháp phân tích Mô hình cấu trúc tuyến tính SEM để phân tích mối quan hệ đa chiều giữa các biến.

Từ kết quả phân tích, bốn yếu tố “Nhận thức về mục đích sử dụng dữ liệu”, “Nhận thức về cách thức thu thập dữ liệu”, “Cảm nhận về rủi ro bảo mật thông tin”, “Nhận thức về quản lý quyền riêng tư” cùng biến trung gian “Mối quan tâm đến tính năng thu thập dữ liệu” có tác động đáng kể tới ba biến phụ thuộc “Hành vi chia sẻ thông tin”, “Hành vi trao đổi thông tin”, “Hành vi kiểm soát quyền riêng tư”.

Sử dụng tiêu chuẩn độ tin cậy 95%, kết quả cho thấy các biến đều có chỉ số Sig < 0,05, thể hiện mối quan hệ của biến độc lập lên biến phụ thuộc đều có ý nghĩa. Như vậy, kết quả chấp nhận toàn bộ 7 giả thuyết được đưa ra.

Sự khác biệt trong nhận thức sử dụng MXH giữa các nhóm người dùng 

Nhằm xem xét sự khác biệt giữa nhận thức của các nhóm người dùng, nhóm nghiên cứu tiến hành bằng cách sử dụng kiểm định Oneway ANOVA Independent Sample T-Test. Đối với giới tính, các khảo sát cho thấy sự chênh lệch trong nhận thức về mục đích sử dụng dữ liệu, cảm nhận về rủi ro bảo mật thông tin, nhận thức về cách thức thu thập dữ liệu, và nhận thức về quản lý quyền riêng tư. Nữ giới thường có cảm nhận về rủi ro bảo mật thông tin và quản lý quyền riêng tư cao hơn nam giới. Đối với độ tuổi, khảo sát cho thấy sự khác biệt trong nhận thức về quản lý quyền riêng tư giữa các nhóm độ tuổi. Nhóm người dưới 18 tuổi thường có sự thiếu nhận thức về quản lý quyền riêng tư khi sử dụng mạng xã hội. Các nhóm độ tuổi từ 18 – 34 tuổi có nhận thức cao về việc quản lý quyền riêng tư.

Phan Thùy Anh*, Trịnh Phương Anh, Mai Xuân Bách, Lê Quỳnh Chi

Trường Đại học Kinh tế Quốc dân

PHƯƠNG PHÁP ĐIỀU TRỊ BẰNG LIỆU PHÁP HYDROGEL KÍCH HOẠT HUYẾT TƯƠNG

Cập nhật: ngày 14/3/2024

Một nhóm các nhà khoa học quốc tế đã phát triển phương pháp điều trị hiệu quả hơn cho các vết thương mãn tính không cần dùng đến kháng sinh hoặc băng gạc chứa ion mà sử dụng khí ion hóa gọi là huyết tương.

Phương pháp điều trị bao gồm việc tăng cường kích hoạt huyết tương của băng hydrogel với sự kết hợp độc đáo của các chất oxy hóa hóa học khác nhau để khử nhiễm và giúp chữa lành vết thương mãn tính.

Tác giả nghiên cứu, Tiến sĩ Endre Szili, đã mô tả phương pháp mới này là “một bước đột phá quan trọng” có thể cách mạng hóa việc điều trị loét bàn chân do tiểu đường, vết thương bên trong và các khối u có khả năng gây ung thư. Thuốc kháng sinh và băng gạc chứa ion thường được sử dụng để điều trị vết thương mãn tính, nhưng cả hai đều có nhược điểm. Tình trạng kháng kháng sinh ngày càng tăng là một thách thức toàn cầu và cũng có những lo ngại lớn về độc tính do bạc gây ra. Ở châu Âu, băng gạc chứa ion đang bị loại bỏ dần vì lý do này.

Hơn 540 triệu người trên toàn thế giới đang sống chung với bệnh tiểu đường, trong đó 30% bị loét bàn chân trong suốt cuộc đời. Chi phí điều trị các vết thương mãn tính như loét bàn chân do tiểu đường đã vượt quá 17 tỷ USD mỗi năm và chi phí này dự kiến sẽ tăng lên trong những thập kỷ tới do béo phì và thiếu tập thể dục dẫn đến nhiều ca bệnh hơn.

