Luận văn Ứng dụng một số phương pháp tính toán xây dựng phần mềm trợ giúp điều trị thuốc

, cao [0,1] 16 Chế độ sinh hoạt Mờ ổn đinh, khơng ổn định [0,1] 17 Liều lượng thuốc Rõ 1,2,3,4,5,6,7,8 int Giá trị của các thành phần: Nhĩm nguy cơ đơng máu, Nhĩm nguy cơ tắc mạch thường do các bác sĩ quyết định dựa trên các yếu tố đã mơ tả ở phần 4.1.1. Mơ tả miền giá trị và cách xác định giá trị các biến mờ trong hệ thống: Đối tượng Giá trị Cách tính Giá trị cụ thể Chế độ ăn uống Ổn định Lượng Vitamin K trong ngày thấp Xét trong 5 ngày gần nhất >=3/5 ngày thấp Hoặc trung bình, Xét trong 5 ngày gần nhất >=4/5 ngày trung bình và thấp Khơng ổn định Lượng Vitamin K trong ngày cao Xét trong 5 ngày gần nhất >=3/5 ngày cao Chế độ sinh hoạt Ổn định Xét trong 5 ngày gần nhất ổn định >=4/5 ngày Khơng ổn định Xét trong 5 ngày gần nhất Khơng ổn định >=2/5 ngày 45 4.1.5 Suy diễn Áp dụng mơ hình suy diễn tiến cho tập đầu vào trên (phần 4.1.4) và sử dụng hệ thống tập luật INR cơ bản (phần 4.1.2) và luật điều chỉnh INR (phần 4.1.3). Khi tập biến đầu vào với các giá trị tương ứng, hệ thống sẽ tìm ra các luật điều chỉnh nào sẽ được sử dụng cho việc tính INR, và các luật INR cơ bản để tìm ra liều lượng thuốc cần uống tương ứng. Sử dụng các biến mờ trong hệ thống làm cho việc biểu diễn tri thức của các bác sĩ được linh hoạt và dễ dàng hơn. Thuật lợi cho việc tìm kiếm các luật tương ứng và nhanh chĩng tìm ra được các giá trị cụ thể của đầu ra. Đầu vào của các tập luật trong phần 1.2 và 1.3 cĩ thể là rõ hoặc mờ. Đầu ra của các luật điều chỉnh INR trong 1.3 sẽ là mờ. Đầu ra của các luật INR cơ bản liên quan đến liều lượng thuốc lại là rõ. Kết quả cuối cùng chính là liều lượng thuốc cơ bản của một giai đoạn thời gian tương ứng theo yêu cầu của người dùng, liều lượng này là rõ và là các giá trị cụ thể trong khoảng từ 1 đến 8, tương ứng với các 1 đến 8 phần của 1 viên thuốc Sintrom 4mg. Ví dụ minh họa: Xét trường hợp một bệnh nhân cĩ số liệu như sau: patient_id Family name name birthday sex Height Weight Operated Date 05-00- 27346 Nguyễn Văn Thành 1985/1/1 0 167 49 14/11/2005 Risk of Froze Blood Risk o fEmbolism Clinical Enclosure Type of valse No of valse Region Epidemic bình thường bình thường rung nhĩ Vịng van 2 lá 1 Mien Bac Nong Thon Patient_id Date INR_Min INR_max Dose basic 05-00-27346 2005/11/14 1.5 3 2 Patient_id No Date INR Dose Vitamin K in day Activities 05-00-27346 1 2005/11/14 1.45 0 Thap Binh thuong 05-00-27346 2 2005/11/15 1.33 2 Thap Binh thuong 05-00-27346 3 2005/11/16 1.39 2 Binh thuong Binh thuong 46 05-00-27346 4 2005/11/17 1.5 2 Thap Binh thuong 05-00-27346 5 2005/11/18 1.5 2 Thap Binh thuong 05-00-27346 6 2005/11/19 1.5 4 Thap Binh thuong 05-00-27346 7 2005/11/20 3.4 4 Cao Binh thuong 05-00-27346 8 2005/11/21 3.4 4 Cao Binh thuong 05-00-27346 9 2005/11/22 3.26 0 Thap Binh thuong 05-00-27346 10 2005/11/23 1.99 2 Thap Binh thuong Để dự đốn được liều lượng cần uống ngày thứ 6: Chế độ ăn uống: Nếu giá trị độ ổn định chế độ ăn uống ngày thứ 6 đã được nhập, thì hệ thống sẽ lấy giá trị đĩ để tính luơn. Trong trường hợp chưa được nhập, hệ thống sẽ dùng các luật sau để tính ra độ ổn định ăn uống ngày thứ 6 của bệnh nhân. Đầu vào: Chế độ ăn uống Ổn định Lượng Vitamin K trong ngày thấp Xét trong 5 ngày gần nhất >=3/5 ngày thấp Hoặc trung bình, Xét trong 5 ngày gần nhất >=4/5 ngày trung bình và thấp Khơng ổn định Lượng Vitamin K trong ngày cao Xét trong 5 ngày gần nhất >=3/5 ngày cao Độ ổn định của Chế độ ăn uống = Lượng vitamin K 5 ngày trước đĩ là 4 thấp và 1 trung bình, Cho nên: độ ổn định = 1/5 + 1/5 + 1/5 + 1/5 +1/5=5/5=1; Độ khơng ổn định = 0/5=0; Chế độ ăn uống = max(độ ổn định, độ khơng ổn định) =1 Vậy chế độ ăn uống ngày thứ 6 sẽ cĩ giá trị là ổn định. Chế độ sinh hoạt: Nếu giá trị độ ổn định chế độ sinh hoạt ngày thứ 6 đã được nhập, thì hệ thống sẽ lấy giá trị đĩ để tính luơn. Trong trường hợp chưa được nhập, hệ thống sẽ dùng các luật sau để tính ra độ ổn định sinh hoạt ngày thứ 6 của bệnh nhân. 47 Chế độ sinh hoạt Ổn định Xét trong 5 ngày gần nhất ổn định >=4/5 ngày Khơng ổn định Xét trong 5 ngày gần nhất Khơng ổn định >=2/5 ngày Xét giá trị của 5 ngày trước đĩ: Chế độ sinh hoạt đều là bình thường, Cho nên độ ổn định = 1/5 + 1/5 + 1/5 + 1/5 +1/5=5/5=1; Độ khơng ổn định = 0/5=0; Chế độ sinh hoạt = max(độ ổn định, độ khơng ổn định) =1 Vậy chế độ sinh hoạt ngày thứ 6 sẽ cĩ giá trị là ổn định. Giá trị khởi tạo INR cần tính sẽ phụ thuộc vào giá trị INR 2 ngày