Tóm tắt Luận án Tiến sĩ: Nghiên cứu phát triển mô hình học máy dùng ảnh xạ hình hỗ trợ chẩn đoán bệnh ung thư tuyến giáp thể biệt hoá sau phẫu thuật

Luận án tiến sĩ này tập trung vào việc nghiên cứu và phát triển mô hình học máy sử dụng ảnh xạ hình để hỗ trợ chẩn đoán bệnh ung thư tuyến giáp thể biệt hóa (UTTG TBH) sau phẫu thuật. UTTG là một trong những bệnh ung thư phổ biến, và việc chẩn đoán chính xác, kịp thời đóng vai trò quan trọng trong việc điều trị thành công. Phương pháp xạ hình toàn thân với I-131 bằng máy SPECT là một xét nghiệm có giá trị, nhưng phụ thuộc nhiều vào kinh nghiệm của bác sĩ. Luận án này đề xuất xây dựng bộ cơ sở dữ liệu ảnh xạ hình lớn, chuẩn hóa, phù hợp với đặc trưng của người Việt Nam, đồng thời nghiên cứu các phương pháp xử lý ảnh và xây dựng giải pháp hỗ trợ tính liều dược chất phóng xạ khuyến nghị.

Luận án này hướng đến việc cung cấp một công cụ hỗ trợ chẩn đoán và điều trị ung thư tuyến giáp thể biệt hóa (UTTG TBH) sau phẫu thuật, giúp nâng cao hiệu quả điều trị và cải thiện tiên lượng cho bệnh nhân.

Luận án này tập trung vào việc phát triển một mô hình học máy để hỗ trợ chẩn đoán ung thư tuyến giáp thể biệt hóa (UTTG TBH) sau phẫu thuật bằng cách sử dụng ảnh xạ hình SPECT. Mục tiêu chính bao gồm xây dựng một cơ sở dữ liệu ảnh xạ hình SPECT lớn và chuẩn hóa, đặc trưng cho người Việt Nam.

Luận án đã xây dựng một bộ cơ sở dữ liệu xạ hình tuyến giáp (SPECT) sau phẫu thuật với số lượng mẫu lớn, chuẩn hóa và độ tin cậy cao, phù hợp với đặc trưng của người Việt Nam. Bộ dữ liệu này bao gồm 1,755 mẫu được thu thập từ Bệnh viện Trung ương Quân đội 108, mang đặc điểm lâm sàng của người Việt Nam và được đánh giá bằng các mô hình học máy phổ biến. Đề xuất các giải pháp xử lý dữ liệu, lựa chọn mô hình tối ưu sử dụng các đặc trưng của dữ liệu, luận án đã đề xuất các mô hình học sâu DETR và RR-HCL-SVM để phát hiện và phân loại mô giáp còn sót lại trên ảnh xạ hình tuyến giáp (SPECT) với độ nhạy cao trên tập dữ liệu nhỏ.

Luận án đề xuất mô hình RR-HCL-SVM, một khung hai giai đoạn kết hợp đặc trưng chỉ số quét phóng xạ RSI và đặc trưng ảnh xạ hình, kỹ thuật phân cụm thứ bậc, và phương pháp máy vectơ hỗ trợ. Mô hình này cho phép nhận biết và phân loại sự có mặt của mô tuyến giáp tồn dư trên các ảnh xạ hình (SPECT) với độ chính xác cao, giải quyết được các hạn chế của việc chỉ dùng chỉ số RSI của mô hình DETR.

Luận án đề xuất giải pháp hỗ trợ phân loại liều dược chất phóng xạ trong quá trình điều trị bệnh nhân ung thư tuyến giáp sau phẫu thuật cắt bỏ tuyến giáp dựa trên việc ứng dụng các mô hình học máy đơn giản mà hiệu quả trên tập dữ liệu dạng bảng. Mô hình Cây quyết định C4.5 (DT-C4.5) được giới thiệu như một giải pháp ưu việt trong phân loại dữ liệu và dự đoán liều I-131.

Kết quả nghiên cứu cho thấy mô hình RR-HCL-SVM có hiệu suất chẩn đoán vượt trội so với chẩn đoán trực tiếp của bác sĩ chuyên khoa. Mô hình Cây quyết định C4.5 (DT-C4.5) có thể đưa ra liều điều trị phù hợp, hỗ trợ bác sĩ trong quá trình điều trị ung thư tuyến giáp sau phẫu thuật.