Lợi ích của khí ion hóa plasma lạnh đã được chứng minh trong các thử nghiệm lâm sàng, cho thấy nó không chỉ kiểm soát nhiễm trùng mà còn kích thích quá trình chữa lành. Điều này là do hỗn hợp hóa học mạnh của các chất oxy hóa, cụ thể là những loại oxy và nitơ phản ứng (RONS) mà nó tạo ra khi trộn và kích hoạt những phân tử oxy và nitơ trong không khí xung quanh.

Nhóm nghiên cứu đã chỉ ra rằng băng hydrogel kích hoạt huyết tương với RONS làm cho loại gel này mạnh hơn rất nhiều, tiêu diệt các vi khuẩn thông thường. Mặc dù loét bàn chân do tiểu đường là trọng tâm của nghiên cứu này nhưng công nghệ này có thể được áp dụng cho tất cả các vết thương mãn tính và nhiễm trùng bên trong. Mặc dù có những kết quả đáng khích lệ gần đây trong việc sử dụng liệu pháp hydrogel kích hoạt huyết tương (PAHT), họ vẫn phải đối mặt với thách thức nạp hydrogel với đủ nồng độ RONS cần thiết cho sử dụng lâm sàng. Và đã vượt qua trở ngại này bằng cách sử dụng phương pháp điện hóa mới giúp tăng cường kích hoạt hydrogel.

Ngoài việc tiêu diệt các vi khuẩn thông thường (E.coli và P. aeruginosa) khiến vết thương bị nhiễm trùng, các nhà khoa học cho biết hydrogel kích hoạt trong huyết tương cũng có thể giúp kích hoạt hệ miễn dịch của cơ thể, giúp chống lại nhiễm trùng. Tiến sĩ Szili giải thích: Nhiễm trùng vết thương mãn tính là một đại dịch thầm lặng có nguy cơ trở thành cuộc khủng hoảng chăm sóc sức khỏe toàn cầu. Điều bắt buộc là chúng tôi phải tìm ra các phương pháp điều trị thay thế cho thuốc kháng sinh và băng gạc vì khi những phương pháp điều trị này không hiệu quả, tình trạng cắt cụt chi thường xảy ra. Ưu điểm chính của công nghệ PAHT là nó có thể được sử dụng để điều trị mọi vết thương. Đây là phương pháp điều trị an toàn với môi trường, sử dụng các thành phần tự nhiên trong không khí và nước để tạo ra các thành phần hoạt tính, phân hủy thành các thành phần không độc hại và tương thích sinh học. Trong tương lai, huyết tương có thể được sử dụng để điều trị các khối u ung thư bằng cách kích hoạt các loại thuốc có trong gel được tiêm vào cơ thể. Các thành phần hoạt tính có thể được cung cấp trong thời gian dài, cải thiện việc điều trị và có cơ hội thâm nhập vào khối u tốt hơn.

Đ.T.V (NASATI), theo https://medicalxpress.com, 2/2024

(Nguồn: https://www.vista.gov.vn/vi/news/cac-linh-vuc-khoa-hoc-va-cong-nghe/phuong-phap-dieu-tri-bang-lieu-phap-hydrogel-kich-hoat-huyet-tuong-8266.html)

 

PHƯƠNG PHÁP MỚI ĐIỀU TRỊ HIỆU QUẢ ĐAU DÂY THẦN KINH KHÔNG CẦN DÙNG OPIOID

Cập nhật: ngày 05/3/2024

Các nhà khoa học Mỹ đã phát hiện ra một hợp chất không chứa opioid, có hiệu quả làm giảm tình trạng quá mẫn ở chuột liên quan đến chứng đau thần kinh mãn tính và thường làm suy nhược do bệnh tiểu đường hoặc thuốc hóa trị gây ra. Kết quả nghiên cứu mở ra cơ hội phát triển thuốc điều trị tình trạng này mà các loại thuốc giảm đau hiện có chỉ cho hiệu quả thấp.

Bệnh tiểu đường, thuốc hóa trị, bệnh đa xơ cứng, chấn thương và cắt cụt chi đều có liên quan đến chứng đau thần kinh, thường do tổn thương dây thần kinh ở các mô khác nhau trong cơ thể, bao gồm da, cơ và khớp. Quá mẫn cơ học hay loạn cảm đau cơ học là triệu chứng chính của chứng đau thần kinh, trong đó những kích thích vô hại như chạm nhẹ sẽ gây đau dữ dội.

