Với sự phát triển nhanh chóng về sức mạnh tính toán trong vài thập kỷ qua, kỹ thuật học máy (ML) đã trở nên phổ biến trong môi trường y tế như một cách để dự đoán tỷ lệ sống sót và tuổi thọ ở những bệnh nhân được chẩn đoán mắc các bệnh như ung thư, bệnh tim, đột quỵ, và gần đây là COVID-19. Mô hình thống kê như vậy giúp bệnh nhân và người chăm sóc cân bằng việc điều trị, nhằm mang lại cơ hội chữa khỏi bệnh cao nhất đồng thời giảm thiểu hậu quả của các tác dụng phụ tiềm ẩn.
Một giáo sư và nghiên cứu sinh của ông tại Đại học Texas ở Arlington đã công bố một mô hình mới dự đoán khả năng sống sót sau bệnh ung thư mà họ cho là hiệu quả hơn 30% so với các mô hình trước đây. Mô hình này có thể giúp bệnh nhân tránh được các phương pháp điều trị mà họ không cần, đồng thời cho phép các nhóm điều trị tập trung vào những người khác cần can thiệp bổ sung. Nghiên cứu đã được xuất bản trong Tạp chí Biên niên sử về thống kê ứng dụng .
“Các nghiên cứu trước đây mô hình hóa xác suất khỏi bệnh (tỷ lệ khỏi bệnh), đã sử dụng mô hình tuyến tính tổng quát với hàm liên kết tham số đã biết, ví dụ: hàm liên kết logistic. Tuy nhiên, nghiên cứu này không nắm bắt được các mối quan hệ phi tuyến tính hoặc phức tạp giữa khả năng khỏi bệnh và các đồng biến quan trọng, ví dụ: tuổi của bệnh nhân hoặc tuổi của người hiến tủy”, Suvra Pal, phó giáo sư thống kê tại Khoa Toán học, cho biết.
“Nghiên cứu của chúng tôi sử dụng mô hình xử lý thời gian xúc tiến (PCM) đã được thử nghiệm trước đó và kết hợp nó với một loại thuật toán ML được giám sát gọi là máy vectơ hỗ trợ (SVM) được sử dụng để nắm bắt các mối quan hệ phi tuyến tính giữa hiệp phương sai và xác suất xử lý.” Mô hình PCM tích hợp SVM mới (PCM-SVM) được phát triển theo cách dựa trên cách diễn giải đơn giản về các biến số để dự đoán bệnh nhân nào sẽ không khỏi bệnh khi kết thúc đợt điều trị ban đầu và sẽ cần các biện pháp can thiệp y tế bổ sung.
Để kiểm tra kỹ thuật này, Pal và sinh viên của mình là Wisdom Aselisewine đã lấy dữ liệu thực tế về khả năng sống sót của bệnh nhân mắc bệnh bạch cầu, một loại ung thư máu thường được điều trị bằng cấy ghép tủy xương. Các nhà nghiên cứu chọn bệnh bạch cầu vì nó gây ra bởi sự sản sinh nhanh chóng các tế bào bạch cầu ung thư bất thường. Vì điều này không xảy ra ở những người khỏe mạnh nên họ có thể thấy rõ bệnh nhân nào trong tập dữ liệu lịch sử đã được chữa khỏi bằng phương pháp điều trị và bệnh nhân nào không.
Cả hai mô hình thống kê đều đã được thử nghiệm và kỹ thuật PCM-SVM mới hơn được cho là có hiệu quả hơn 30% trong việc dự đoán ai sẽ được chữa khỏi bằng các phương pháp điều trị so với kỹ thuật trước đó.
Pal cho biết: “Những phát hiện này chứng minh rõ ràng tính ưu việt của mô hình được đề xuất”. “Với khả năng dự đoán chính xác về khả năng khỏi bệnh được cải thiện của chúng tôi, những bệnh nhân có tỷ lệ khỏi bệnh cao đáng kể có thể được bảo vệ khỏi những rủi ro khi điều trị cường độ cao. Tương tự, những bệnh nhân có tỷ lệ khỏi bệnh thấp có thể được đề nghị điều trị kịp thời để bệnh không tiến triển sang giai đoạn nặng. Giai đoạn mà các lựa chọn điều trị bị hạn chế. Mô hình mới sẽ đóng vai trò quan trọng trong việc xác định chiến lược điều trị tối ưu.”
Phạm Hạnh (dịch)
Nguồn: https://medicalxpress.com/news/2023-11-machine-technique-cancer.html