Tri thức Y học cổ truyền Việt Nam tồn tại trong một hệ thống nguồn tư liệu rất đa dạng.
Có thông tin được ghi trong y thư cổ. Có thông tin nằm trong sách chuyên ngành hiện đại. Có tri thức được lưu truyền trong cộng đồng. Cũng có dữ liệu đang được lưu trữ trong các cơ sở dữ liệu số.
Sự đa dạng này là một giá trị lớn, nhưng đồng thời đặt ra một vấn đề quan trọng: làm thế nào để các nguồn thông tin có thể hiểu và kết nối với nhau?
Một dược liệu có thể xuất hiện dưới nhiều tên gọi. Một bài thuốc có thể được ghi theo những cách khác nhau. Một thuật ngữ có thể thay đổi theo thời kỳ hoặc vùng miền.
Nếu mỗi nguồn sử dụng một cách mô tả riêng mà không có cơ chế đối chiếu, dữ liệu sẽ ngày càng phân mảnh.
Đó là lý do chuẩn hóa trở thành một bước quan trọng trong hành trình xây dựng tri thức số.
Chuẩn hóa không có nghĩa là làm mọi thứ giống nhau
Khi nói đến chuẩn hóa, đôi khi người ta hiểu rằng cần chọn một tên duy nhất và loại bỏ tất cả các cách gọi khác.
Cách hiểu này chưa đầy đủ.
Đối với một lĩnh vực có lịch sử lâu đời như Y học cổ truyền, sự đa dạng của tên gọi cũng là một phần của di sản.
Một hệ thống tốt không nhất thiết phải xóa bỏ:
- Tên cổ
- Tên dân gian
- Tên địa phương
- Biến thể ngôn ngữ
Thay vào đó, chuẩn hóa có thể giúp xác định:
Những tên gọi khác nhau này có mối quan hệ như thế nào?
Ví dụ:
Tên ưu tiên
├── Tên đồng nghĩa
├── Tên địa phương
├── Tên lịch sử
└── Tên khoa học
Như vậy, chuẩn hóa không làm mất sự đa dạng mà giúp sự đa dạng có thể được quản lý và tra cứu.
Vấn đề của dữ liệu không chuẩn hóa
Hãy hình dung ba tài liệu khác nhau ghi về cùng một đối tượng.
Tài liệu A sử dụng tên dân gian.
Tài liệu B sử dụng tên Hán Việt.
Tài liệu C sử dụng tên khoa học.
Nếu đưa cả ba tài liệu vào cùng một cơ sở dữ liệu mà không có bước đối chiếu, hệ thống có thể coi đây là ba đối tượng khác nhau.
Hậu quả có thể bao gồm:
- Dữ liệu bị trùng lặp
- Kết quả tìm kiếm không đầy đủ
- Mối quan hệ bị chia nhỏ
- Phân tích dữ liệu sai lệch
- Khó liên kết với các cơ sở dữ liệu khác
Vấn đề này không chỉ xảy ra với dược liệu.
Nó cũng xuất hiện với:
- Danh y
- Y thư
- Bài thuốc
- Thuật ngữ chuyên ngành
- Địa danh lịch sử
Chuẩn hóa bắt đầu từ việc xác định đối tượng
Trước khi chuẩn hóa tên gọi, cần trả lời một câu hỏi cơ bản:
Đối tượng mà chúng ta đang nói đến là gì?
Ví dụ, một tên gọi có thể được sử dụng cho nhiều đối tượng khác nhau trong các vùng khác nhau.
Ngược lại, cùng một đối tượng có thể có nhiều tên.
Vì vậy, chuẩn hóa không thể chỉ dựa vào sự giống nhau về mặt chữ viết.
Cần xem xét:
- Ngữ cảnh
- Nguồn tư liệu
- Thời kỳ
- Địa phương
- Đặc điểm mô tả
- Các tài liệu đối chiếu
Đây là lý do việc chuẩn hóa tri thức thường cần sự kết hợp giữa công nghệ và chuyên môn.
Định danh giúp dữ liệu ổn định hơn
Tên gọi có thể thay đổi.
Nhưng một hệ thống dữ liệu có thể sử dụng mã định danh ổn định để đại diện cho một thực thể.
Ví dụ:
Entity ID: HERB_00125
Sau đó, thực thể này có thể được liên kết với nhiều tên gọi khác nhau.
| Mã định danh | Tên gọi | Loại |
|---|---|---|
| HERB_00125 | Tên ưu tiên | Chuẩn |
| HERB_00125 | Tên khác A | Đồng nghĩa |
| HERB_00125 | Tên khác B | Địa phương |
| HERB_00125 | Tên khác C | Lịch sử |
Cách tiếp cận này giúp hệ thống không phụ thuộc hoàn toàn vào một tên gọi.
Ngay cả khi cách sử dụng ngôn ngữ thay đổi, định danh vẫn có thể giữ cho các mối liên kết ổn định.
Chuẩn hóa dữ liệu và chuẩn hóa thuật ngữ không hoàn toàn giống nhau
Hai khái niệm này có liên quan nhưng không nên xem là một.