Nhiều loại thuốc giảm đau hiện có không hiệu quả trong việc giảm đau thần kinh mãn tính. Tuy nhiên, các nhà nghiên cứu tại Đại học Texas ở Austin (UT Austin), cùng với các nhà khoa học tại Đại học Texas ở Dallas (UT Dallas) và Đại học Miami, Hoa Kỳ đã đạt được bước tiến trong điều trị chứng đau thần kinh bằng cách phát hiện ra một phân tử làm giảm tình trạng quá mẫn cơ học ở chuột.

Stephen Martin, đồng tác giả của nghiên cứu cho biết: “Chúng tôi nhận thấy đây là phân tử giảm đau hiệu quả và có tác dụng kéo dài khá lâu. Ví dụ, khi chúng tôi thử nghiệm trên các mô hình khác nhau, ví dụ bệnh thần kinh do tiểu đường và do hóa trị liệu gây ra, chúng tôi nhận thấy hợp chất này mang lại tác dụng đáng kinh ngạc”.

Hợp chất FEM-1689, liên kết với thụ thể sigma 2 (σ2R), được xác định vào năm 2017 là protein xuyên màng 97 (TMEM97). Trước đây, một số phân tử nhỏ, đặc biệt là FEM-1689, được phát hiện liên kết chọn lọc với σ2R/TMEM97, có tác dụng chống đau thần kinh mạnh mẽ và lâu dài ở chuột.

Trong nghiên cứu mới, các nhà khoa học đã phát hiện ra rằng tác dụng giảm tình trạng quá mẫn do đau của phân tử liên kết FEM-1689 không có ở chuột đực và chuột cái đã bị loại bỏ gen Tmem97. Ngoài ra, hợp chất đã ức chế phản ứng căng thẳng tích hợp (ISR) trong tế bào thần kinh của động vật. Tín hiệu ISR bất thường gây ra nhiều bệnh, bao gồm bệnh tiểu đường và rối loạn chuyển hóa, thoái hóa thần kinh và ung thư. Trong các thí nghiệm tại lab, tác dụng ức chế tương tự cũng được phát hiện trong các tế bào thần kinh của con người.

Kết quả nghiên cứu cho thấy việc nhắm mục tiêu vào FEM-1689 và mở rộng ra là σ2R/TMEM97 ở bệnh nhân bị đau thần kinh có thể làm giảm tình trạng quá mẫn cơ học thông qua ức chế ISR. Quan trọng là vì FEM-1689 liên kết có chọn lọc với σ2R/TMEM97 và không tương tác với các thụ thể opioid nên đây là giải pháp thay thế tiềm năng cho các loại thuốc giảm đau gây nghiện hiện có.

Martin cho biết: “Mục tiêu của chúng tôi là biến hợp chất này thành một loại thuốc điều trị cơn đau mãn tính mà không bị nguy hiểm do dùng opioid. Đau thần kinh thường là tình trạng suy nhược có thể ảnh hưởng đến mọi người trong suốt cuộc đời, do đó, chúng ta cần có phương pháp điều trị dung nạp tốt và hiệu quả”.

N.P.D (NASATI), theo Newatlas, 2/2024

(Nguồn: https://www.vista.gov.vn/vi/news/khoa-hoc-y-duoc/phuong-phap-moi-dieu-tri-hieu-qua-dau-day-than-kinh-khong-can-dung-opioid-8213.html)

 

XU HƯỚNG CÔNG NGHỆ NĂM 2024

Cập nhật: ngày 16/2/2024

Trong năm 2023 vừa qua, lĩnh vực công nghệ đã có những tiến bộ nhanh chóng, từ những phát triển đáng kinh ngạc về AI tạo sinh (Gen AI) cho đến những tiến bộ trong điện toán lượng tử. Dưới đây là 10 xu hướng công nghệ mà Gartner – Công ty Nghiên cứu và Tư vấn công nghệ thông tin của Hoa Kỳ dự báo cho năm 2024.

1. Dân chủ hóa AI tạo sinh

Đến năm 2026, theo dự báo của Gartner, hơn 80% doanh nghiệp sẽ sử dụng các mô hình và giao diện lập trình ứng dụng (API) Gen AI và/hoặc các ứng dụng được hỗ trợ Gen AI trong môi trường sản xuất sẽ tăng so với năm 2023. Việc dân chủ hóa GenAI sẽ giúp người dùng là các doanh nghiệp có thể tiếp cận nguồn thông tin khổng lồ, mở rộng đáng kể kiến thức và kỹ năng trong doanh nghiệp.

