Khi nói đến chuyển đổi số trong lĩnh vực Y học cổ truyền, một hoạt động thường được nghĩ đến đầu tiên là:
Quét sách cổ thành file PDF.
Đây là một bước quan trọng.
Nhưng nếu dừng ở đó, chúng ta mới chỉ giải quyết được một phần nhỏ của bài toán.
Một cuốn y thư được quét thành PDF có thể giúp:
- Lưu giữ tài liệu.
- Giảm nguy cơ hư hỏng bản gốc.
- Tạo bản sao.
- Giúp nhiều người tiếp cận hơn.
Tuy nhiên, đối với máy tính, một file PDF vẫn chủ yếu là một tài liệu.
Máy tính chưa thực sự hiểu rằng bên trong đó có:
- Tên dược liệu.
- Tên bài thuốc.
- Danh y.
- Khái niệm.
- Quan hệ giữa các tri thức.
Vì vậy, cần phân biệt rõ:
Số hóa tài liệu không hoàn toàn giống với số hóa tri thức.
Ba cấp độ thường bị nhầm lẫn
Có thể hình dung quá trình chuyển đổi từ sách cổ sang dữ liệu số qua ba cấp độ.
TÀI LIỆU GIẤY
↓
PDF / ẢNH SỐ
↓
VĂN BẢN SỐ
↓
DỮ LIỆU CÓ CẤU TRÚC
↓
TRI THỨC CÓ THỂ LIÊN KẾTMỗi bước tạo ra một giá trị khác nhau.
Cấp độ 1: Bản sao số
Ví dụ:
- Ảnh chụp.
- File PDF.
- Bản scan.
Mục tiêu chính là bảo tồn và truy cập.
Cấp độ 2: Văn bản số
Nội dung được chuyển thành văn bản có thể:
- Tìm kiếm.
- Sao chép.
- Phân tích.
Cấp độ 3: Dữ liệu có cấu trúc
Thông tin được tổ chức thành các thực thể và quan hệ.
Ví dụ:
DƯỢC LIỆU
↓
xuất hiện trong
↓
BÀI THUỐC
↓
được ghi trong
↓
Y THƯĐây là cấp độ giúp dữ liệu bắt đầu có thể được khai thác sâu hơn.
Một file PDF chưa phải là cơ sở dữ liệu
Giả sử chúng ta có 1.000 cuốn tài liệu Y học cổ truyền dưới dạng PDF.
Câu hỏi đặt ra:
Làm thế nào để biết một dược liệu xuất hiện trong bao nhiêu cuốn sách?
Nếu chỉ có PDF, người nghiên cứu có thể phải:
- Mở từng tài liệu.
- Tìm kiếm thủ công.
- Đọc từng đoạn.
- Đối chiếu tên gọi.
Trong khi đó, nếu dữ liệu được cấu trúc:
DƯỢC LIỆU A
│
├── Y thư 1
├── Y thư 2
├── Bài thuốc X
└── Bài thuốc Ythì việc truy vấn trở nên dễ dàng hơn.
Sự khác biệt nằm ở cách tổ chức thông tin.
OCR là bước quan trọng nhưng chưa phải bước cuối
Đối với tài liệu in hoặc bản scan, OCR có thể được sử dụng để chuyển hình ảnh chữ viết thành văn bản số.
Quá trình đơn giản:
ẢNH SCAN
↓
OCR
↓
VĂN BẢNNhưng OCR cũng có thể tạo ra lỗi.
Đặc biệt với:
- Chữ cổ.
- Bản in cũ.
- Chất lượng giấy thấp.
- Ký tự đặc biệt.
- Văn bản bị mờ.
Một lỗi nhỏ trong tên dược liệu cũng có thể gây ra vấn đề lớn khi tra cứu.
Do đó:
OCR không phải là điểm kết thúc của số hóa.
Văn bản sau OCR vẫn cần được:
- Kiểm tra.
- Hiệu đính.
- Đối chiếu với bản gốc.
Từ văn bản đến thực thể tri thức
Sau khi có văn bản số, một bước quan trọng khác là nhận diện các đối tượng xuất hiện trong nội dung.
Ví dụ một đoạn văn có thể chứa:
Tên danh y.
Tên dược liệu.
Tên bài thuốc.
Tên địa danh.
