GIỚI THIỆU

Kể từ thế kỷ 20, giả thuyết về việc máy móc có thể mô phỏng hành vi của con người, không chỉ về mặt trí tuệ mà ngay cả trong các quá trình cảm xúc, đã được đưa ra. Khái niệm này đã tiến hóa nhanh chóng theo thời gian và được phản ánh rõ nét trong văn hóa đại chúng. Các bộ phim từ đầu những năm 2000 như A.I., Bicentennial Man, và I, Robot đã khắc họa một tương lai xa xôi và gần như bí ẩn. Tuy nhiên, chỉ trong vòng 10-20 năm, các tác phẩm như Ex Machina và Her đã bắt đầu phác họa một tương lai gần gũi hơn rất nhiều, ngày càng giống với thực tại hiện tại của chúng ta. Dù vậy, việc khắc họa trí tuệ nhân tạo (AI) trong điện ảnh không phải lúc nào cũng phản ánh đúng thực tế đương đại.

Hiện nay, AI đã trở thành một phần của cuộc sống hàng ngày. Theo dữ liệu từ Chương trình Phát triển của Liên Hợp Quốc (UNDP), tại các quốc gia như Colombia, AI được ứng dụng trong nhiều lĩnh vực (Hình 1). Việc triển khai AI đã cho phép tự động hóa các quy trình mà trước đây đòi hỏi phải thiết lập tham số thủ công, tối ưu hóa các nhiệm vụ đa dạng như quản lý giao thông và đồng bộ hóa đèn tín hiệu.

Trong thập niên 1950 và hai thập kỷ tiếp theo, AI bị giới hạn trong việc thực thi các lệnh đơn lẻ. Tuy nhiên, kể từ đầu thiên niên kỷ mới, độ phức tạp của nó đã tăng lên đáng kể, cho phép nó diễn giải và cuối cùng là học hỏi từ các dữ liệu mà nó xử lý.

Việc sử dụng AI trải rộng trên nhiều lĩnh vực khoa học, bao gồm cả y học, nơi nó hứa hẹn những tiến bộ mang tính bước ngoặt trong các khía cạnh như phát triển thuốc mới, diễn giải hình ảnh chẩn đoán và thậm chí là thực hiện các quy trình phẫu thuật đòi hỏi độ chính xác cao. Trong chuyên ngành da liễu, AI được ứng dụng trong soi da (dermoscopy) và đánh giá lâm sàng các bệnh lý qua trung gian miễn dịch như vảy nến và viêm da cơ địa. Các công cụ cũng đã được phát triển để cải thiện chẩn đoán da liễu lâm sàng, chẳng hạn như bellePRO. Trong lĩnh vực da liễu thẩm mỹ, AI hỗ trợ theo dõi bệnh nhân, cung cấp các công cụ giáo dục và góp phần tối ưu hóa nhiều chiến lược điều trị.

Bài viết này trình bày một đánh giá tổng quan về việc ứng dụng các công nghệ AI mới nổi trong lĩnh vực da liễu thẩm mỹ.

KẾT QUẢ

Các khái niệm cơ bản về trí tuệ nhân tạo

Nói một cách tổng quát, AI có thể được phân loại thành hai loại chính: AI mạnh (hoặc AI "tổng quát") và AI yếu. AI mạnh đề cập đến các cỗ máy có khả năng thực hiện nhiều nhiệm vụ, sở hữu nhận thức đạo đức, và thậm chí đạt đến một mức độ ý thức nhất định, tức là mức độ trí tuệ "tương tự" như con người. Mặc dù đã có một số ứng dụng của loại hình này, nó chủ yếu vẫn là một khái niệm gắn liền với khoa học viễn tưởng. Ngược lại, AI yếu được đào tạo để hoàn thành một mục tiêu cụ thể, và do đó các chương trình của nó được thiết kế cho các nhiệm vụ cụ thể. Đây là loại AI được sử dụng rộng rãi nhất hiện nay.

Dữ liệu lớn (Big Data) Dữ liệu lớn đề cập đến các tập dữ liệu quá lớn hoặc quá phức tạp để có thể được xử lý và phân tích bằng các công nghệ thông thường. Trong bối cảnh này, AI đóng vai trò then chốt bằng cách tự động hóa quá trình xử lý dữ liệu và tạo ra các mô hình dự đoán hiệu quả hơn.