Theo báo cáo của Viện Công nghệ Massachusetts, GenAI và các mô hình ngôn ngữ lớn (LLM) đang dân chủ hóa khả năng tiếp cận AI, cuối cùng đã tạo dựng lòng tin của doanh nghiệp đối với AI. Matei Zaharia, đồng sáng lập và là Giám đốc Công nghệ tại Công ty Phần mềm Databricks, Hoa Kỳ, cho rằng: “Gen AI đang thúc đẩy đột phá trong mọi ngành công nghiệp và các giám đốc công nghệ thông tin (CIO) nhận ra rằng việc khai thác AI không còn là điều tốt nữa mà là bắt buộc để duy trì tính cạnh tranh”.

2. Quản lý độ tin cậy, rủi ro và bảo mật AI

Với khả năng tiếp cận rộng rãi AI, nhu cầu quản lý độ tin cậy, rủi ro và bảo mật AI (TRiSM) trở nên cấp thiết hơn. Nếu không có rào cản, các mô hình AI có thể nhanh chóng tác động tiêu cực vượt ngoài tầm kiểm soát, làm lu mờ mọi hiệu quả tích cực và lợi ích xã hội mà AI mang lại. Gartner dự đoán, đến năm 2026, các doanh nghiệp áp dụng biện pháp kiểm soát AI TriSM, sẽ tăng độ chính xác trong việc ra quyết định bằng cách loại bỏ thông tin bị lỗi và bất hợp pháp.

3. Phát triển AI tăng cường

Theo Gartner, công nghệ phần mềm được AI hỗ trợ, giúp các nhà phát triển tăng năng suất và cho phép các nhóm phát triển giải quyết nhu cầu thúc đẩy sử dụng phần mềm để điều hành doanh nghiệp.

4. Ứng dụng thông minh

Các ứng dụng thông minh bao gồm trí thông minh, theo Gartner định nghĩa là khả năng thích ứng đã học được để phản ứng một cách phù hợp và tự chủ như một khả năng. Trí thông minh này có thể được sử dụng trong nhiều trường hợp để tăng cường hoặc tự động hóa công việc hiệu quả hơn. Trí thông minh với vai trò là khả năng nền tảng trong các ứng dụng, bao gồm nhiều dịch vụ khác nhau dựa trên AI, chẳng hạn như máy học, lưu trữ vectơ và dữ liệu được kết nối.

Kết quả khảo sát các Tổng giám đốc điều hành (CEO) và Giám đốc kinh doanh do Gartner thực hiện năm 2023 cho thấy, 26% CEO tin rằng rủi ro gây thiệt hại lớn nhất cho tổ chức, doanh nghiệp của họ là việc thiếu hụt nhân tài. Do đó, ưu tiên hàng đầu trong việc phát triển lực lượng lao động là tìm cách thu hút và giữ chân nhân tài.

5. Tăng cường kết nối lực lượng lao động (ACWF)

ACWF là chiến lược nhằm tối ưu hóa giá trị thu được từ con người. ACWF sử dụng các ứng dụng thông minh và phân tích lực lượng lao động để cung cấp thông tin về bối cảnh nguồn lực lao động và định hướng hỗ trợ người lao động có những trải nghiệm và khả năng phát triển kỹ năng. Đồng thời, ACWF hỗ trợ phát triển kết quả kinh doanh và tác động tích cực đến các bên liên quan chính. Đến năm 2027, 25% CIO sẽ sử dụng các sáng kiến ACWF để giảm 50% thời gian nâng cao năng lực cho các vị trí quan trọng.

6. Quản lý khả năng tiếp xúc với mối đe dọa liên tục (CTEM)

CTEM là cách tiếp cận thực tế và có hệ thống cho phép các tổ chức đánh giá khả năng tiếp cận, mức độ tiếp xúc và khả năng khai thác tài sản vật lý và kỹ thuật số của doanh nghiệp theo cách liên tục và nhất quán. Việc điều chỉnh phạm vi đánh giá và khắc phục CTEM sao cho phù hợp với các mối đe dọa hoặc dự án kinh doanh, thay vì yếu tố hạ tầng, không chỉ giúp phát hiện các lỗ hổng mà còn cả các mối đe dọa khó lường. Đến năm 2026, Gartner dự đoán các tổ chức ưu tiên đầu tư bảo mật dựa vào các chương trình CTEM, sẽ giảm được 2/3 số vụ tấn công.