gần nhất trước đĩ. INR thật (ngày 4) =1.5 >=INR_Min, INR thật (ngày 5) =1.5 >=INR_Min, Áp dụng luật điều chỉnh INR số 1: INR dự đốn (ngày 6) =INR(ngày 5) = 1.5, Áp dụng luật tính liều lượng cơ bản số 1: Dose dự đốn (ngày 6)=Dose_Basic =2; Ngày thứ 8, tính tương tự sẽ cĩ Chế độ ăn uống = (ổn định =1) Chế độ sinh hoạt = (ổn định =1) INR thật (ngày 6) =1.5 >=INR_Min, INR thật (ngày 7) =3.4 >INR_Max=3, Áp dụng luật điều chỉnh INR thứ 4: INR dự đốn (ngày 8) = INR_max =3. Áp dụng luật tính liều lượng cơ bản số 6: Dose dự đốn (ngày 8) = Dose_basic-1=2-1=1; Bảng kết quả sẽ như sau (bảng 5.2 – chương 5): Patient_id No Date INR Dose INR Pred Dose Pred Err INR Err Dose 05-00-27346 1 2005/11/14 1.45 0 05-00-27346 2 2005/11/15 1.33 2 05-00-27346 3 2005/11/16 1.39 2 05-00-27346 4 2005/11/17 1.5 2 05-00-27346 5 2005/11/18 1.5 2 1.5 2 0 0 05-00-27346 6 2005/11/19 1.5 4 1.5 2 0 -2 05-00-27346 7 2005/11/20 3.4 4 3 1 -0.4 -3 05-00-27346 8 2005/11/21 3.4 4 3.4 0 0 -4 48 4.2. Phương pháp trường hợp dựa trên các trường hợp Mơ hình của phương pháp này tuân thủ theo đúng lý thuyết của phương pháp lập luận theo các trường hợp như sơ đồ dưới đây [34]: Hình 3.1 Chu trình lập luận dựa trên các trường hợp 49 Trong chu trình lập luận dựa theo các trường hợp này: Lưu trữ: từ mơ tả của trường hợp mục tiêu được sử dụng để lưu trữ vào cơ sở dữ liệu các trường hợp mẫu. Sử dụng lại: Các trường hợp mẫu đã được lưu trữ sẽ được sử dụng lại trong tương lai với một giải pháp thích hợp. Duyệt lại: Một giải pháp mới được kiểm tra xem cĩ thành cơng khơng. Ghi lại: Vấn đề mục tiêu với giải pháp của nĩ được thêm vào cơ sở dữ liệu các trương hợp mẫu. Các yếu tố cơ bản sau đây được sử dụng để mơ tả đối tượng bệnh nhân: Giới tính Tuổi Chiều cao Cân nặng Ngày mổ Nhĩm nguy cơ đơng máu Nhĩm nguy cơ tắc mạch Điều kiện kèm theo Loại van Số van Vùng miền Khu vực Giải pháp mục tiêu ở đây chính là chế độ điều trị của một bệnh án mẫu khi đã được tìm ra là tốt nhất để áp dụng cho trường hợp đang xét. 50 Hàm tính độ tương tự: Dựa trên độ đo mờ của các yếu tố trên trong hàm tính độ tương tự với các bệnh án mẫu: Trong đĩ: T và C là 2 trường hợp đang được tính độ tương tự với nhau. fti, fci: tương ứng là các đặc tính của trường hợp T và trường hợp C, wi∈[0,1]; ∑wi=1; Sim(ftn,fcn)∈[0,1]; Sim(T,C)∈[0,1]; Nếu Sim(T,C)=1 Thì trường hợp T hồn tồn tương tự như trường hợp C, Nếu Sim(T,C)=0 Thì trường hợp T hồn tồn khác với trường hợp C, Nếu 0<Sim(T,C)<1 Thì trường hợp T tương tự với trường hợp C với giá trị Sim(T,C), Với bài tốn cụ thể này, tập f={Giới tính, Tuổi, Chiều cao, Cân nặng, Ngày mổ, Nhĩm nguy cơ đơng máu, Nhĩm nguy cơ tắc mạch, Điều kiện kèm theo, Loại van, Số van, Vùng miền, Khu vực} Tập w tương ứng sẽ được tính tốn tối ưu theo mức độ ưu tiên dựa trên kinh nghiệm của các bác sĩ. Một tập tương ứng các kết quả thử nghiệm được đề nghị như sau: i fi fi wi 1 Số van Noofvalse 19/100 2 Khu vực Epidemic 15/100 3 Vùng miền Region 13/100 4 Loại van typeofvalse 10/100 5 Điều kiện kèm theo ClinicalEnclosure 7/100 6 Nhĩm nguy cơ đơng máu RiskofFrozeBlood 5/100 Sim(T,C)=w1.Sim(ft1,fc1)+…+wn.Sim(ftn,fcn) Trọng số đặc trưng Trường hợp tương tự Độ tương tự đặc trưng 51 7 Nhĩm nguy cơ tắc mạch RiskofEmbolism 3/100 8 Tuổi birthday 6/100 9 Giới tính sex 10/100 10 Chiều cao Height 5/100 11 Cân nặng Weight 5/100 12 Thời điểm mổ Month of Operated 2/100 Tổng cộng w 100/100 Xét 2 trường hợp bệnh án t và c, độ tương tự của chúng được xác định như sau: Bảng 4.2 Cơng thức xác định các hàm tương tự thành phần i Sim(fti,fci) Giá trị Quan hệ giữa fti,fci 1 Số van 1 Số van t = số van c 0 Số van t số van c 2 Khu vực 1 Khu vực t = Khu vực c 0 Khu vực t Khu vực c 3 Vùng miền 1 Vùng miền t = Vùng miền c 0 Vùng miền t Vùng miền c 4 Loại van 1 Loại van t = Loại van c 0.5 Loại van t Loại van c nhưng cùng nhĩm van cơ hoặc van sinh học 0 Vùng miền t Vùng miền c khác nhĩm van cơ hoặc van sinh học 5 Điều kiện kèm theo 1 Giống nhau 0 Khác nhau 6 Nhĩm nguy cơ đơng máu 1 Giống nhau 0 Khác nhau 7 Nhĩm nguy cơ tắc mạch 1 Giống nhau 0 Khác nhau 8 Tuổi 1 (Nếu chênh lệch nhau khơng quá 10 tuổi và Nếu cùng >15 và < 40 với nam, < 45 với nữ) hoặc (Nếu chênh lệch nhau khơng quá 10 tuổi cùng >=40 với nam và >=45 với nữ) 52 0.8 Nếu chênh lệch nhau khơng quá 20 tuổi và Nếu cùng >15 và < 40 với nam, < 45 với nữ 0.6 Nếu chênh lệch nhau khơng quá 30 tuổi và Nếu cùng >15 và < 40 với nam, < 45 với nữ 0.3 Nếu chênh lệch nhau khơng quá 40 tuổi và Nếu cùng >15 và < 40 với nam, < 45 với nữ 0 Trong những trường hợp khác 9 Giới tính 1 Giống nhau 0 Khác nhau 10 Chiều cao 1 Khơng chênh nhau quá 5cm 0.5 Khơng chênh nhau quá 10cm 0.2 Trong những trường hợp khác 11 Cân nặng 1 Khơng chênh nhau quá 3kg 0.7 Khơng chênh nhau quá 5kg 0.5 Khơng chênh nhau quá 8kg 0.2 Trong những trường hợp khác 12 Thời điểm mổ 1 Cùng tháng mổ 0.5 Khơng chênh nhau quá 3 tháng 0 Trong những trường hợp khác Sau khi tính tốn, Sim(T,C) sẽ trả về là một giá trị trong khoảng [0,1]. Tập trọng số tương tự được cài đặt trong thuật tốn được tìm ra theo kinh nghiệm của các bác sĩ về mức độ quan trọng của từng thành phần đối với việc quyết định sự tương tự của bệnh nhân này so với bệnh nhân khác. Đầu vào của thuật tốn là một trường hợp bệnh nhân mới với các số liệu tương ứng trong tập đặc tính kể trên. Thuật tốn sẽ tính độ tương tự theo hàm tương tự mơ tả ở trên theo từng trường hợp bệnh án mẫu lưu trong cơ sở dữ liệu. Độ tương tự nào là lớn nhất sẽ được quyết định chấp nhận hay khơng dựa theo kinh nghiệm của các bác sĩ. Thơng thường, một trường hợp được chấp nhận là tương tự khơng chỉ cĩ giá trị hàm tương tự cao nhất mà giá trị đĩ phải lớn hơn hoặc bằng 0.9. 53 Ví dụ minh họa: Tính độ tương tự của bệnh nhân 05-00-28690 so với bệnh nhân 05-00-27346: Patient id Age sex Height Weight Operated Date Risk of Froze Blood Risk of Embolism Clinical Enclosure Type of valse No of valse Region Epidemic 05-00- 28690 45 Nam 158 58 28/11/2005 Cao Cao rung nhĩ cơn Cơ học bi 1 Mien Bac Nong Thon 05-00- 27346 20 Nam 167 49 14/11/2005 bình thường bình thường Vịng van 2 lá 1 Mien Bac Nong Thon Tính độ tương tự so với bệnh nhân 05-00-27346: (t=05-00-28690; c=05-00-27346) Sim(05-00-28690, 05-00-27346)=w1.Sim(ft1,fc1)+…+w12.Sim(ft12,fc12) wi được cho theo bảng sau: i wi 1 19/100 2 15/100 3 13/100 4 10/100 5 7/100 6 5/100 7 3/100 8 6/100 9 10/100 10 5/100 11 5/100 12 2/100 100/100 Tính các độ tương tự thành phần theo bảng 4.2 như sau: Số van(T)=Số van (C)=1: Sim(ft1,fc1)=1, => w1*Sim(ft1,fc1)=0.19*1=0.19 Khu vực (T) = Khu vực (C) = “Nong thon” Sim(ft2,fc2)=1, => w2*Sim(ft2,fc2)=0.15*1=0.15 Vùng miền (T)= Vùng miền (C)= “Bac” Sim(ft3,fc3)=1, => w3*Sim(ft3,fc3)=0.13*1=0.13 Loại van (T) = “Cơ học bi” Loại van (C) = “vịng van 2 lá” nhưng cùng là van cơ học: Sim(ft4,fc4)=0.5, => w4*Sim(ft4,fc4)=0.10*0.5=0.05 Điều kiện kèm theo (T) = “rung nhĩ cơn” Điều kiện kèm theo (C) = “” 54 Sim(ft5,fc5)=0, => w5*Sim(ft5,fc5)=0.07*0=0 Nhĩm nguy cơ đơng máu(T)= “cao” Nhĩm nguy cơ đơng máu(C)= “bình thường” Sim(ft6,fc6)=0, => w6*Sim(ft6,fc6)=0.05*0=0 Nhĩm nguy cơ đtắc mạch(T)= “cao” Nhĩm nguy cơ tắc mạch(C)= “bình thường” Sim(ft7,fc7)=0, => w7*Sim(ft7,fc7)=0.03*1=0 Tuổi (T) - Tuổi (C) =45 - 20 = 15, Sim(ft8,fc8)=0.8, => w8*Sim(ft8,fc8)=0.06*0.8=0.048 Giới tính (T) = Giới tính (C) = “Nam” Sim(ft9,fc9)=1, => w9*Sim(ft9,fc9)=0.1*1=0.1 |Chiều cao (T) – Chiều cao (C)| = |158 – 167| = 9 Sim(ft10,fc10)=0.5, => w10*Sim(ft10,fc10)=0.05*0.5=0.025 |Cân nặng(T) – Cân nặng(C)| = |58 – 49| = 9 Sim(ft11,fc11)=0.2, => w11*Sim(ft11,fc11)=0.05*0.2=0.01 Thời điểm mổ (T) = Thời điểm mổ (C) = tháng 11 Sim(ft12,fc12)=1, => w12*Sim(ft12,fc12)=0.02*1=0.02 Vậy: Sim(T,C) = w1*Sim(ft1,fc1) + w2*Sim(ft2,fc2) + w3*Sim(ft3,fc3) + w4*Sim(ft4,fc4) + w5*Sim(ft5,fc5) +w6*Sim(ft6,fc6) +w7*Sim(ft7,fc7)+ w8*Sim(ft8,fc8) +w9*Sim(ft9,fc9) +w10*Sim(ft10,fc10) +w11*Sim(ft11,fc11) +w12*Sim(ft12,fc12) =0.19*1 +0.15*1 +0.13*1 +0.10*0.5 +0.07*0 +0.05*0 +0.03*1 +0.06*0.8 +0.1*1 +0.05*0.5 +0.05*0.2 +0.02*1 =0.19+0.15+0.13+0.05+0+0+0+0.048+0.1+0.025+0.01+0.02 =0.723 Vậy độ tương tự của bệnh nhân 05-00-28690 so với bệnh nhân 05-00-27346 là 0.723. Trong trường hợp này phác đồ điều trị của bệnh nhân 05-00-28690 vẫn chưa đủ tương tự để làm tham khảo cho bệnh nhân 05-00-27346, bởi vì độ tương tự của hai bệnh nhân phải lớn hơn hoặc bằng 0.9 mới cĩ thể được xét để áp dụng. 55 4.3. Phương pháp tìm kiếm quy luật sử dụng thuốc Bước 1: Từ tập dữ liệu các bệnh án mẫu, tìm ra được các quy luật điều trị mẫu. Những quy luật này hình thành trên các bệnh nhân đã điều trị ổn định và cĩ kết quả tốt. Dựa trên kiến thức của các bác sĩ điều trị, cĩ thể cĩ phương pháp tìm ra quy luật này như sau: Xét mỗi khoảng thời gian 1 tuần (7 ngày): Nếu thấy cĩ sự lặp lại liều lượng với mật độ trên 80% thì cĩ thể coi là đã hình thành quy luật. Bước 2: Nếu trong thời gian 1 tuần mà chưa cĩ, thì tăng khoảng thời gian xét lên 2 tuần. Lặp lại luật trên cho khoảng