Các bác sĩ có thể bắt đầu điều trị ung thư nhờ vào trí tuệ nhân tạo (AI) mới được phát triển tại trường Đại học Surrey có khả năng dự báo các triệu chứng và mức độ nghiêm trọng của chúng trong suốt quá trình điều trị của bệnh nhân.

Trong nghiên cứu đã được công bố trên tạp chí PLOS One, các nhà nghiên cứu tại Trung tâm Thị lực, Ngôn ngữ và Xử lý tín hiệu (CVSSP) thuộc trường Đại học Surrey, các nhà khoa học đã mô tả chi tiết phương thức xây dựng hai mô hình học máy có thể vừa dự đoán chính xác mức độ nghiêm trọng của ba triệu chứng phổ biến mà bệnh nhân ung thư phải đối mặt, bao gồm trầm cảm, lo lắng và rối loạn giấc ngủ. Cả ba triệu chứng đó có liên quan đến việc làm giảm nghiêm trọng chất lượng cuộc sống của bệnh nhân ung thư.

Các nhà nghiên cứu đã phân tích dữ liệu hiện có về các triệu chứng mà bệnh nhân ung thư gặp phải trong quá trình điều trị bằng tia X cắt lớp vi tính. Nhóm nghiên cứu đã sử dụng các khoảng thời gian khác nhau trong dữ liệu này để kiểm tra xem các thuật toán máy học có thể dự đoán chính xác thời điểm và khả năng xuất hiện các triệu chứng. Kết quả cho thấy các triệu chứng được báo cáo trên thực tế rất gần với các triệu chứng được dự đoán bởi các phương pháp học máy.

Payam Barnaghi, Giáo sư tại trường Đại học Surrey, cho biết: "Những kết quả thú vị này mở ra cơ hội cho các kỹ thuật học máy tạo sự khác biệt thực sự trong cuộc sống của những người mắc bệnh ung thư. Như vậy các bác sĩ lâm sàng có thể xác định những bệnh nhân có nguy cơ cao, giúp đỡ và hỗ trợ xác định triệu chứng và lập trước kế hoạch để kiểm soát các triệu chứng đó và cải thiện chất lượng cuộc sống".

Nikos Papachristou, chuyên gia thiết kế các thuật toán của máy học cho dự án này, cho biết: "Tôi rất vui mừng khi thấy cách máy học và trí tuệ nhân tạo có thể được sử dụng để đưa ra các giải pháp tác động tích cực đến chất lượng cuộc sống và hạnh phúc của bệnh nhân".

Nghiên cứu là kết quả của mối quan hệ hợp tác giữa trường Đại học Surrey và Đại học California. Nghiên cứu được thực hiện dưới sự chỉ đạo của Giáo sư Christine Miaskowski.

P.K.L (NASATI), theo https://www.sciencedaily.com/releases/2019/01/190102112926.htm, 1/2019