Học máy (Machine learning) Học máy là một phương pháp phát triển AI trong đó máy móc tự tạo ra lập trình của riêng nó để thực hiện một nhiệm vụ cụ thể. Điều này đòi hỏi phải "huấn luyện" thông qua việc nhập dữ liệu và được phân loại thành ba mô thức: có giám sát, không giám sát và lai (kết hợp).

• Có giám sát: Mỗi đầu vào dữ liệu được gán một đầu ra tương ứng. Thông qua thử và sai, hệ thống học cách dự đoán phản hồi chính xác.
• Không giám sát: Dữ liệu được phân tích mà không có đầu ra được xác định trước, điều này rất hữu ích cho việc xác định các mẫu hình trong các tập dữ liệu lớn.
• Lai: Kết hợp cả hai cách tiếp cận, cung cấp một số dữ liệu đã được gán nhãn và những dữ liệu khác chưa được gán nhãn, qua đó làm giảm nhu cầu phân loại thủ công.

Trong da liễu, việc sử dụng dữ liệu được gán nhãn chiếm ưu thế, vì hầu hết các chương trình AI đều dựa vào việc phân tích hình ảnh y khoa.

Học sâu (Deep learning) Học sâu là một dạng của học máy sử dụng nhiều lớp xử lý. Trong da liễu, kỹ thuật được sử dụng rộng rãi nhất là Mạng nơ-ron nhân tạo (ANNs - Artificial Neural Networks). Trong các hệ thống này, mỗi lớp lần lượt nhận và xử lý thông tin, cho phép mô hình được huấn luyện để dự đoán kết quả với độ chính xác ngày càng tăng.

Nhìn chung, khi khối lượng dữ liệu nhỏ, học máy mang lại hiệu suất dự đoán tốt hơn. Tuy nhiên, khi khối lượng dữ liệu trở nên rất lớn, học sâu vượt trội hơn học máy cả về độ chính xác và hiệu suất tổng thể. Do chuyên ngành da liễu phụ thuộc rất nhiều vào phân tích hình ảnh, việc sử dụng mạng nơ-ron nhân tạo đại diện cho phương pháp luận chủ đạo trong lĩnh vực này.

Trí tuệ nhân tạo và da liễu thẩm mỹ

Các ứng dụng của AI đã trải qua sự tăng trưởng đáng kể trong da liễu thẩm mỹ, bao trùm nhiều lĩnh vực thực hành và tối ưu hóa các quy trình lâm sàng và công nghiệp trọng yếu.

AI trong phát triển dược mỹ phẩm

Theo truyền thống, việc đánh giá khả năng gây mẫn cảm (sensitizing potential) của các chất dược mỹ phẩm được tiến hành bằng các nghiên cứu trên động vật, trong đó các tá dược và hoạt chất được bôi ngoài da hoặc tiêm trong da để đánh giá các phản ứng nhạy cảm. Tuy nhiên, các phương pháp này đã vấp phải những tranh cãi về mặt đạo đức và cho thấy sự chấp nhận thấp từ công chúng, dẫn đến các hạn chế về mặt quy định ngày càng tăng đối với việc sử dụng chúng (Hình 3A và B).

Thay vào đó, các phương pháp in vitro (trong ống nghiệm) sử dụng mô hoặc tế bào để đánh giá sự kích thích kháng nguyên đã được phát triển. Mặc dù tính tương đương của chúng so với các nghiên cứu trên động vật và con người vẫn còn đang được tranh luận, những công cụ này đòi hỏi nguồn lực đáng kể. Trong bối cảnh này, Kalicinska và cộng sự đã phát triển một chương trình dựa trên AI sử dụng dữ liệu dịch tễ học lịch sử, đạt được những dự đoán về khả năng gây mẫn cảm tương đương với các nghiên cứu in vitro, mặc dù bị giới hạn bởi sự thiên lệch của dữ liệu.

Trong thập kỷ qua, nhiều mô hình học máy cũng đã được phát triển để dự đoán liệu một sản phẩm có thể hiện khả năng gây mẫn cảm hoặc khả năng gây nhân mụn (comedogenic) hay không. Với xu hướng này, có khả năng việc đánh giá dược mỹ phẩm trong tương lai sẽ ngày càng phụ thuộc vào các mô phỏng in silico (trên máy tính) thay vì thử nghiệm in vitro hoặc in vivo.

