# 4️⃣ Thảo luận & bài học rút ra (Discussion)

<figure><img src="/files/motCOquD5aH4BvdeS0JJ" alt=""><figcaption></figcaption></figure>

👉 **Vai trò của 7.4**\
Đây là **trang kết thúc Case Study**, nơi **không đưa thêm kết quả mới**, mà:

* Tổng hợp những gì đã làm
* Rút ra **bài học đúng bản chất**
* Chỉ rõ **giới hạn** và **hướng đi tiếp**

***

### 1. Deep Learning có thật sự vượt trội trong bài toán Diabetes?

Từ case study cho thấy:

* Với dữ liệu **tabular y sinh**:
  * Deep Learning **không luôn vượt trội** so với ML truyền thống
* Nhiều trường hợp:
  * Logistic Regression / Tree cho kết quả **tương đương**
  * Thậm chí **ổn định hơn**

👉 **Accuracy không phải lúc nào cũng biện minh cho DL**

***

### 2. Khi nào Deep Learning có ý nghĩa trong case này?

Deep Learning bắt đầu có giá trị khi:

* Dữ liệu đủ lớn
* Có **tương tác phi tuyến** giữa các chỉ số
* Cần:
  * Mô hình hóa quan hệ phức tạp
  * Kết hợp nhiều nguồn dữ liệu

👉 DL **là một lựa chọn**, không phải mặc định.

***

### 3. Vai trò then chốt của XAI trong y sinh

Case study khẳng định:

* **Không có XAI → mô hình thiếu giá trị thực tiễn**
* XAI giúp:
  * Giải thích từng ca bệnh (local)
  * Đánh giá hành vi tổng thể (global)
  * Đối chiếu với kiến thức y khoa

👉 Trong y sinh:

> **Giải thích quan trọng không kém dự đoán**

***

### 4. So sánh ML vs DL dưới góc nhìn học thuật

| Tiêu chí            | ML truyền thống | Deep Learning     |
| ------------------- | --------------- | ----------------- |
| Dễ triển khai       | Cao             | Trung bình        |
| Độ ổn định          | Cao             | Phụ thuộc dữ liệu |
| Khả năng giải thích | Rất tốt         | Cần XAI           |
| Hiệu năng           | Tốt             | Có thể cao hơn    |
| Phù hợp y sinh      | Rất phù hợp     | Chỉ khi có XAI    |

👉 **Không có mô hình “thắng tuyệt đối”**

***

### 5. Những hạn chế của Case Study

Case study này có các giới hạn:

* Dữ liệu:
  * Số lượng còn hạn chế
  * Chỉ dùng dữ liệu dạng bảng
* Mô hình:
  * Chưa thử nhiều kiến trúc DL
* XAI:
  * Mới dừng ở mức minh họa, chưa phân tích sâu

👉 Việc **chỉ ra hạn chế** là điểm cộng học thuật, không phải điểm trừ.

***

### 6. Bài học quan trọng nhất rút ra

Từ toàn bộ Case Study:

1. **Không nên bắt đầu bằng Deep Learning**
2. **Baseline ML là bắt buộc**
3. **XAI không phải tùy chọn trong y sinh**
4. **Hiểu mô hình quan trọng hơn chạy mô hình**

👉 Đây là **tư duy đúng trong nghiên cứu và ứng dụng AI y sinh**.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://deeplearningcoban.gitbook.io/deeplearningcoban.com/case-study-ung-dung-thuc-te/thao-luan-and-bai-hoc-rut-ra-discussion.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.