thời gian 2 tuần này. Bước 3: Tiếp tục lặp cho đến khi khoảng thời gian bằng 5 tuần thì dừng. Trường hợp lớn hơn 4 tuần mà chưa tìm ra quy luật, thì cĩ nghĩa người bệnh đĩ chưa hình thành quy luật. Cần theo dõi thêm về mặt điều trị. Bước 4: Những quy luật mẫu này sẽ được ghi vào một cơ sở dữ liệu. Xây dựng thuật tốn tìm kiếm các quy luật mẫu trên tập dữ liệu của bệnh nhân đã điều trị sau thời gian nhất định: 1 tuần , 2 tuần, 1 tháng, 3 tháng .... Bước 5: Trong trường hợp khơng cĩ luật mẫu nào được chấp nhận, thì sẽ tự tìm quy luật trên dữ liệu của chính bệnh nhân đang xét và đưa quy luật này vào tập luật mẫu. 56 Cĩ thể mơ tả quy trình này bằng sơ đồ sau: Bảng 4.2 Sơ đồ thuật tốn tự tìm quy luật. Đặt t=1 tuần Nếu t> 5 tuần Dừng. Khơng cĩ Quy luật Lặp lại việc so sánh dữ liệu liều lượng trong khoảng t trên tồn tập dữ liệu liều lượng mẫu bắt đầu từ x (t tuần/tất cả các tuần đã uống) Đếm số lần trùng lặp với sai số 10%-20%. Tính tỉ lệ R=Số lần trùng lặp/ tổng số lần tính Nếu R>= 80% Chấp nhận quy luật và ghi vao CSDL Lặp với x< x +sốngày(t) Đặt mốc x = ngày đầu tiên Tăng t=t+ 1 tuần Sai đúng đúng Sai đúng Sai 57 Bảng 4.3 Sơ đồ thuật tốn tìm quy luật từ CSDL mẫu quy luật. Đặt t=1 tuần Nếu t> 5 tuần Gọi thuật tốn tìm quy luật mới Lặp lại việc so sánh dữ liệu với các mẫu quy luật lấy từ CSDL (bắt đầu từ x ) (t tuần/tất cả các tuần đã uống) Đếm số lần trùng lặp với sai số 10%-20%. Tính tỉ lệ R=Số lần trùng lặp/ tổng số lần tính, Lưu R vào bảng đánh giá kết quả Nếu cĩ R>= 80% Sắp xếp mẫu theo R, Chấp nhận mẫu với R max Lặp với x< x +sốngày(t) Đặt mốc x = ngày đầu tiên Tăng t=t+ 1 tuần Sai đúng đúng Sai đúng Sai CSDL Quy luật 58 Ví dụ minh họa về việc áp dụng 2 thuật tốn trên tìm quy luật điều trị: Giả sử cĩ 2 quy luật mẫu sau: Thứ tự ngày 1 2 3 4 5 6 7 Quy luật 1 (liều lượng/ngày) 1 2 1 2 1 2 1 Quy luật 2 (liều lượng/ngày) 1 1 1 2 1 1 1 Dữ liệu liều lượng của một bệnh nhân đang xét cĩ giá trị như sau: Ngày 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Liều lượng 1 2 1 1 2 2 1 1 2 1 1 2 2 1 1 2 1 Ngày 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 Liều lượng 1 2 2 1 1 2 1 1 2 2 1 1 2 1 1 2 2 1 Áp dụng thuật tốn tìm kiếm quy luật theo sơ đồ 4.3, Giá trị lặp lại R (quy luật 1/tập dữ liệu đang xét)=0/5=0; Giá trị lặp lại R (quy luật 2/tập dữ liệu đang xét)=0/5=0; Thuật tốn tìm kiếm quy luật trên dữ liệu quy luật mẫu khơng hội tụ. Lúc này, áp dụng thuật tốn tự tìm kiếm quy luật theo sơ đồ 4.2: Lấy giá trị chuỗi thời gian t=5 ngày: Quy luật 1’ 1 2 1 1 2 Giá trị lặp lại R (quy luật 1’/tập dữ liệu đang xét)=1/7=0.143; Lấy giá trị chuỗi thời gian t=6 ngày: Quy luật 2’ 1 2 1 1 2 2 Giá trị lặp lại R (quy luật 2’/tập dữ liệu đang xét)=1/6=0.167; Lấy giá trị chuỗi thời gian t=7 ngày: Quy luật 3’ 1 2 1 1 2 2 1 Giá trị lặp lại R (quy luật 3’/tập dữ liệu đang xét)=5/5=1; Vậy quy luật được chọn sẽ là Quy luật 3’ vì cĩ tỉ lệ lặp lại trên tập dữ liệu là lớn nhất. 59 4.4. Kết hợp các phương pháp trên Thực tế việc điều trị của một bệnh nhân kéo dài theo suốt thời gian sống của họ. Nên việc sử dụng kết hợp các phương pháp dự đốn liều lượng sẽ thích hợp theo từng giai đoạn của quá trình điều trị. Phương pháp kết hợp mơ phỏng lại quá trình điều trị lâu dài cho một bệnh nhân. Các phương pháp thăm dị, tìm trường hợp tương tự và tìm quy luật liều lượng sẽ được áp dụng lần lượt ở mỗi thời điểm khác nhau của quá trình điều trị, điều này giúp cho việc nhanh nhất xác định được liều lượng ổn định của một bệnh nhân. Và cũng là mục tiêu của bài tốn. Bước 1: ở giai đoạn đầu của bệnh nhân: Sử dụng phương pháp tìm bệnh án mẫu tương tự nhất, xây dựng hệ thống liều lượng xương sống. Bước 2: Xác định xem cĩ tồn tại một bệnh án tương tự nào khơng. Khi phương pháp tìm bệnh án tương tự cĩ kết quả và được sử dụng, thì vẫn phải kết hợp với phương pháp thăm dị để dựa trên hệ thống luật cơ bản để dự tính và điều chỉnh liều lượng sát thực hơn giữa những lần khám lại của bệnh nhân. Bước 3: Trong trường hợp khơng tồn tại một bệnh án tương tự nào, áp dụng phương pháp thăm dị. Bước 4: Sau các khoảng thời gian nhất định(1 tuần, 2 tuần, 1 tháng, 3 tháng): áp dụng phương pháp tìm kiếm quy luật sử dụng thuốc của bệnh nhân. Mấu chốt của phương pháp kết hợp này chính là việc kết hợp các thuật tốn dự đốn theo thời gian điều trị. Mục tiêu là tìm ra giải pháp điều trị ổn định nhất cho bệnh nhân. Phương pháp kết hợp này cĩ thể cải thiện khả năng dự đốn liều lượng của hệ thống. 