7. Khách hàng “máy móc”

Gartner định nghĩa khách hàng máy móc hay còn gọi là custobot, là một tác nhân không phải con người có thể “tự thương lượng và mua hàng hóa, dịch vụ để thực hiện giao dịch thanh toán”. Đến năm 2028, ước tính sẽ có khoảng 15 tỷ sản phẩm được kết nối có tiềm năng trở thành “khách hàng” và sẽ có thêm hàng tỷ sản phẩm nữa trong những năm tới. Xu hướng tăng trưởng này sẽ mang lại doanh thu hàng nghìn tỷ đô la vào năm 2030 và cuối cùng trở nên quan trọng hơn nhiều so với sự xuất hiện của thương mại số.

8. Công nghệ bền vững

Việc ứng dụng các công nghệ như AI, tiền điện tử, IoT và điện toán đám mây đang làm dấy lên lo ngại về mức tiêu thụ năng lượng liên quan và các tác động đến môi trường. Theo dự báo của Gartner, đến năm 2027, 25% CIO cho rằng tiền lương của họ sẽ gắn liền với tác động của họ đến công nghệ bền vững.

9. Kỹ thuật nền tảng

Kỹ thuật nền tảng liên quan đến việc xây dựng và vận hành các nền tảng phát triển nội bộ tự phục vụ. Mỗi nền tảng là một lớp, được tạo nên và duy trì bởi một nhóm sản phẩm chuyên dụng, được thiết kế để hỗ trợ nhu cầu của người dùng thông qua kết nối với các công cụ và quy trình. Mục tiêu của kỹ thuật nền tảng là tối ưu hóa năng suất, trải nghiệm người dùng và đẩy nhanh việc phân phối giá trị doanh nghiệp.

10. Nền tảng đám mây công nghiệp

Gartner dự đoán đến năm 2027, hơn 70% doanh nghiệp sẽ sử dụng nền tảng đám mây công nghiệp (ICP) để đẩy mạnh các sáng kiến kinh doanh của họ, từ mức dưới 15% năm 2023. ICP xử lý các kết quả kinh doanh liên quan đến ngành bằng cách kết hợp các dịch vụ SaaS, PaaS và IaaS cơ bản thành một sản phẩm tổng hợp hoàn chỉnh. ICP có thể được điều chỉnh cho phù hợp với từng ngành và theo nhu cầu của tổ chức.

N.P.D (NASATI), theo Technologymagazine, 1/2024

(Nguồn: https://www.vista.gov.vn/vi/news/xu-huong-nghien-cuu-cong-nghe/xu-huong-cong-nghe-nam-2024-8125.html)

 

NGHIÊN CỨU QUY MÔ LỚN THEO DÕI MÔ HÌNH NGHIỆN ĐIỆN THOẠI THÔNG MINH TRÊN TOÀN CẦU

Cập nhật: ngày 09/01/2024

Các nhà nghiên cứu tại nhiều trường Đại học trên thế giới đã phối hợp thực hiện nghiên cứu làm sáng tỏ mô hình nghiện điện thoại thông minh trên toàn cầu. Đây là nghiên cứu lớn nhất từ trước đến nay với sự tham gia của hơn 100.000 người đến từ các quốc gia khác nhau.

Nhóm nghiên cứu đã sử dụng kết hợp các cuộc khảo sát, phỏng vấn và dữ liệu sử dụng điện thoại thông minh để phân tích các hành vi gây nghiện liên quan đến việc sử dụng thiết bị này. Kết quả cho thấy chứng nghiện điện thoại thông minh đang là mối lo ngại ngày càng tăng trên toàn thế giới với sự khác biệt đáng kể giữa các khu vực.

Một trong những phát hiện quan trọng của nghiên cứu là những người trẻ tuổi, đặc biệt là những người ở độ tuổi thiếu niên và đầu hai mươi, dễ bị nghiện điện thoại thông minh hơn. Điều này có thể là do sự phụ thuộc ngày càng tăng vào điện thoại thông minh để thực hiện các tương tác xã hội, giải trí và thu thập thông tin.

Một quan sát thú vị khác là tác động của các yếu tố văn hóa đến chứng nghiện điện thoại thông minh. Nghiên cứu tiết lộ các quốc gia chú trọng nhiều vào công việc và năng suất, chẳng hạn như Hàn Quốc và Nhật Bản, có tỷ lệ nghiện điện thoại thông minh cao hơn so với các quốc gia có cách tiếp cận thoải mái để cân bằng giữa công việc và cuộc sống.