Ngoài ra, Yeh và cộng sự đã thiết kế các hệ thống AI có khả năng xác định các sự kết hợp thuốc có thể làm giảm thiểu quá trình lão hóa da. Sử dụng bản đồ di truyền và con đường phân tử, ba mạng lưới đã được xây dựng: một mạng lưới bao gồm các cơ chế di truyền và biểu sinh, mạng lưới thứ hai phân tích các tương tác protein, và mạng lưới thứ ba biên soạn các gen điều hòa. Dựa trên các tập dữ liệu này, một mạng nơ-ron đã đánh giá các loại thuốc tác động đến các mục tiêu chính, xác định sự kết hợp cụ thể cho từng bệnh nhân tùy theo độ tuổi. Độ chính xác dự đoán của mô hình đạt 93%.

AI trong các ứng dụng chăm sóc da trên di động và tại phòng khám

Nhiều ứng dụng di động đã tích hợp AI vào da liễu thẩm mỹ. Một ví dụ là Neutrogena Skin360™, sử dụng camera của điện thoại thông minh để đánh giá tình trạng tăng sắc tố, quầng thâm mắt, nếp nhăn (rhytides) và kết cấu da, sau đó cung cấp điểm số và đề xuất các sản phẩm bôi ngoài da để cải thiện chất lượng da. Các ứng dụng do các bác sĩ da liễu phát triển, độc lập với các phòng thí nghiệm thương mại, cũng tồn tại, chẳng hạn như Skiana, giúp đánh giá tông màu da, độ chùng nhão và các tình trạng da liễu bao gồm bệnh trứng cá đỏ (rosacea), viêm da cơ địa, mụn trứng cá và viêm da tiếp xúc. Tuy nhiên, mức độ khả dụng vẫn còn hạn chế ở nhiều quốc gia.

Tại Hoa Kỳ, PROVEN Beauty® sử dụng một cơ sở dữ liệu được gọi là Dự án Bộ gen Làm đẹp (Beauty Genome Project), tích hợp hàng nghìn sản phẩm và thành phần dược mỹ phẩm, các ấn phẩm khoa học và hàng triệu đánh giá của người tiêu dùng. Sử dụng thông tin này, mô hình AI của nó xác định các sản phẩm phù hợp nhất cho từng bệnh nhân. Người dùng hoàn thành một bảng câu hỏi để tạo ra các đề xuất mang tính cá nhân hóa cao, cho phép tạo ra tới 527 sự kết hợp sản phẩm khả thi. Mỗi sản phẩm được đề xuất thường chứa nhiều hoạt chất (Hình 4).

Liu và cộng sự đã đề xuất một hệ thống thậm chí còn cá nhân hóa hơn cho các khuyến nghị chăm sóc da dựa trên kiểu gen cá nhân. Cách tiếp cận này liên quan đến phân tích di truyền kết hợp với cơ sở dữ liệu di truyền rộng lớn và mô hình AI để thiết kế các quy trình chăm sóc da cá nhân hóa. Mặc dù các yếu tố môi trường không được xem xét, đây đại diện cho một mô hình điều trị có tính chọn lọc cao.

Các thiết bị AI tại phòng khám bao gồm Hệ thống Phân tích Da VISIA, đánh giá tám đặc điểm của da: tổn thương do ánh sáng (photodamage), nếp nhăn, kết cấu, lỗ chân lông, ban đỏ, porphyrin (dấu hiệu vi khuẩn mụn), sắc tố tổng thể và các đốm nâu. Sử dụng ánh sáng phân cực và ánh sáng UV, hệ thống tạo ra các phác đồ điều trị dành riêng cho từng bệnh nhân, hỗ trợ theo dõi lâm sàng và tăng cường giáo dục bệnh nhân.

Các thiết bị sử dụng tại nhà như Hệ thống Chăm sóc Da Độ chính xác cao Opté phân tích da thông qua camera tích hợp để phát hiện tình trạng tăng sắc tố và tự động bôi huyết thanh có màu chứa niacinamide để ngụy trang nám, đốm nâu tàn nhang (lentigines) và các tổn thương tương tự. Bất chấp chi phí cao và quy trình áp dụng kéo dài, việc đánh giá da bằng AI tại nhà tiếp tục ngày càng phổ biến.