60 Bảng 4.4 Sơ đồ thuật tốn phương pháp lai. Trường hợp bệnh nhân mới Sử dụng phương pháp 1: tính liều lượng theo các luật cơ bản Sau mỗi lần khám lại Sử dụng phương pháp 3: Tìm quy luật điều trị Dự đốn liều lượng ổn định Sử dụng phương pháp 2: tìm bệnh án mẫu tốt nhất đúng Sai Tồn tại? Xây dựng liều lượng xương sống dựa theo phương pháp 2 Sử dụng phương pháp 1: điều chỉnh liều lượng theo các luật cơ bản Sử dụng phương pháp 3: Tìm quy luật điều trị Tồn tại? Tồn tại? đúng đúng Sai Sai 61 Ví dụ minh họa: Xét trường hợp bệnh nhân cĩ số liệu như sau: Patient id age sex H. W. Operated Date Risk of Froze Blood Risk of Em. Clinical En. Type of valse No of valse Region Epidemic 05-00- 10001 22 Nam 170 62 2005/4/19 Cao Cao Van co 2 Mien Bac Nong Thon Dải INR an tồn của bệnh nhân này như sau: Patient_id Date INR_Min INR_max Dose basic 05-00-10001 2005/9/26 2.5 3.5 2 Tập bệnh án mẫu như sau: Patient id sex age H. W. Operated Date Risk of Froze Blood Risk of Em. Clinical En. Type of valse No of valse Region Epidemic BN1 Nam 45 160 43 9/10/2005 cao Cao Rung nhĩ, Cơ học bi 2 Bắc Thành thị BN2 Nam 45 160 43 9/10/2005 Thấp Thấp tiền sử tắc mạch, Cơ học đĩa 1 cánh 2 Bắc Thành thị BN3 Nữ 45 160 43 9/10/2005 Cao Cao huyết khối nhĩ, Cơ học đĩa 2 cánh 2 Bắc Thành thị BN4 Nữ 45 160 43 9/10/2005 Thấp Thấp rối loạn chức năng thất trái nặng Cơ học nhiều van 2 Bắc Thành thị BN5 Nam 45 160 43 9/10/2005 Cao Cao Sinh học dị lồi 2 Bắc Thành thị Bước 1: Tính bệnh án tương tự. Bước 2: Khơng cĩ bệnh án nào thỏa mãn vì bệnh nhân đưa vào cĩ ngày mổ sớm hơn bệnh án mẫu 5 tháng. Các độ đo tương tự đều khơng thỏa mãn lớn hơn 0.9. Bước 3: Áp dụng phương pháp thăm dị: Kết quả trả về trong bảng sau: 62 Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-10001 31 2005/10/26 6.38 1 5.88 0 -0.5 -1 05-00-10001 32 2005/10/27 6.38 1 3.5 1 -2.88 0 05-00-10001 33 2005/10/28 6.38 1 3.5 1 -2.88 0 05-00-10001 34 2005/10/29 6.38 1 3.5 1 -2.88 0 05-00-10001 35 2005/10/30 6.38 1 3.5 1 -2.88 0 05-00-10001 36 2005/10/31 6.38 1 3.5 1 -2.88 0 05-00-10001 37 2005/11/1 1.3 3 3.5 1 2.2 -2 05-00-10001 38 2005/11/2 1.3 2 2.5 3 1.2 1 05-00-10001 39 2005/11/3 1.3 2 2.5 3 1.2 1 05-00-10001 40 2005/11/4 1.3 2 2.5 3 1.2 1 05-00-10001 41 2005/11/5 1.3 2 2.5 3 1.2 1 05-00-10001 42 2005/11/6 1.3 2 2.5 3 1.2 1 05-00-10001 43 2005/11/7 1.3 2 2.5 3 1.2 1 05-00-10001 44 2005/11/8 1.3 2 2.5 3 1.2 1 05-00-10001 45 2005/11/9 1.3 2 2.5 3 1.2 1 05-00-10001 46 2005/11/10 1.3 2 2.5 3 1.2 1 05-00-10001 47 2005/11/11 2.86 2 2.86 2 0 0 05-00-10001 48 2005/11/12 2.86 3 2.86 2 0 -1 05-00-10001 49 2005/11/13 2.86 2 2.86 2 0 0 05-00-10001 50 2005/11/14 2.86 3 2.86 2 0 -1 05-00-10001 51 2005/11/15 2.86 2 2.86 2 0 0 05-00-10001 52 2005/11/16 2.86 3 2.86 2 0 -1 05-00-10001 53 2005/11/17 2.86 2 2.86 2 0 0 05-00-10001 54 2005/11/18 2.86 3 2.86 2 0 -1 05-00-10001 55 2005/11/19 2.86 2 2.86 2 0 0 05-00-10001 56 2005/11/20 2.86 3 2.86 2 0 -1 05-00-10001 57 2005/11/21 2.86 2 2.86 2 0 0 05-00-10001 58 2005/11/22 2.86 3 2.86 2 0 -1 05-00-10001 59 2005/11/23 2.86 2 2.86 2 0 0 05-00-10001 60 2005/11/24 2.86 3 2.86 2 0 -1 05-00-10001 61 2005/11/25 2.86 2 2.86 2 0 0 05-00-10001 62 2005/11/26 2.86 3 2.86 2 0 -1 05-00-10001 63 2005/11/27 2.86 2 2.86 2 0 0 05-00-10001 64 2005/11/28 2.86 3 2.86 2 0 -1 05-00-10001 65 2005/11/29 2.86 2 2.86 2 0 0 05-00-10001 66 2005/11/30 2.86 3 2.86 2 0 -1 05-00-10001 67 2005/12/1 2.86 2 2.86 2 0 0 05-00-10001 68 2005/12/2 2.86 3 2.86 2 0 -1 05-00-10001 69 2005/12/3 2.86 2 2.86 2 0 0 05-00-10001 70 2005/12/4 2.86 3 2.86 2 0 -1 05-00-10001 71 2005/12/5 2.86 2 2.86 2 0 0 05-00-10001 72 2005/12/6 2.86 3 2.86 2 0 -1 Bước 4: Tìm quy luật điều trị. Xét trong đoạn dữ liệu trên, bệnh nhân đến khám định kỳ vào ngày cuối cùng (No. 72) và kết quả xét nghiệm INR vẫn trong khoảng an tồn (2.86), áp dụng phương pháp tìm kiếm quy luật trên tập dữ liệu của bệnh nhân, sử dụng thuật tốn tự tìm kiếm quy luật, kết quả trả về như sau: 63 Quy luật 1 1 1 1 1 1 1 3 2 Quy luật 2 2 2 2 2 2 2 2 2 Quy luật 3 2 3 2 3 2 3 2 3 Kết quả tính độ lặp lại: R(quy luật 1)=1/5=0.2, R(quy luật 2)=1/5=0.2, R(quy luật 3)=3/5=0.6, Trong trường hợp này quy luật thứ 3 cĩ thể tồn tại, và cĩ thể áp dụng quy luật 3 cho việc tính liều lượng những giai đoạn tiếp theo, tính đến lần khám lại tiếp sau của bệnh nhân. Trong trường hợp quy luật 3 được áp dụng, thì việc tính liều lượng những ngày tiếp sau sẽ dựa theo quy luật này, tức là ngày thứ hai đầu tuần uống 2/8 viên sintrom, ngày