Nghiên cứu cũng nhấn mạnh những hậu quả tiêu cực của tình trạng nghiện điện thoại thông minh, bao gồm giảm năng suất, suy giảm các mối quan hệ xã hội và các vấn đề về sức khỏe tâm thần như lo lắng và trầm cảm. Vì thế, cần nghiên cứu sâu hơn và phát triển các biện pháp can thiệp để giải quyết vấn đề đang gia tăng này.

Khi tình trạng sử dụng điện thoại thông minh tiếp tục gia tăng trên toàn cầu, điều quan trọng là các cá nhân, gia đình và nhà hoạch định chính sách phải nhận thức được những rủi ro tiềm ẩn liên quan đến việc lạm dụng thiết bị này. Nghiên cứu không chỉ như một lời cảnh tỉnh, mà còn cung cấp những hiểu biết có giá trị về mô hình sử dụng nghiện điện thoại thông minh trên toàn cầu, rất hữu ích cho những nỗ lực trong tương lai nhằm giảm thiểu tác động của nó.

Nhìn chung, nghiên cứu mới góp phần nâng cao hiểu biết của chúng ta về chứng nghiện điện thoại thông minh trên phạm vi toàn cầu. Thông qua xác định các mô hình và các yếu tố liên quan đến chứng nghiện điện thoại thông minh, các nhà nghiên cứu hy vọng sẽ phát triển được các chiến lược hiệu quả nhằm thúc đẩy việc sử dụng điện thoại thông minh theo hướng lành mạnh và giảm thiểu những hậu quả tiêu cực.

N.P.D (NASATI), theo https://www.lifetechnology.com/blogs/life-technology-medical-news/researchers-track-global-smartphone-addiction-patterns-in-large-ever-study

(Nguồn: https://www.vista.gov.vn/vi/news/khoa-hoc-nhan-van/nghien-cuu-quy-mo-lon-theo-doi-mo-hinh-nghien-dien-thoai-thong-minh-tren-toan-cau-7822.html)

 

GIỐNG LÚA MỚI ĐƯỢC TẠO RA NHỜ KỸ THUẬT CHỈNH SỬA BỘ GEN

Cập nhật: ngày 10/6/2023

THẾ GIỚI CÓ THỂ CẮT GIẢM 80% Ô NHIỄM NHỰA VÀO NĂM 2040

Cập nhật: ngày 1/6/2023

QUAN SÁT BỨC XẠ TIA X TỪ VELA X-1

Cập nhật: ngày 24/3/2023

NGHIÊN CỨU MỚI THÁCH THỨC SỰ HIỂU BIẾT VỀ HỆ MIỄN DỊCH

Cập nhật:  ngày 24/3/2023

CHƠI ĐÀN PIANO GIÚP TĂNG CƯỜNG KHẢ NĂNG XỬ LÝ CỦA NÃO VÀ GIẢM TRẦM CẢM, CĂNG THẲNG VÀ LO LẮNG

Cập nhật: ngày 15/02/2023

NHỮNG HIỂU BIẾT QUAN TRỌNG VỀ CÁCH THỨC HOẠT ĐỘNG VÀ TỒN TẠI CỦA MỘT GEN KÝ SINH

Cập nhật: ngày 07/02/2023

MÁY KHOAN “THÔNG MINH” TĂNG TỐC ĐỘ VÀ ĐƠN GIẢN HÓA PHẪU THUẬT CẤY GHÉP ỐC TAI ĐIỆN TỬ

Cập nhật: ngày 16/1/2023

PHÁT TRIỂN THÀNH CÔNG PHƯƠNG PHÁP MỚI TIÊU DIỆT CÁC TẾ BÀO UNG THƯ NÃO

Cập nhật: ngày 28/12/2022

THUỐC ĐIỀU TRỊ UNG THƯ TUYẾN TIỀN LIỆT HỨA HẸN CÓ THỂ CẢI THIỆN LIỆU PHÁP MIỄN DỊCH

Cập nhật: ngày 15/12/2022

VẬT LIỆU MỚI LOẠI BỎ CÁC HẠT VI NHỰA KHỎI NƯỚC BẰNG TỪ TÍNH

Quy trình lọc nước thải trước đây chỉ loại bỏ các chất ô nhiễm truyền thống, nhưng giờ đây còn bao gồm cả việc loại bỏ các hạt vi nhựa. Một loại bột mới được cho là thực hiện công việc này nhanh chóng và hiệu quả hơn nhiều so với trước đây.

