Điện não đồ là công cụ cần thiết để đánh giá chức năng thông qua các hoạt động điện học của các tế bào thần kinh. Não đồ được chỉ định trong trường hợp nghi ngờ các bệnh lý: động kinh, rối loạn giấc ngủ, hội chứng lú lẫn, chết não… Do tính chất phức tạp của hình ảnh ĐNĐ, thực tế tồn tạo một số khó khăn trong việc nhận định chính xác kết quả, đặc biệt đối với các bác sĩ ít kinh nghiệm và bác sĩ không chuyên khoa. Ngoài ra, đối với cách thức truyền thống, sau khi ghi điện não cho người bệnh, kỹ thuật viên phải chọn từng đoạn hình ảnh đạt yêu cầu, in ra các đoạn hình ảnh từ máy chuyên dụng, chuyển bác sĩ đọc và/hoặc trả lời kết quả bằng giấy, người bệnh tự mang đến bác sĩ lâm sàng, tổng thời gian của cách làm này hết khoảng 60 phút không tính thời gian đặt điện cực và ghi điện não. Ở một số không nhiều các bệnh viện có bệnh án điện tử và có kết nối với hệ thống lưu trữ và truyền thông hình ảnh y tế (PACS), các đoạn hình ảnh đạt yêu cầu sẽ được đẩy lên hệ thống HIS bằng thao tác chuyển thủ công dưới dạng file pdf cho bác sĩ nhận định, phân tích các sóng điện não, đưa ra nhận xét và kết luận. Cách làm này tốn khoảng 30 phút, dễ xảy ra sai sót và dễ bỏ sót sóng bất thường chưa kể dữ liệu dạng pdf không có giá trị trong đồng bộ, phân tích, tra cứu, chia sẻ dữ liệu. Để khắc phục điều này, trên thế giới có một số nghiên cứu ứng dụng trí tuệ nhân tạo (TTNT) nhận định kết quả ĐNĐ từ các thuật toán học máy (machine learning) cơ bản đến các thuật toán học sâu (deep learning). Kết quả ban đầu cho thấy các ứng dụng này có thể hỗ trợ bác sĩ trong việc nhận định các hoạt động bình thường, không bình thường trên ĐNĐ như các hoạt động kịch phát, động kinh, các giai đoạn giấc ngủ, và nhận dạng các trạng thái cảm xúc… Ở Việt Nam, 100% các máy điện não nói riêng và các máy thăm dò chức năng điện sinh lý thần kinh nói chung đều chưa kết nối dicom, chưa đồng bộ dữ liệu lên hệ thống HIS và chưa có nghiên cứu nào trả lời được câu hỏi có thể ứng dụng TTNT trong giải quyết các bất cập nêu trên hay không? Do vậy, nhóm nghiên cứu hướng đến mục tiêu đánh giá kết quả ứng dụng trí tuệ nhân tạo trong chuyển đổi tín hiệu non-dicom và tự động hóa nhận định kết quả điện não đồ.

Nghiên cứu tiến hành trên 900 bản ghi điện não bao gồm 788 bản ghi bình thường và 112 bản ghi bất thường, cụ thể cho kết quả đánh giá như sau:

Khả năng chuyển đổi, kết nối, đồng bộ: 100% dữ liệu gốc dưới dạng .pnt, .log, .21e trên máy ghi chuyên dụng được trực tiếp chuyển đổi, tích hợp trên hệ thống HIS.

Khả năng nhận diện, hiển thị các sóng ĐNĐ: Tỷ lệ nhận diện, hiển thị bằng màu bản ghi bình thường, kĩ thuật ghi tốt đạt tỷ lệ 100%. Tỷ lệ nhận diện được tất cả các sóng alpha, beta, các sóng bất thường, nhiễu về tần số, biên độ, định khu chính xác lên đến 98%. Khả năng nhận diện sóng nhiễu trên bản ghi bất thường có tỷ lệ thấp nhất (86,6%). Tính năng này không thực hiện được ở trên cả hệ thống thủ công và kết hợp thủ công với HIS.

Khả năng tự động nhận diện, phân tích sóng ĐNĐ theo các mốc ghi: Khả năng tự động nhận diện các sóng alpha, beta, sóng bất thường và nhiễu trong giai đoạn cơ sở đạt tỷ lệ cao nhất, lần lượt là 98,8%; 98,3%; 96,9% và 95,3%. Khả năng nhận diện sóng nhiễu có tỷ lệ thấp nhất ở tất cả các mốc sự kiện của bản ghi. Tính năng này không thực hiện được ở trên cả hệ thống thủ công và kết hợp thủ công với HIS.

Hiệu quả về thời gian: Thời gian trả lời kết quả trung bình của nhóm ứng dụng TTNT là 4 phút nhanh hơn đáng kể so với phương pháp thủ công khi có HIS là 35 phút (p < 0,001). Thời gian trả lời kết quả của nhóm ứng dụng TTNT rút ngắn 8,75 lần so với phương pháp thủ công khi có HIS, tiết kiệm được 465 giờ làm việc.

Hiệu quả về dữ liệu: Khi chưa có hệ thống HIS, tất cả các kết quả ĐNĐ chỉ nằm trong máy ghi chuyên dụng. Khi hệ thống HIS xuất hiện đã giúp lưu lại thông tin về đối tượng nhưng không lưu trữ được dữ liệu dicom về ĐNĐ. Ứng dụng TTNT đã giúp đồng bộ, lưu trữ gần 4,6 tỷ điểm dữ liệu trên HIS dưới dạng dicom có thể phân tích, trích xuất và chia sẻ

Ứng dụng đã chuyển 100% dữ liệu điện não từ non-dicom thành dicom và đồng bộ ngay trên hệ thống HIS dưới dạng có thể tùy chỉnh, tự động nhận diện, phân tích sóng điện não và trích xuất kết luận bằng tiếng Việt với độ chính xác cao. Thời gian trả lời kết quả tự động được rút ngắn 8,75 lần, tiết kiệm được 465 giờ làm việc, lưu trữ được 4,6 tỷ điểm dữ liệu so với phương pháp thủ công. Các nhà nghiên cứu khuyến nghị cần mở rộng ứng dụng có kiểm soát trí tuệ nhân tạo trong chuyển đổi tín hiệu non-dicom và tự động hóa nhận định kết quả điện não đồ.