thứ ba uống 3/8 viên, ngày thứ 4 uống 2/8 viên, ngày thứ 5 uống 3/8 viên, ngày thứ 6 uống 2/8 viên, ngày thứ 7 uống 3/8 viên, ngày chủ nhật uống 2/8 viên: Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-10001 73 2005/12/3 2.86 2 05-00-10001 74 2005/12/4 2.86 3 05-00-10001 75 2005/12/5 2.86 2 05-00-10001 76 2005/12/7 2.86 3 05-00-10001 77 2005/12/8 2.86 2 05-00-10001 78 2005/12/9 2.86 3 05-00-10001 79 2005/12/10 2.86 2 Sự kết hợp của ba phương pháp trên sẽ thể hiện rõ ràng trong cả quá trình dự đốn liều lượng điều trị của bệnh nhân: Từ ngày 31 đến ngày 72 của quá trình điều trị: liều lượng được dự đốn theo phương pháp thăm dị. Từ ngày 73 cho đến lần khám lại gần nhất, liều lượng được dự đốn theo phương pháp tìm kiếm quy luật điều trị. Tuy nhiên, với ví dụ này, thời gian để áp dụng việc tính quy luật liều lượng là quá ít, nên nĩ sẽ chỉ mang tính minh họa phương pháp kết hợp ba thuật tốn trên mà thơi. 64 Chương 5: Xây dựng phần mềm thử nghiệm các thuật tốn dự đốn liều lượng thuốc chống đơng 5.1. Thiết kế hệ thống Tên module Phần quản lý thơng tin người bệnh STT Các phần liên quan 1 Nhập dữ liệu chung người bệnh 2 Nhập trạng thái cá nhân người bệnh 3 Nhập chế độ ăn uống của người bênh 4 Nhập chế độ sinh hoạt của người bệnh 5 Nhập dải INR an tồn của người bệnh 6 Nhập chế độ sử dụng thuốc của người bệnh Phần hỗ trợ dự đốn liều lượng thuốc cần uống tiếp theo STT Các phần liên quan 1 Áp dụng phương pháp thăm dị, sử dụng các luật mờ cơ bản 2 Áp dụng phương pháp lập luận dựa trên các trường hợp 3 Áp dụng phương pháp tìm kiếm quy luật điều trị của người bệnh 4 Áp dụng phương pháp lai: tích hợp 3 giải pháp trên 65 Phần thơng tin tham khảo STT Các phần liên quan 1 Bảng trữ lượng vitamin K trong thức ăn 2 Bảng các bệnh án tham khảo 3 Bảng các loại van tim nhân tạo 4 Bảng các vùng miền 5 Bảng các khu vực 66 5.2. Cơ sở dữ liệu Cơ sở dữ liệu sử dụng SQL Server 2000 Các bảng dữ liệu chính: Hình 5.1 Cơ sở dữ liệu của hệ thống 67 5.3. Mơ tả phần mềm Một số hình ảnh giao diện của phần mềm dự đốn liều lượng thuốc chống đơng được liệt kê dưới đây. Hình 5.2 Chức năng nhập thơng tin cá nhân và trạng thái người bệnh Chức năng nhập dữ liệu ban đầu về bệnh nhân, trong đĩ các tham số cĩ liên quan đến việc điều trị và dự dốn liều lượng thuốc đều được quản lý. 68 Hình 5.3 Chức năng nhập thơng tin các bữa ăn hàng ngày Thơng tin về các bữa ăn hàng ngày của bệnh nhân cũng được quản lý. Lượng vitamin K được hấp thụ vào cơ thể bệnh nhân qua đường ăn uống sẽ được ước lượng từ đây. 69 Hình 5.4 Chức năng nhập chế độ hoạt động hàng ngày Chế độ hoạt động hàng ngày của bệnh nhân được nhập vào hệ thống qua giao diện này. Tuy nhiên, khơng thể quản lý được hết các hoạt động trong ngày của bệnh nhân, hệ thống chỉ cần nhập vào các ước lượng về sự ổn định hoạt động trong ngày của bệnh nhân theo các biến ngơn ngữ: ổn định nhiều hay ít, hay khơng ổn định, các hoạt động ở mức độ nặng hay nhẹ. Những dữ liệu này ảnh hưởng đến việc dự đốn sự biến động INR ngày hơm sau của bệnh nhân. 70 Hình 5.5 Chức năng nhập thơng tin các loại van tim nhân tạo Danh mục các loại van tim nhân tạo cĩ thể được thay cho bệnh nhân ở Việt Nam. Liên quan đến mỗi loại van sẽ cĩ những dải INR trong vùng an tồn, hay cịn được gọi là INR cơ bản đối với mỗi bệnh nhân. 71 Hình 5.6 Chức năng nhập thơng tin hàm lượng vitamin K trong thức ăn Giao diện này dùng để nhập thơng tin về các loại thức ăn cĩ thể xuất hiện trong các bữa ăn của các bệnh nhân, hàm lượng Vitamin K tương ứng đối với mỗi đơn vị của mỗi loại thức ăn. Bảng này sẽ được dùng để ước lượng số vitamin K được hấp thụ mỗi ngày của bệnh nhân. Dữ liệu chính xác cho bảng này được lấy từ các nghiên cứu của các bác sĩ về hàm lượng vitamin K trong thực phẩm một cách tương đối chính xác. 72 Hình 5.7 Chức năng nhập thơng tin vùng miền Thơng tin vùng miền sinh số của bệnh nhân. Liên quan đến vùng miền sẽ là thời tiết, khí hậu và độ ẩm, ảnh hưởng đến bệnh nhân qua các mùa khác nhau. Yếu tố vùng miền sinh sống sẽ giúp hệ thống cĩ thêm tham số để dự đốn sự biến động của INR qua các mùa khác nhau trong năm. 73 Hình 5.8 Chức năng nhập thơng tin khu vực sinh sống Khu vực sinh sống chính là một trong các điều kiện dịch tế cần xét đến đối với bệnh nhân thay van tim nhân tạo. Đối với những người sinh sống ở thành thị, điều kiện đến gặp bác sĩ và khám chữa theo định kỳ sẽ dễ dàng hơn đối với bệnh nhân ở nơng thơn. Sự biến động INR qua mỗi lần khám lại của các đối tượng ở nơng thơn