Cập nhật: ngày 30/11/2022

Cập nhật: ngày 14/9/2022

KHÁNG THỂ CỦA MẸ CÓ THỂ BẢO VỆ TRẺ SƠ SINH KHỎI CYTOMEGALOVIRUS

Cập nhật: ngày 08/8/2022

SỬ DỤNG RONG BIỂN ĐỂ SẢN XUẤT VẬT LIỆU CÁCH ÂM THÂN THIỆN VỚI MÔI TRƯỜNG

Cập nhật: ngày 26/7/2022

THIẾU VITAMIN D LÀM TĂNG NGUY CƠ SA SÚT TRÍ TUỆ

Cập nhật: ngày 29/6/2022

MÀNG BỌC THỰC PHẨM KHÁNG KHUẨN, CÓ NGUỒN GỐC TỪ THỰC VẬT ĐƯỢC THIẾT KẾ ĐỂ THAY THẾ NHỰA

Cập nhật: ngày 20/6/2022

SỰ SUY GIẢM ENZYME CÓ THỂ LÀM GIẢM SỰ THÈM ĂN

Cập nhật: ngày 10/6/2022

PIN NHIÊN LIỆU SIÊU MỎNG SỬ DỤNG ĐƯỜNG TRONG CƠ THỂ ĐỂ SẢN XUẤT ĐIỆN

Cập nhật: ngày 26/5/2022

NĂM LOẠI THỰC PHẨM TỐT CHO SỨC KHỎE HƠN KHI ĐƯỢC NẤU CHÍN

Cập nhật: ngày 23/5/2022

CẢM BIẾN TỪ SỢI SAPPHIRE CẢI THIỆN HIỆU SUẤT VÀ SẢN XUẤT NĂNG LƯỢNG SẠCH

Cập nhật: ngày 12/5/2022

PHÁT HIỆN NĂM LOẠI VI KHUẨN MỚI CÓ LIÊN QUAN ĐẾN BỆNH UNG THƯ TUYẾN TIỀN LIỆT

Cập nhật: ngày 25/04/2022

ĐÈN LED CHẤM LƯỢNG TỬ ĐẦU TIÊN TRÊN THẾ GIỚI ĐƯỢC LÀM TỪ TRẤU

Cập nhật: ngày 22/04/2022

GIẢM LƯỢNG NATRI TỐT CHO BỆNH NHÂN TIM MẠCH

Cập nhật: ngày 18/04/2022

BÃ CÀ PHÊ THẢI CÓ THỂ GIÚP PHÁT HIỆN SÓNG NÃO

Cập nhật: ngày 30/03/2022

VẬT LIỆU GIẢM SỐC MỚI CỨNG NHƯ KIM LOẠI NHƯNG NHẸ NHƯ MÚT

Cập nhật: ngày 24/03/2022

VI KHUẨN LỚN NHẤT TỪNG ĐƯỢC PHÁT HIỆN CÓ KÍCH THƯỚC DÀI HƠN CON RUỒI NHÀ

Cập nhật: ngày 14/03/2022

CÁC VI HẠT TỪ TÍNH CHO PHÉP ĐIỀU KHIỂN TỪ XA CÁC TẾ BÀO NÃO CHỌN LỌC

Cập nhật: ngày 07/03/2022

VI KHUẨN BIẾN ĐỔI GEN SẢN SINH AMONIAC CÓ THỂ THAY THẾ PHÂN BÓN CÂY TRỒNG

Cập nhật: ngày 04/03/2022

PHƯƠNG PHÁP MỚI KHÔNG CẦN BẢO QUẢN LẠNH VẮC XIN TRONG NHIỀU THÁNG

Cập nhật: ngày 28/02/2022

MEN BIẾN ĐỔI GEN LÀM TĂNG HƯƠNG VỊ CỦA BIA KHÔNG CỒN

Cập nhật: ngày 25/02/2022

NHỰA SINH HỌC TỰ LÀM SẠCH, CHỐNG BÁM BỤI VÀ CHẤT LỎNG

Cập nhật:ngày 18/02/2022

PHÁT HIỆN ĐỘT BIẾN GEN CÓ THỂ GÂY RA TÌNH TRẠNG BỆNH TIM KHÔNG THỂ CHỮA KHỎI

Cập nhật: ngày 16/02/2022

LÝ DO CHỮA BỆNH ALZHEIMER MẤT NHIỀU THỜI GIAN HƠN DỰ KIẾN

Cập nhật: ngày 11/02/2022