Máy tính có thể được hướng dẫn để nhận diện:
VĂN BẢN
↓
NHẬN DIỆN THỰC THỂ
│
├── DANH Y
├── DƯỢC LIỆU
├── BÀI THUỐC
├── ĐỊA DANH
└── Y THƯKhi đó, văn bản bắt đầu được chuyển thành các đơn vị dữ liệu.
Nhưng nhận diện tên chưa đủ
Giả sử hệ thống phát hiện từ:
“Cam thảo”
Câu hỏi tiếp theo là:
- Đây có phải cùng một thực thể với “cam thảo bắc” không?
- Tên này được sử dụng theo nghĩa nào?
- Có tên đồng nghĩa nào khác?
Đây là vấn đề gọi là chuẩn hóa và định danh thực thể.
Ví dụ:
Tên trong văn bản A ──┐
Tên trong văn bản B ──┼──→ THỰC THỂ
Tên địa phương ──────┘Nếu không giải quyết bước này, dữ liệu có thể bị phân mảnh.
Dữ liệu Y học cổ truyền cần giữ nguồn gốc
Một rủi ro khi số hóa là thông tin bị tách khỏi nguồn.
Ví dụ:
DỮ LIỆU:
"Cây X được dùng cho Y"Câu hỏi cần đặt ra:
Thông tin này đến từ đâu?
Một hệ thống tốt nên lưu thêm:
THÔNG TIN
│
├── Nội dung
├── Nguồn tài liệu
├── Vị trí trong tài liệu
├── Phiên bản
└── Thời gian ghi nhậnThông tin về nguồn thường được gọi là provenance – nguồn gốc hoặc xuất xứ của dữ liệu.
Đối với tri thức lịch sử, đây là yếu tố đặc biệt quan trọng.
Số hóa không nên làm mất văn cảnh
Một câu trong y thư có thể phụ thuộc vào:
- Đoạn trước.
- Chương sách.
- Bối cảnh lý luận.
- Cách dùng thuật ngữ thời kỳ đó.
Nếu chỉ trích xuất một câu và đưa vào cơ sở dữ liệu, ý nghĩa có thể bị thay đổi.
Vì vậy:
TRI THỨC SỐ
≠
CẮT RỜI MỌI CÂU KHỎI NGỮ CẢNHMột hệ thống số hóa tốt nên cho phép người dùng:
Từ dữ liệu → quay trở lại văn bản nguồn.
Ví dụ:
THỰC THỂ
↓
QUAN HỆ
↓
TRÍCH ĐOẠN
↓
TRANG NGUỒNĐiều này giúp việc kiểm chứng trở nên minh bạch hơn.
Dữ liệu cấu trúc giúp đặt những câu hỏi mới
Khi tri thức được tổ chức tốt, người nghiên cứu có thể thực hiện những truy vấn khó làm bằng phương pháp thủ công.
Ví dụ:
- Dược liệu nào xuất hiện nhiều trong các y thư?
- Một bài thuốc có bao nhiêu dị bản?
- Danh y nào được nhắc đến trong nhiều nguồn?
- Một thuật ngữ thay đổi như thế nào theo thời gian?
Có thể hình dung:
DỮ LIỆU RỜI RẠC
↓
KHÓ ĐẶT CÂU HỎI
DỮ LIỆU CÓ CẤU TRÚC
↓
CÓ THỂ TRUY VẤN
↓
CÓ THỂ PHÂN TÍCHĐây là một trong những giá trị quan trọng nhất của chuyển đổi số.
AI có thể hỗ trợ nhưng không nên thay thế việc kiểm chứng
Khi số lượng tài liệu lớn, AI có thể hỗ trợ:
- OCR.
- Tìm kiếm.
- Nhận diện thực thể.
- Phân loại văn bản.
- Gợi ý liên kết.
Ví dụ:
Y THƯ
↓
AI HỖ TRỢ TRÍCH XUẤT
↓
DỮ LIỆU GỢI Ý
↓
CON NGƯỜI KIỂM CHỨNGĐiểm quan trọng nằm ở bước cuối.
AI có thể:
- Nhầm tên.
- Ghép sai thực thể.
- Bỏ sót ngữ cảnh.
- Tạo ra liên kết không tồn tại trong nguồn.
Do đó, AI phù hợp với vai trò:
Hỗ trợ xử lý và khám phá dữ liệu.
Không nên xem kết quả tự động là sự thật đã được xác minh.
Chuyển đổi số cũng là cơ hội kết nối tri thức
Một cuốn sách nằm trong thư viện có giá trị.