cũng khác với các đối tương ở thành thị. 74 Hình 5.9 Chức năng nhập thơng tin thuốc uống hàng ngày Chức năng này được sử dụng để nhập thơng tin thuốc uống hàng ngày của bệnh nhân. Dữ liệu khung bao gồm mã bệnh nhân, ngày sử dụngt thuốc trong tương lai cĩ thể được sinh ra ở đây. Chức năng này khơng chỉ dùng để quản lý liều lượng uống thuốc hàng ngày của bệnh nhân mà cịn dùng để tạo dữ liệu dự đốn cho các thuật tốn dự đốn sau này. 75 Hình 5.10 Phương pháp dự đốn thăm dị Hình trên minh hoạ phương pháp dự đốn thứ nhất. Phương pháp 1 này sử dụng các luật cơ bản sinh ra liều lượng và dự đốn INR sẽ xuất hiện ở hơm sau như thế nào.Phần bên trái là dữ liệu sử dụng hàng ngày của bệnh nhân trước đĩ, phần bênh trái là dữ liệu dự đốn. 76 Hình 5.11 Phương pháp dự đốn dựa trên trường hợp Hình trên minh hoạ phương pháp dự đốn thứ hai. Phương pháp 2 này sử dụng lập luận dựa trên trường hợp. Các bệnh án mẫu được liệt kê ở bảng bênh trái. Bảng ở giữa chứa thơng tin đánh giá độ tương tự của bệnh án mới với các bệnh án trong tập mẫu. Phần bênh phải là dữ liệu dự đốn. 77 Hình 5.12 Phương pháp dự đốn tìm kiếm quy luật Hình trên minh hoạ phương pháp dự đốn thứ ba. Phương pháp 3 này sử dụng các thuật tốn tìm kiếm quy luật điều trị trên bệnh nhân. Liều lượng thuốc đã uống của bệnh nhân được liệt kê bên trái.. Bảng ở giữa chứa thơng tin đánh giá độ tương tự của các quy luật mẫu với bệnh án mới. Trong trường hợp tồn tại quy luật, phần bênh phải là dữ liệu dự đốn sinh ra theo quy luật được tìm thây này. 78 Hình 5.13 Phương pháp dự đốn kết hợp Hình trên minh hoạ phương pháp dự đốn thứ tư. Phương pháp 4 này kết hợp các phương pháp thăm dị, dựa trên trường hợp và tìm kiếm quy luật. Tích hợp các phương pháp để tìm kiếm bệnh án mẫu tương tự, hoặc quy luật điều trị nếu cĩ. Nếu phương pháp dựa trên trường hợp khơng cĩ kết quả thì phương pháp thăm dị, dự dốn theo các luật cơ bản sẽ được áp dụng. 2 bảng ở giữa tương ứng với việc chứa thơng tin về bệnh án mẫu và kết quả đánh giá độ tương tự của các quy luật mẫu với bệnh án mới. Trong trường hợp tồn tại quy luật, phần bênh phải là dữ liệu dự đốn sinh ra theo quy luật được tìm thây này. Cịn trong trường hợp khơng tồn tại, dữ liệu dự đố sẽ liệu sẽ được sinh ra theo phương pháp thứ nhất, thăm dị. 79 Chương 6: Kết quả vận hành thử nghiệm và các đánh giá 6.1 Các kết quả vận hành thử nghiệm Kết quả ở các bảng sau được chạy thử nghiệm trên các số liệuc của 5 bệnh nhân thật, đang được điều trị tại Khoa hậu phẫu, bệnh viện Tim mạch Trung ương. INR và liều lượng được dự đốn theo phương pháp số 1. Dải INR an tồn của mỗi bệnh nhân theo giai đoạn thử nghiệm cĩ giá trị như bảng số 5.1. Bảng 5.1 Dải INR an tồn của bệnh Patient_id Date INR_Min INR_max Dose basic 05-00-27346 2005/11/14 1.5 3 2 05-00-28690 2005/11/28 1.8 3 2 05-00-28734 2005/1/12 1.8 3 2 05-00-29002 2005/9/11 1.9 3 2 05-00-10001 2005/9/26 2.5 3.5 2 Trong bảng 5.1, Patient_id là mã số của bệnh nhân, Date là ngày xác định dải INR an tồn của bệnh nhân. INR_min, INR_max tương ứng là các giá trị bé nhất và lớn nhất của dải INR an tồn của bệnh nhân. Dose_basic là liều lượng thuốc cần uống cơ bản khi bệnh nhân ở trạng thái ổn định nhất. Trong những bảng dưới đây (5.2, 5.3, 5.4, 5.5, 5.6, 5.7), Patient_id là mã số của bệnh nhân, No là số thứ tự ngày điều trị, Date là ngày uống thuốc. INR là số đo chỉ số INR thật trong ngày, Dose là liều lượng mà bệnh nhân thực sự uống trong ngày. INR_Pred và Dose_Pred tương ứng là chỉ số INR và liều lượng dự đốn của phần mềm. Err_INR và Err_Dose là sai số của phần dự đốn so với thực tế: Err_INR = INR_Pred – INR, Err_Dose = Dose_Pred – Dose. 80 Bảng 5.2 Kết quả thử nghiệm số liệu bệnh nhân 05-00-27346, phương pháp thăm dị Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-27346 1 2005/11/14 1.45 0 05-00-27346 2 2005/11/15 1.33 2 05-00-27346 3 2005/11/16 1.39 2 05-00-27346 4 2005/11/17 1.5 2 05-00-27346 5 2005/11/18 1.5 2 1.5 2 0 0 05-00-27346 6 2005/11/19 1.5 4 1.5 2 0 -2 05-00-27346 7 2005/11/20 3.4 4 3 1 -0.4 -3 05-00-27346 8 2005/11/21 3.4 4 3.4 0 0 -4 05-00-27346 9 2005/11/22 3.26 0 3 1 -0.26 1 05-00-27346 10 2005/11/23 1.99 2 1.99 2 0 0 05-00-27346 11 2005/11/24 1.28 2 1.99 2 0.71 0 05-00-27346 12 2005/11/25 1.28 2 1.5 3 0.22 1 05-00-27346 13 2005/11/26 1.28 2 1.5 3 0.22 1 05-00-27346 14 2005/11/27 1.81 2 1.81 2 0 0 05-00-27346 15 2005/11/28 1.81 2 1.81 2 0 0 05-00-27346 16 2005/11/29 1.81 2 1.81 2 0 0 05-00-27346 17 2005/11/30 1.42 2 1.81 2 0.39 