LIỆU PHÁP GEN MỚI CÓ THỂ ĐIỀU TRỊ DẠNG ĐỘNG KINH NGHIÊM TRỌNG

Cập nhật: ngày 08/02/2022

LOẠI NHỰA MỚI THÂN THIỆN VỚI MÔI TRƯỜNG

ĐƯỢC LÀM TỪ ĐƯỜNG

Cập nhật: ngày 20-1-2022

PHÁT TRIỂN MÀN HÌNH OLED LINH HOẠT HOÀN TOÀN BẰNG CÔNG NGHỆ IN 3D ĐẦU TIÊN

Cập nhật: ngày 24-1-2022

KHÁM PHÁ CHI TIẾT MỚI ĐẰNG SAU CHỨNG VIÊM THÚC ĐẨY BỆNH TIM

Cập nhật: ngày14-1-2022

VẢI CÔNG NGHỆ CAO MỞ CÁC LỖ THÔNG HƠI LÀM MÁT KHI THẤM MỒ HÔI

Cập nhật: ngày 11-1-2022

GABA DO TẾ BÀO B TIẾT RA LÀM MỜ PHẢN ỨNG MIỄN DỊCH ĐỐI VỚI CÁC KHỐI U

Cập nhật: ngày 28-12-2021

Các nhà nghiên cứu xác định dấu ấn sinh học mới của bệnh Alzheimer

Cập nhật: ngày 23/12/2021

 

VAI TRÒ CỦA ENZYM CHUYỂN HÓA TRONG UNG THƯ THẬN

Cập nhật: ngày 02-11-2021

THỬ NGHIỆM VẮC-XIN CHỐNG LẠI BỆNH VIÊM KHỚP DẠNG THẤP

Cập nhật: ngày 12-10-2021

VIÊN HYDROGEL MỚI XỬ LÝ NƯỚC Ô NHIỄM

Cập nhật: ngày 09-10-2021

XÁC ĐỊNH CÁC MỤC TIÊU MỚI CHO VẮC XIN UNG THƯ

Cập nhật: ngày 04-10-2021

VẬT LIỆU NANO MỚI SẢN XUẤT NHIÊN LIỆU HYDRO SẠCH TỪ NƯỚC BIỂN

Cập nhật: ngày 22-9-2021

TIẾP XÚC VỚI Ô NHIỄM KHÔNG KHÍ KHI MANG THAI LÀM ẢNH HƯỞNG ĐẾN SỨC KHỎE VÀ SỰ PHÁT TRIỂN CỦA TRẺ

Cập nhật: ngày 20-9-2021

TẠO NGUỒN ĐIỆN TỪ KHÔNG BỨC XẠ

Cập nhật: ngày 13-9-2021

ENZYME GIỮ CHÌA KHÓA CHỐNG LẠI BỆNH UNG THƯ VÀ NHIỄM VIRUS

Cập nhật: ngày 09-9-2021

SÀNG LỌC DI TRUYỀN TIẾT LỘ ĐIỂM YẾU CỦA BỆNH UNG THƯ THỂ RẮN

Cập nhật: ngày 07-9-2021

PHƯƠNG PHÁP MỚI TĂNG CƯỜNG PHÁT HIỆN CÁC KÝ SINH TRÙNG SIÊU NHỎ GÂY HẠI TRONG NƯỚC

Cập nhật: ngày 30-8-2021

CÔNG NGHỆ MỚI KHAI THÁC NĂNG LƯỢNG TỪ SÓNG BIỂN

Cập nhật: ngày 24-8-2021

LỚP PHỦ MẠCH MÁU CÓ THỂ THAY THẾ THUỐC CHỐNG ĐÀO THẢI TRONG CẤY GHÉP MÔ

Cập nhật: ngày 17-8-2021

ĐỒNG HỒ THÔNG MINH HÒA TAN TRONG NƯỚC TẠO THUẬN LỢI CHO VIỆC

TÁI CHẾ

Cập nhật: ngày 12-8-2021

PIN MUỐI NÓNG CHẢY MỚI CÓ GIÁ THÀNH RẺ VÀ LƯU TRỮ NHIỀU NĂNG LƯỢNG

Cập nhật: ngày 10-8-2021

SẢN XUẤT ĐỒ UỐNG CHAY LỢI KHUẨN DỰA VÀO NGUỒN PROTEIN

TỪ GẠO VÀ ĐẬU

Cập nhật: ngày 05-8-2021