XÂY DỰNG MÔ HÌNH HỖ TRỢ DỰ ĐOÁN VÀ ĐIỀU TRỊ BỆNH LÝ TẠNG CAN SỬ DỤNG PHƯƠNG PHÁP HỌC MÁY
Nội dung chính của bài viết
Tóm tắt
Gần đây, mục tiêu phát triển nền y học cổ truyền trở nên cấp thiết để đáp ứng các kì vọng đến từ nhu cầu thực tế. Tuy nhiên, vấn đề này đang đối mặt với nhiều thách thức khi tiếp cận bằng các phương pháp theo những con đường kinh điển. Trong bối cảnh đó, việc tiếp cận theo con đường dữ liệu được kì vọng tăng tốc quá trình phát triển. Cùng hướng đi này, nghiên cứu xây dựng mô hình hỗ trợ chẩn đoán và điều trị thể bệnh tạng can bằng các phương pháp học máy. Thử nghiệm trên bộ dữ liệu thu thập từ các tài liệu y học cổ truyền phổ dụng, mô hình đã đưa ra các gợi ý dự đoán với tính tương thích cao (100%), và đề xuất được các bước thăm khám tiếp theo. Bên cạnh đó, phương pháp luận kết hợp được áp dụng sàng lọc được 46 (trong hơn 62500) mối quan hệ giữa chứng - vị thuốc. Ý nghĩa của các mối quan hệ này đã được ghi nhận thông qua so sánh với dược thư. Các kết quả của nghiên cứu bước đầu cho thấy tiềm năng ứng dụng hỗ trợ lâm sàng, xa hơn là góp phần thúc đẩy sự phát triền của lĩnh vực Tin – Y học.
Chi tiết bài viết
Từ khóa
y học cổ truyền Việt Nam, trí tuệ nhân tạo, học máy
Tài liệu tham khảo
2. Chen, M., Jiang, Y., Cao, Y., & Zomaya, A. Y. (2020). CreativeBioMan: a brain-and body-wearable, computing-based, creative gaming system. IEEE Systems, Man, and Cybernetics Magazine, 6(1), 14-22.
3. He, J., Baxter, S. L., Xu, J., Xu, J., Zhou, X., & Zhang, K. (2019). The practical implementation of artificial intelligence technologies in medicine. Nature medicine, 25(1), 30-36.
4. Paul, D., Sanap, G., Shenoy, S., Kalyane, D., Kalia, K., & Tekade, R. K. (2021). Artificial intelligence in drug discovery and development. Drug discovery today, 26(1), 80.
5. Biên, N. T. (2020). Điều tra, sưu tầm, tổng hợp nguồn thực vật, động vật, khoáng vật làm thuốc tại tỉnh Lâm Đồng để xây dựng danh lục tài nguyên dược liệu tỉnh Lâm Đồng.
6. Cù, K. L., Trần, M. T., Lê, H. S., Lương, T. H. L., Phạm, M. C., Nguyễn, T. T., & Phạm, V. H. (2021). Chẩn đoán bệnh trong y học cổ truyền: Hướng tiếp cận dựa trên đồ thị tri thức mờ dạng cặp. Các công trình nghiên cứu, phát triển và ứng dụng Công nghệ Thông tin và Truyền thông, 59-68.
7. Bretthorst, G. L. (1990). An introduction to parameter estimation using Bayesian probability theory. In Maximum Entropy and Bayesian Methods (pp. 53-79). Dordrecht: Springer Netherlands.
8. Abdel-Basset, M., Mohamed, M., Smarandache, F., & Chang, V. (2018). Neutrosophic association rule mining algorithm for big data analysis. Symmetry, 10(4), 106.