# 5️⃣ XAI dùng trong y sinh / sinh tin học như thế nào?
### 1. Đặc thù của y sinh & sinh tin học
Khác với nhiều lĩnh vực khác, y sinh có 4 yêu cầu **rất khắt khe**:
1. **Độ chính xác cao** (liên quan sức khỏe, tính mạng)
2. **Giải thích được** (bác sĩ, nhà nghiên cứu phải hiểu)
3. **Phù hợp sinh học** (biologically plausible)
4. **Có giá trị tri thức** (không chỉ dự đoán)
👉 Vì vậy:
> **Deep Learning thuần túy là chưa đủ → cần XAI**
***
### 2. XAI trong **y khoa lâm sàng** (clinical data)
#### Bài toán thường gặp
* Dự đoán:
* Nguy cơ bệnh
* Tái phát
* Biến chứng
* Dữ liệu:
* Tuổi, BMI, HbA1c, glucose, huyết áp…
#### XAI được dùng để:
* Chỉ ra:
* Feature nào **ảnh hưởng nhiều nhất**
* Ảnh hưởng **theo hướng tăng hay giảm**
* Trả lời câu hỏi:
> “Vì sao bệnh nhân A được xếp nguy cơ cao?”
👉 Điều này giúp:
* Bác sĩ **tin kết quả**
* Đối chiếu với kiến thức y khoa hiện có
***
### 3. XAI trong **ảnh y khoa** (medical imaging)
#### Bài toán thường gặp
* Phát hiện:
* Khối u
* Tổn thương
* Bất thường trên X-ray, MRI, CT
#### XAI được dùng để:
* Tạo **heatmap / saliency map**
* Chỉ ra:
* Vùng ảnh nào ảnh hưởng mạnh đến dự đoán
👉 Bác sĩ có thể:
* Kiểm tra:
* Mô hình nhìn đúng vùng bệnh hay không
* Phát hiện:
* Mô hình học sai (artefact, nhiễu)
***
### 4. XAI trong **sinh tin học – protein / gene**
#### Bài toán thường gặp
* Dự đoán:
* Chức năng protein
* Vị trí hoạt động
* Ảnh hưởng của đột biến
#### XAI được dùng để:
* Xác định:
* Amino acid / residue nào quan trọng
* Motif nào ảnh hưởng mạnh
* So sánh với:
* Kiến thức sinh học đã biết
* Vùng bảo tồn (conserved regions)
👉 XAI giúp:
* Phát hiện **tri thức sinh học mới**
* Không chỉ dừng ở “dự đoán đúng”
***
### 5. Local vs Global XAI trong y sinh (rất thực tế)
#### Local XAI
* Giải thích:
* 1 bệnh nhân
* 1 ảnh
* 1 protein cụ thể
👉 Phù hợp:
* Chẩn đoán
* Quyết định cá nhân
***
#### Global XAI
* Giải thích:
* Xu hướng chung
* Feature quan trọng toàn cục
* Bias mô hình
👉 Phù hợp:
* Nghiên cứu
* Đánh giá mô hình
* Viết paper / luận văn
***
### 6. Vai trò của XAI trong **nghiên cứu khoa học**
Trong nghiên cứu:
* **Accuracy cao** → chưa đủ
* Cần:
* Giải thích
* Lập luận
* So sánh với sinh học thật
XAI giúp:
* Chứng minh mô hình:
* Học đúng bản chất
* Không học nhiễu
* Tăng:
* Giá trị khoa học
* Khả năng công bố
👉 Đây là lý do XAI **rất được đánh giá cao trong luận văn & paper**.
***
### 7. Hiểu đúng để tránh dùng XAI sai cách
❌ Dùng XAI chỉ để:
* Vẽ hình
* Trang trí báo cáo
✔️ Dùng XAI để:
* Kiểm chứng mô hình
* Phát hiện sai lệch
* Kết nối AI với sinh học
👉 **XAI là công cụ khoa học, không phải đồ họa**
***
### 8. Tóm tắt đúng tinh thần Group 5
> **Trong y sinh & sinh tin học,**\
> **XAI là cầu nối giữa mô hình AI và hiểu biết sinh học của con người.**
Câu nhớ nhanh:
```
Deep Learning cho dự đoán.
XAI cho ý nghĩa sinh học.
```
---
# 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/explainable-ai-xai/xai-dung-trong-y-sinh-sinh-tin-hoc-nhu-the-nao.md?ask=
```
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.