Chuẩn hóa thuật ngữ tập trung vào:
- Tên gọi
- Khái niệm
- Đồng nghĩa
- Định nghĩa
Trong khi đó, chuẩn hóa dữ liệu có phạm vi rộng hơn.
Nó có thể bao gồm:
- Cách ghi ngày tháng
- Định dạng tên
- Mã định danh
- Đơn vị dữ liệu
- Cấu trúc trường thông tin
- Kiểu quan hệ
Ví dụ, nếu một cơ sở dữ liệu ghi năm theo nhiều dạng khác nhau:
- 1960
- Năm 1960
- 1960 CN
việc xử lý và tìm kiếm có thể trở nên khó khăn.
Một quy ước thống nhất giúp dữ liệu dễ sử dụng hơn.
Chuẩn hóa quan hệ cũng quan trọng
Không chỉ tên của đối tượng cần được chuẩn hóa.
Tên của mối quan hệ cũng cần rõ ràng.
Ví dụ:
A liên quan đến B
là một mô tả quá rộng.
Có thể cần thay bằng:
- A được ghi nhận trong B
- A là tác giả của B
- A là thành phần của B
- A có tên khác là B
- A được trích dẫn bởi B
Mỗi quan hệ có ý nghĩa khác nhau.
Nếu sử dụng quan hệ quá chung chung, hệ thống sẽ khó phân tích.
Ngược lại, nếu tạo quá nhiều loại quan hệ chi tiết ngay từ đầu, hệ thống có thể trở nên phức tạp.
Vì vậy, cần tìm sự cân bằng giữa tính đơn giản và khả năng biểu đạt.
Khả năng liên thông là mục tiêu quan trọng
Một cơ sở dữ liệu có thể được xây dựng rất tốt nhưng vẫn tồn tại như một “ốc đảo” nếu không thể kết nối với hệ thống khác.
Khả năng liên thông có nghĩa là dữ liệu có thể được:
- Trao đổi
- Đối chiếu
- Liên kết
- Tái sử dụng
Ví dụ, dữ liệu dược liệu có thể cần liên kết với:
- Dữ liệu thực vật học
- Dữ liệu nghiên cứu
- Tài liệu lịch sử
- Cơ sở dữ liệu hóa học
Để làm được điều này, cần có cách biểu diễn đủ rõ ràng.
Chuẩn hóa vì vậy không chỉ phục vụ một website hoặc một dự án.
Nó tạo điều kiện để tri thức có thể phát triển vượt ra ngoài phạm vi ban đầu.
Metadata cũng cần được chuẩn hóa
Một tài liệu số không chỉ có nội dung.
Nó còn có các thông tin mô tả.
Ví dụ:
- Tác giả
- Năm
- Ngôn ngữ
- Loại tài liệu
- Phiên bản
- Nguồn lưu trữ
Nếu mỗi người nhập metadata theo một cách khác nhau, việc quản lý sẽ nhanh chóng trở nên khó khăn.
Ví dụ tên tác giả có thể được ghi:
- Nguyễn Văn A
- A. Nguyễn
- Nguyen Van A
- Nguyễn, Văn A
Các cách ghi này có thể cùng chỉ một người nhưng máy tính không phải lúc nào cũng tự nhận biết chính xác.
Do đó, chuẩn hóa metadata là một phần quan trọng của quản trị dữ liệu.
Chuẩn hóa cần giữ lại dữ liệu gốc
Một nguyên tắc quan trọng là không nên thay thế hoàn toàn dữ liệu nguyên bản.
Ví dụ, một tài liệu cổ sử dụng cách gọi khác với thuật ngữ hiện đại.
Hệ thống có thể tạo một trường:
Tên chuẩn
nhưng vẫn nên giữ:
Tên xuất hiện trong nguồn gốc
Nhờ đó, người dùng vừa có thể tìm kiếm bằng thuật ngữ hiện đại, vừa có thể quay lại kiểm tra văn bản nguyên bản.
Một mô hình phù hợp có thể là:
Dữ liệu gốc → Giữ nguyên
Dữ liệu chuẩn hóa → Tạo lớp liên kết
Nguồn tham chiếu → Lưu kèm
Cách làm này giúp tránh việc chuẩn hóa trở thành quá trình làm mất thông tin lịch sử.
Chuẩn hóa là một quá trình, không phải trạng thái cuối cùng
Không có một hệ thống chuẩn hóa nào hoàn hảo ngay từ đầu.
Khi có thêm tài liệu mới, có thể phát hiện:
- Một tên gọi mới
- Một biến thể chính tả
- Một cách hiểu khác
- Một mối quan hệ cần điều chỉnh
Do đó, hệ thống cần có khả năng cập nhật.
Quan trọng là phải ghi nhận lịch sử thay đổi.
Ví dụ:
Phiên bản 1: Liên kết A-B
Phiên bản 2: Điều chỉnh sau khi có nguồn mới
Việc lưu lịch sử giúp người nghiên cứu hiểu vì sao dữ liệu thay đổi.
Đây là một phần quan trọng của quản trị tri thức.
Vai trò của cộng đồng chuyên môn
Chuẩn hóa không nên là quyết định của một cá nhân duy nhất.
