ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG TƯ VẤN SÀNG LỌC TRƯỚC SINH THALASSEMIA

Nguyễn Bá Tùng 1, Trần Danh Cường 2,3, Nguyễn Thị Trang 3,4, Nguyễn Tuấn Hưng 5, Trần Hồng Thái 3, Đỗ Quang Huy 3, Nguyễn Xuân Đại 3, Nguyễn Phương Ngọc 3, Đỗ Nguyễn Khánh 6, Lê Thị Minh Phương 7, Đào Thị Huyền Trang 3, Công Thị Kim Thu 8,
1 Học viện quân y
2 Bệnh viện Phụ sản Trung ương
3 Đại học Y Hà Nội
4 Bệnh viện Đại học Y Hà Nội
5 Bộ y tế
6 Trường PTTH chuyên Đại học sư phạm
7 Đại học y dược, Đại học Quốc gia Hà Nội
8 Bệnh viện đa khoa Đống Đa

Nội dung chính của bài viết

Tóm tắt

Mục tiêu: Đánh giá kết quả thử nghiệm của hệ thống phần mềm trí tuệ nhân tạo hỗ trợ sàng lọc thalassemia trước sinh tại Bệnh viện Phụ sản Trung ương và Bệnh viện Phụ sản Hà Nội. Đối tượng và phương pháp: 244 hồ sơ bệnh án gồm tiền sử liên quan thalassemia, kết quả xét nghiệm gồm xét nghiệm tổng phân tích tế bào máu ngoại vi (ít nhất 4 chỉ số HGB, MCV, MCH, RDW); xét nghiệm sắt, ferritin huyết thanh; kết quả điện di (nếu có) của các cặp vợ chồng thai phụ đến khám tại Bệnh viện Phụ sản Trung ương và Bệnh viện Phụ Sản Hà Nội, được phân tích bởi hệ thống phần mềm trí tuệ nhân tạo (gồm phần mềm học máy và phần mềm hệ tri thức chuyên gia). Kết quả được so sánh với kết quả xét nghiệm gen chẩn đoán bệnh thalassemia bằng phương pháp Stripassay. Kết quả: Hệ thống phần mềm trí tuệ nhân tạo trong sàng lọc thalassemia trước sinh cho kết quả chính xác, độ nhạy trên 95%, giá trị dự báo dương tính đạt từ 94,29% đến 100%. Kết luận: Hệ thống phần mềm trí tuệ nhân tạo sàng lọc trước sinh thalassemia là công cụ hữu ích và hiệu quả cao trong dự đoán nguy cơ mang gen bệnh của các cặp vợ chồng thai phụ. Kỳ vọng được sử dụng như là một công cụ hỗ trợ trong quá trình sàng lọc và chẩn đoán bệnh, cùng với các phương pháp truyền thống.

Chi tiết bài viết

Tài liệu tham khảo

1. Nguyễn Anh Trí, Bạch Quốc Khánh và cs (2020). Nghiên cứu đặc điểm dịch tễ gen bệnh thalassemia/huyết sắc tố tại Việt Nam. Đề tài cơ sở Viện Huyết học - Truyền máu TW.
2. Amendolia SR, Cossu G, Ganadu ML, Golosio B, Masala GL, Mura GM. A comparative study of K-Nearest Neighbour, Support Vector Machine and Multi-Layer Perceptron for Thalassemia screening. Chemometrics and Intelligent Laboratory Systems. 2003/11/28/ 2003;69(1):13-20. doi:https://doi.org/10.1016/S0169-7439(03)00094-7
3. Egejuru N, Olusanya O, Asinobi A, Omotayo Joseph A, Adebayo V, Idowu P. Using Data Mining Algorithms for Thalassemia Risk Prediction. Journal of Biomedical Science and Engineering. 09/06 2019;7:33-44. doi:10.11648/ j.ijbse. 20190702.12
3. Fu YK, Liu HM, Lee LH, et al. The TVGH-NYCU Thal-Classifier: Development of a Machine-Learning Classifier for Differentiating Thalassemia and Non-Thalassemia Patients. Diagnostics (Basel, Switzerland). Sep 20 2021; 11(9)doi:10.3390/ diagnostics11091725