Hơn nữa, AI là nền tảng cho các nền tảng tiên tiến như Alluring, cho phép phân tích theo thời gian thực tình trạng của da và da đầu, đánh giá hiệu quả điều trị và cung cấp các đề xuất cá nhân hóa dựa trên phản hồi liên tục.

Về hình ảnh y khoa, nhiều mô hình AI đã được phát triển, bao gồm phân tích siêu âm tần số cao được AI hỗ trợ để xác định vị trí giải phẫu, bệnh lý da, tính toàn vẹn của mô, tình trạng lão hóa và mức độ hydrat hóa. Các mô hình bổ sung đánh giá chức năng hàng rào bảo vệ da sử dụng nhiếp ảnh, độ dày của da qua siêu âm, và phân loại da từ hình ảnh. Mặc dù các công cụ này độc lập tăng cường việc lựa chọn sản phẩm dược mỹ phẩm, sự tích hợp trong tương lai có thể mang lại các đánh giá da liễu thẩm mỹ toàn diện và khách quan hơn nữa.

AI trong các thủ thuật thẩm mỹ

Các mô hình AI đã được huấn luyện để dự đoán phản ứng của bệnh nhân đối với liệu pháp laser excimer trong điều trị bệnh bạch biến (vitiligo), cho thấy rằng các mô hình tương tự có thể dự báo hiệu quả của các phương pháp điều trị laser cho sẹo mụn, rối loạn sắc tố và rối loạn mạch máu. Thực tế, các mô hình có khả năng dự đoán đáp ứng điều trị bằng laser ở những bệnh nhân bị tàn nhang (ephelides) đã được triển khai. Mô hình hóa 3D đã tiến xa hơn khi cho phép dự đoán kết quả của các thủ thuật thẩm mỹ, đặc biệt là đối với chất làm đầy da (filler), cho phép bệnh nhân hình dung kết quả tiềm năng trước khi điều trị. Shah và cộng sự đã trình diễn việc tạo ra hình ảnh khuôn mặt 3D sau trẻ hóa bằng cách sử dụng mạng nơ-ron đa lớp. Các mô hình này tạo ra các bản quét khuôn mặt ba chiều để xác định các mốc tiêm chất làm đầy tối ưu và dự đoán thể tích filler chính xác, đạt độ chính xác 62,5% vượt trội so với các kỹ thuật có sẵn trước đó.

Mô hình dự đoán cũng tạo điều kiện thuận lợi cho việc tự động hóa các thông số thiết bị trong các thủ thuật như sóng vô tuyến (radiofrequency) và lăn kim (microneedling), cho phép điều chỉnh theo thời gian thực dựa trên sắc tố, kết cấu, độ cong và các đặc điểm khác của da, từ đó làm giảm thời gian cấu hình thủ công.

AI trong giáo dục và theo dõi bệnh nhân

Hơn nữa, AI đã được triển khai như một công cụ giáo dục. Shi và cộng sự đã phát triển một ứng dụng dựa trên AI, "Skincare Mirror" (Gương soi chăm sóc da), dự đoán vẻ ngoài của da sau khi điều trị sau khi sử dụng sản phẩm, cung cấp hình dung cá nhân hóa về các kết quả mong đợi. Hệ thống này đã cải thiện đáng kể sự tham gia và sự hài lòng của người dùng, đặc biệt là ở nhóm người tham gia là nam giới.

RỦI RO CỦA VIỆC SỬ DỤNG TRÍ TUỆ NHÂN TẠO TRONG DA LIỄU THẨM MỸ

Các rủi ro liên quan đến việc sử dụng AI trong da liễu thẩm mỹ cần được cân nhắc cẩn thận. Một trong những vấn đề đáng lo ngại nhất là khả năng mất đi sự phán đoán lâm sàng (clinical judgement), do việc ngày càng tự động hóa chẩn đoán và điều trị có thể làm nản lòng việc đào tạo y khoa liên tục và tư duy phản biện của các chuyên gia. Điều này có thể làm ảnh hưởng đến chất lượng chăm sóc và giảm khả năng của bác sĩ trong việc quản lý các ca bệnh không điển hình hoặc việc đưa ra quyết định phức tạp. Hơn nữa, việc sử dụng các hệ thống AI không phù hợp hoặc không được giám sát có thể gây nguy hiểm cho sự an toàn của bệnh nhân, đặc biệt là trong các quyết định y tế nhạy cảm. Một rủi ro lớn khác nằm ở tính chủ quan của các khái niệm thẩm mỹ như vẻ đẹp và chất lượng da, điều này có thể dẫn đến các khuyến nghị không phù hợp, thiếu đạo đức hoặc mang tính thiên vị văn hóa.