Một hệ thống tốt cần có sự đóng góp từ nhiều chuyên môn:
- Người làm Y học cổ truyền
- Nhà nghiên cứu
- Chuyên gia dược liệu
- Chuyên gia ngôn ngữ
- Chuyên gia Hán Nôm
- Chuyên gia dữ liệu
Mỗi nhóm có thể phát hiện những vấn đề mà nhóm khác khó nhận ra.
Ví dụ, một chuyên gia công nghệ có thể xây dựng mô hình dữ liệu tốt nhưng không đủ khả năng xác định chính xác một thuật ngữ cổ.
Ngược lại, một chuyên gia lĩnh vực có thể hiểu sâu nội dung nhưng cần công cụ để tổ chức dữ liệu quy mô lớn.
Chuẩn hóa vì vậy là một hoạt động liên ngành.
AI có thể hỗ trợ chuẩn hóa như thế nào?
Các công cụ AI có thể giúp phát hiện những dữ liệu có khả năng liên quan.
Ví dụ:
- Tìm tên gần giống
- Phát hiện biến thể chính tả
- Gợi ý thuật ngữ đồng nghĩa
- Phát hiện bản ghi trùng lặp
- So sánh mô tả giữa nhiều nguồn
Tuy nhiên, sự tương đồng không phải bằng chứng về sự đồng nhất.
Hai thuật ngữ giống nhau về chữ viết chưa chắc cùng chỉ một đối tượng.
Vì vậy, AI phù hợp nhất với vai trò:
Hỗ trợ phát hiện → Gợi ý → Con người kiểm tra → Xác nhận
Việc tự động hợp nhất dữ liệu mà không kiểm tra có thể tạo ra những sai sót khó phát hiện về sau.
Từ chuẩn hóa đến tái sử dụng tri thức
Dữ liệu được chuẩn hóa tốt có thể phục vụ nhiều mục đích khác nhau.
Ví dụ:
- Xây dựng từ điển
- Phát triển công cụ tìm kiếm
- Tạo knowledge graph
- Phân tích dữ liệu
- Hỗ trợ nghiên cứu
- Phát triển ứng dụng AI
Điều này giúp tránh tình trạng mỗi dự án mới phải bắt đầu xây dựng dữ liệu từ đầu.
Có thể hình dung:
Thu thập → Chuẩn hóa → Liên kết → Chia sẻ → Tái sử dụng
Đây là một chu trình giúp giá trị của dữ liệu tăng dần theo thời gian.
Chuẩn hóa và tương lai của Y học cổ truyền số
Trong tương lai, lượng dữ liệu liên quan đến Y học cổ truyền có thể tiếp tục tăng nhanh.
Nếu không có các nguyên tắc tổ chức, sự gia tăng dữ liệu cũng có thể dẫn đến sự gia tăng hỗn loạn.
Một hệ thống dữ liệu tốt không nhất thiết phải chứa tất cả mọi thứ.
Quan trọng hơn, nó cần có cấu trúc đủ rõ để dữ liệu mới có thể được bổ sung mà không phá vỡ toàn bộ hệ thống.
Chuẩn hóa chính là một trong những nền móng tạo ra khả năng mở rộng này.
Nó giúp trả lời không chỉ câu hỏi:
Chúng ta có bao nhiêu dữ liệu?
mà còn:
Dữ liệu này có thể kết nối, kiểm tra và tái sử dụng như thế nào?
Kết luận
Chuẩn hóa là một bước quan trọng trong hành trình chuyển đổi tri thức Y học cổ truyền Việt Nam sang môi trường số.
Mục tiêu không phải là loại bỏ sự đa dạng của các nguồn tư liệu, thuật ngữ và cách diễn đạt. Ngược lại, chuẩn hóa giúp nhận diện và liên kết sự đa dạng đó trong một cấu trúc có thể quản lý.
Từ định danh thực thể đến metadata, từ thuật ngữ đến các loại quan hệ, mỗi lớp chuẩn hóa đều góp phần giúp dữ liệu trở nên rõ ràng và có khả năng liên thông hơn.
Trong dài hạn, giá trị của một kho tri thức không chỉ nằm ở số lượng thông tin được lưu giữ mà còn ở khả năng để những thông tin đó có thể được tìm thấy, hiểu đúng, kết nối và tái sử dụng.
Đó chính là nền tảng để Y học cổ truyền không chỉ được bảo tồn dưới dạng tư liệu số, mà còn từng bước hình thành một hệ tri thức có khả năng phát triển cùng công nghệ.
Lưu ý: Nội dung bài viết mang tính thông tin, nghiên cứu và tham khảo, không thay thế cho tư vấn, chẩn đoán hoặc điều trị y khoa.
Từ khóa: chuẩn hóa Y học cổ truyền, chuẩn hóa dữ liệu YHCT, chuẩn hóa thuật ngữ y học, dữ liệu liên thông, interoperability YHCT, định danh thực thể, metadata Y học cổ truyền, cơ sở tri thức YHCT, chuyển đổi số Y học cổ truyền, bảo tồn tri thức Việt Nam.