Nhưng khi được số hóa và liên kết với các nguồn khác, khả năng khai thác có thể tăng lên.
Ví dụ:
Y THƯ
│
├── DANH Y
│
├── DƯỢC LIỆU
│
├── BÀI THUỐC
│
└── NGHIÊN CỨU HIỆN ĐẠIKhi các nguồn dữ liệu được liên kết, người dùng có thể di chuyển từ một thông tin sang các thông tin liên quan.
Đây là sự khác biệt giữa:
Thư viện số
và một hệ thống có khả năng trở thành:
Hệ sinh thái tri thức số.
Một lộ trình hợp lý cho số hóa Y học cổ truyền
Không nhất thiết phải thực hiện mọi thứ cùng lúc.
Một lộ trình có thể là:
Giai đoạn 1: Bảo tồn
- Scan tài liệu.
- Lưu bản gốc số.
Giai đoạn 2: Văn bản hóa
- OCR.
- Hiệu đính.
Giai đoạn 3: Chuẩn hóa
- Chuẩn hóa tên gọi.
- Gắn nguồn.
- Phân loại dữ liệu.
Giai đoạn 4: Liên kết
- Liên kết thực thể.
- Liên kết văn bản.
- Liên kết nguồn tham khảo.
Giai đoạn 5: Khai thác
- Tìm kiếm.
- Truy vấn.
- Phân tích dữ liệu.
- Hỗ trợ nghiên cứu.
BẢO TỒN
↓
VĂN BẢN HÓA
↓
CHUẨN HÓA
↓
LIÊN KẾT
↓
KHAI THÁCChuyển đổi số không phải mục tiêu cuối cùng
Đôi khi người ta tập trung vào câu hỏi:
Đã số hóa bao nhiêu cuốn sách?
Đây là một chỉ số có ích, nhưng chưa đủ.
Một câu hỏi quan trọng hơn là:
Sau khi số hóa, tri thức có thể được tìm kiếm, kiểm chứng và sử dụng cho nghiên cứu hay không?
Một kho chứa 10.000 PDF vẫn có thể rất khó khai thác.
Trong khi một tập dữ liệu nhỏ hơn nhưng được tổ chức tốt có thể mang lại giá trị nghiên cứu lớn hơn.
Tương lai: từ tài liệu số đến hạ tầng tri thức
Tương lai của chuyển đổi số Y học cổ truyền có thể không chỉ là:
SÁCH → PDFMà là:
SÁCH
↓
VĂN BẢN
↓
DỮ LIỆU
↓
MỐI LIÊN HỆ
↓
HẠ TẦNG TRI THỨCTrong mô hình này, công nghệ không thay thế tri thức truyền thống.
Công nghệ tạo ra những phương thức mới để:
- Bảo tồn.
- Tra cứu.
- Kiểm chứng.
- Kết nối.
- Nghiên cứu.
Kết luận
Số hóa Y học cổ truyền không nên được hiểu đơn giản là biến sách giấy thành file PDF.
PDF là một bước quan trọng để bảo tồn tài liệu.
Nhưng để tri thức có thể được khai thác sâu hơn, cần tiếp tục các bước:
- Chuyển thành văn bản số.
- Kiểm tra và hiệu đính.
- Nhận diện thực thể.
- Chuẩn hóa thuật ngữ.
- Liên kết dữ liệu.
- Gắn thông tin nguồn.
Mục tiêu cuối cùng không chỉ là tạo ra một kho tài liệu lớn.
Mà là xây dựng khả năng:
Tìm được tri thức, hiểu được nguồn gốc và khám phá mối liên hệ giữa các nguồn tri thức.
Đó mới là một trong những ý nghĩa sâu hơn của chuyển đổi số đối với việc bảo tồn và phát triển Y học cổ truyền trong tương lai.
Lưu ý
Số hóa có thể giúp tăng khả năng tiếp cận và bảo tồn tư liệu, nhưng dữ liệu được trích xuất tự động vẫn cần được đối chiếu với nguồn gốc. Đặc biệt với y thư và tài liệu lịch sử, việc lưu giữ liên kết giữa dữ liệu số và văn bản nguồn là cần thiết để hỗ trợ kiểm chứng.
Từ khóa
chuyển đổi số Y học cổ truyền, số hóa y thư, số hóa tri thức YHCT, OCR y thư cổ, dữ liệu Y học cổ truyền, thư viện số Y học cổ truyền, bảo tồn tri thức số, AI và Y học cổ truyền.