NHỮNG HẠN CHẾ CỦA TRÍ TUỆ NHÂN TẠO TRONG DA LIỄU THẨM MỸ

Những hạn chế chính của AI trong da liễu thẩm mỹ liên quan đến chất lượng và tính đại diện của các tập dữ liệu huấn luyện. Nhiều thuật toán được phát triển bằng cách sử dụng các tập dữ liệu nhỏ, chất lượng thấp hoặc không đủ đa dạng, làm hạn chế khả năng tổng quát hóa của chúng trong thực hành lâm sàng. Hơn nữa, các mô hình AI hiện tại thiếu các cơ chế học tập liên tục có thể so sánh với kinh nghiệm tích lũy của các bác sĩ lâm sàng. AI cũng gặp khó khăn trong việc diễn giải hình ảnh ở các khu vực có giải phẫu phức tạp như da đầu, bề mặt niêm mạc, và các vùng bị ảnh hưởng bởi hình xăm hoặc lớp trang điểm, do đó hạn chế khả năng ứng dụng của nó trong các kịch bản thực tế. Cuối cùng, việc thiếu vắng các tiêu chuẩn được chuẩn hóa để đo lường các thuộc tính thẩm mỹ gây cản trở sự phát triển của các thuật toán chính xác và được cá nhân hóa.

CÁC RÀO CẢN VỀ QUY ĐỊNH VÀ TRIỂN KHAI TRONG DA LIỄU THẨM MỸ

Từ góc độ pháp lý quy định, việc ứng dụng AI trong da liễu phải đối mặt với sự thiếu hụt rõ rệt của các khuôn khổ pháp lý và đạo đức cụ thể. Trách nhiệm y khoa trong các trường hợp thuật toán bị lỗi vẫn chưa được giải quyết, với sự không chắc chắn về việc trách nhiệm nên thuộc về bác sĩ lâm sàng, nhà phát triển, cơ sở y tế hay nhà cung cấp phần mềm khi AI thất bại trong chẩn đoán hoặc điều trị. Ngoài ra, các tiêu chuẩn quốc tế mạnh mẽ cho việc đánh giá, xác nhận và tích hợp các hệ thống AI vào thực hành y khoa vẫn đang còn thiếu. Những thách thức kỹ thuật bao gồm khả năng tương tác nền tảng hạn chế, khó khăn trong việc tích hợp AI vào hệ thống hồ sơ bệnh án điện tử, và yêu cầu về phần cứng tiên tiến. Mối đe dọa ngày càng tăng của các cuộc tấn công mạng càng làm tổn hại đến quyền riêng tư và tính toàn vẹn của dữ liệu. Do đó, việc đầu tư đáng kể vào cơ sở hạ tầng, đào tạo và hỗ trợ từ các tổ chức là điều cần thiết để đảm bảo việc áp dụng an toàn và hiệu quả.

NHỮNG LỖ HỔNG HIỆN CÓ TRONG VIỆC TRIỂN KHAI AI TRONG DA LIỄU THẨM MỸ

Tồn tại một khoảng trống đáng kể giữa nghiên cứu AI được tiến hành trong môi trường có kiểm soát và khả năng áp dụng của nó trong thực hành lâm sàng hàng ngày. Hầu hết các phát triển AI dựa trên các nghiên cứu hồi cứu liên quan đến các quần thể hạn chế hoặc bị thiên lệch, mà không có sự xác thực thích hợp trong các bối cảnh lâm sàng thế giới thực. Điều này tạo ra một sự mất kết nối giữa tiềm năng lý thuyết của AI và tiện ích thiết thực của nó đối với các chuyên gia chăm sóc sức khỏe. Hơn nữa, những bất bình đẳng về y tế xã hội có thể trở nên trầm trọng hơn nếu các hệ thống AI được huấn luyện trên các tập dữ liệu không mang tính đại diện. Việc loại trừ các nhóm dân số dễ bị tổn thương, các dân tộc thiểu số và các týp da (skin phototypes) đa dạng có thể dẫn đến các chẩn đoán kém chính xác hơn và các khuyến nghị điều trị không tối ưu cho những nhóm này. Do đó, thiết kế và xác thực mô hình mang tính bao hàm và đại diện là rất quan trọng. Ngoài ra, nhiều bác sĩ lâm sàng thiếu được đào tạo đầy đủ về cách sử dụng AI hoặc vẫn hoài nghi về độ tin cậy của nó, điều này càng làm nới rộng thêm khoảng cách giữa đổi mới và triển khai.

BÀN LUẬN

AI đã nổi lên như một công cụ mang tính chuyển đổi trong da liễu thẩm mỹ, thúc đẩy những tiến bộ trong phân tích hình ảnh, phát triển dược mỹ phẩm và lập kế hoạch điều trị cá nhân hóa. Ứng dụng của nó đã nâng cao độ chính xác trong chẩn đoán và tối ưu hóa việc xác định các tình trạng da cũng như chiến lược điều trị.

Việc phát triển các thuật toán dựa trên mạng nơ-ron nhân tạo (ANN) đã chứng tỏ giá trị đặc biệt trong việc đánh giá hình ảnh y khoa, vượt trội hơn các phương pháp truyền thống về mặt hiệu quả và tính khách quan. Các mô hình được áp dụng cho phân tích siêu âm tần số cao và dự đoán đáp ứng điều trị bằng laser đã mở ra những hướng đi mới cho y học cá thể hóa.

Trong ngành công nghiệp mỹ phẩm, AI đã tạo ra một cuộc cách mạng trong việc phát triển và cá nhân hóa sản phẩm. Các hệ thống như PROVEN Beauty® tích hợp dữ liệu di truyền và môi trường để xây dựng các quy trình chăm sóc da tùy chỉnh. Tương tự, cả thiết bị lâm sàng và thiết bị tại nhà, bao gồm VISIA® và Opté, đã cải thiện việc đánh giá da và theo dõi quá trình điều trị, cho phép đưa ra các đề xuất sản phẩm chính xác hơn.

Tuy nhiên, những thách thức vẫn còn tồn tại, bao gồm sự thiên lệch của dữ liệu, nhu cầu phải xác thực lâm sàng nghiêm ngặt và sự bất bình đẳng trong việc tiếp cận các công nghệ này giữa các khu vực. Khi AI tiếp tục phát triển, việc tích hợp nó vào da liễu thẩm mỹ hứa hẹn sẽ cải thiện đáng kể việc chẩn đoán, phòng ngừa và điều trị các rối loạn da, cuối cùng chuyển đổi thực hành lâm sàng thông qua một cách tiếp cận chính xác và dựa trên bằng chứng hơn.

KẾT LUẬN

Khái niệm về sự cân bằng là nền tảng: AI không được tạo ra nhằm mục đích thay thế chuyên môn của con người, mà là để bổ sung cho nó. Trong da liễu thẩm mỹ - nơi đánh giá chuyên môn của chuyên gia là vô cùng thiết yếu - AI đóng vai trò như một công cụ hỗ trợ, nâng cao hiệu suất mà không thay thế vai trò của chuyên gia. Việc tích hợp nó có thể chuyển đổi quá trình thăm khám, cải thiện việc lập kế hoạch điều trị, tạo điều kiện thuận lợi cho việc theo dõi tiến độ và củng cố giáo dục bệnh nhân. Cuối cùng, sự hiệp đồng này được kỳ vọng sẽ thúc đẩy những tiến bộ đáng kể trong lĩnh vực da liễu thẩm mỹ.

Tạp chí: Actas Dermo-Sifiliográficas 117 (2026) 104560

Tác giả: D.E. Pimienta-Rosero (a,b), E.Y. Benavides-Tulcán (a,b), D.C. Fajardo-Murcia (a,b,c) (a) Khoa Sức khỏe, Bộ môn Nội khoa, Phân ban Da liễu, Đại học Valle, Cali, Colombia (b) Phân ban Da liễu, Bệnh viện Đại học Valle "Evaristo García", Cali, Colombia (c) Da liễu Thẩm mỹ, Đại học Alcalá, Tây Ban Nha

Link bài viết: https://doi.org/10.1016/j.ad.2025.104560