0 05-00-27346 18 2005/12/1 1.42 2 1.5 3 0.08 1 05-00-27346 19 2005/12/2 2.01 2 2.01 2 0 0 05-00-27346 20 2005/12/3 2.01 2 2.01 2 0 0 05-00-27346 21 2005/12/4 2.01 2 2.01 2 0 0 05-00-27346 22 2005/12/5 2.01 2 2.01 2 0 0 05-00-27346 23 2005/12/6 2.01 2 2.01 2 0 0 05-00-27346 24 2005/12/7 2.01 2 2.01 2 0 0 05-00-27346 25 2005/12/8 2.01 2 2.01 2 0 0 05-00-27346 26 2005/12/9 0 0 2.01 2 05-00-27346 27 2005/12/10 0 0 2.01 2 Bảng 5.3 Kết quả thử nghiệm số liệu bệnh nhân 05-00-28690, phương pháp thăm dị Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-28690 1 2005/11/28 1.24 4 05-00-28690 2 2005/11/29 1.18 4 1.24 4 0.06 0 05-00-28690 3 2005/11/30 3.81 2 2.81 1 -1 -1 05-00-28690 4 2005/12/1 4.99 2 3.81 0 -1.18 -2 05-00-28690 5 2005/12/2 5.77 0 5.27 0 -0.5 0 05-00-28690 6 2005/12/3 2.2 2 2.2 2 0 0 05-00-28690 7 2005/12/4 1.87 2 1.87 2 0 0 05-00-28690 8 2005/12/5 2.56 2 2.56 2 0 0 05-00-28690 9 2005/12/6 2.56 2 2.56 2 0 0 05-00-28690 10 2005/12/7 0 0 2.56 2 05-00-28690 11 2005/12/8 0 0 2.56 2 05-00-28690 12 2005/12/9 0 0 2.56 2 81 05-00-28690 13 2005/12/10 0 0 2.56 2 Bảng 5.4 Kết quả thử nghiệm số liệu bệnh nhân 05-00-28734, phương pháp thăm dị Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-28734 1 2005/12/1 1.16 4 05-00-28734 2 2005/12/2 1.16 2 1.8 3 0.64 1 05-00-28734 3 2005/12/3 1.39 4 1.8 3 0.41 -1 05-00-28734 4 2005/12/4 4.27 2 3.27 1 -1 -1 05-00-28734 5 2005/12/5 6.66 1 6.16 0 -0.5 -1 05-00-28734 6 2005/12/6 6.98 0 6.48 0 -0.5 0 05-00-28734 7 2005/12/7 2.61 2 2.61 2 0 0 05-00-28734 8 2005/12/8 0 0 2.61 2 05-00-28734 9 2005/12/9 0 0 2.61 2 05-00-28734 10 2005/12/10 0 0 2.61 2 Bảng 5.5 Kết quả thử nghiệm số liệu bệnh nhân 05-00-29002, phương pháp thăm dị Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-29002 1 2005/11/25 5.3 1 05-00-29002 2 2005/11/26 5.3 1 4.8 0 -0.5 -1 05-00-29002 3 2005/11/27 1.63 1 4.8 0 3.17 -1 05-00-29002 4 2005/11/28 1.63 2 1.9 3 0.27 1 05-00-29002 5 2005/11/29 1.63 2 1.9 3 0.27 1 05-00-29002 6 2005/11/30 1.66 4 1.9 3 0.24 -1 05-00-29002 7 2005/12/1 1.66 2 1.9 3 0.24 1 05-00-29002 8 2005/12/2 1.66 2 1.9 3 0.24 1 05-00-29002 9 2005/12/3 1.66 2 1.9 3 0.24 1 05-00-29002 10 2005/12/4 1.66 2 1.9 3 0.24 1 05-00-29002 11 2005/12/5 1.8 3 1.9 3 0.1 0 05-00-29002 12 2005/12/6 1.8 3 1.9 3 0.1 0 05-00-29002 13 2005/12/7 0 0 1.9 3 05-00-29002 14 2005/12/8 0 0 1.9 3 05-00-29002 15 2005/12/9 0 0 1.9 3 05-00-29002 16 2005/12/10 0 0 1.9 3 Bảng 5.6 Kết quả thử nghiệm số liệu bệnh nhân 05-00-10001, phương pháp thăm dị Patient_id No Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose 05-00-10001 31 2005/10/26 6.38 1 5.88 0 -0.5 -1 05-00-10001 32 2005/10/27 6.38 1 3.5 1 -2.88 0 05-00-10001 33 2005/10/28 6.38 1 3.5 1 -2.88 0 05-00-10001 34 2005/10/29 6.38 1 3.5 1 -2.88 0 05-00-10001 35 2005/10/30 6.38 1 3.5 1 -2.88 0 05-00-10001 36 2005/10/31 6.38 1 3.5 1 -2.88 0 82 05-00-10001 37 2005/11/1 1.3 3 3.5 1 2.2 -2 05-00-10001 38 2005/11/2 1.3 2 2.5 3 1.2 1 05-00-10001 39 2005/11/3 1.3 2 2.5 3 1.2 1 05-00-10001 40 2005/11/4 1.3 2 2.5 3 1.2 1 05-00-10001 41 2005/11/5 1.3 2 2.5 3 1.2 1 05-00-10001 42 2005/11/6 1.3 2 2.5 3 1.2 1 05-00-10001 43 2005/11/7 1.3 2 2.5 3 1.2 1 05-00-10001 44 2005/11/8 1.3 2 2.5 3 1.2 1 05-00-10001 45 2005/11/9 1.3 2 2.5 3 1.2 1 05-00-10001 46 2005/11/10 1.3 2 2.5 3 1.2 1 05-00-10001 47 2005/11/11 2.86 2 2.86 2 0 0 05-00-10001 48 2005/11/12 2.86 3 2.86 2 0 -1 05-00-10001 49 2005/11/13 2.86 2 2.86 2 0 0 05-00-10001 50 2005/11/14 2.86 3 2.86 2 0 -1 05-00-10001 51 2005/11/15 2.86 2 2.86 2 0 0 05-00-10001 52 2005/11/16 2.86 3 2.86 2 0 -1 05-00-10001 53 2005/11/17 2.86 2 2.86 2 0 0 05-00-10001 54 2005/11/18 2.86 3 2.86 2 0 -1 05-00-10001 55 2005/11/19 2.86 2 2.86 2 0 0 05-00-10001 56 2005/11/20 2.86 3 2.86 2 0 -1 05-00-10001 57 2005/11/21 2.86 2 2.86 2 0 0 05-00-10001 58 2005/11/22 2.86 3 2.86 2 0 -1 05-00-10001 59 2005/11/23 2.86 2 2.86 2 0 0 05-00-10001 60 2005/11/24 2.86 3 2.86 2 0 -1 05-00-10001 61 2005/11/25 2.86 2 2.86 2 0 0 05-00-10001 62 2005/11/26 2.86 3 2.86 2 0 -1 05-00-10001 63 2005/11/27 2.86 2 2.86 2 0 0 05-00-10001 64 2005/11/28 2.86 3 2.86 2 0 -1 05-00-10001 65 2005/11/29 2.86 2 2.86 2 0 0 05-00-10001 66 2005/11/30 2.86 3 2.86 2 0 -1 05-00-10001 67 2005/12/1 2.86 2 2.86 2 0 0 05-00-10001 68 2005/12/2 2.86 3 2.86 2 0 -1 05-00-10001 69 2005/12/3 2.86 2 2.86 2 0 0 05-00-10001 70 2005/12/4 2.86 3 2.86 2 0 -1 05-00-10001 71 2005/12/5 2.86 2 2.86 2 0 0 05-00-10001 72 2005/12/6 2.86 3 2.86 2 0 -1 05-00-10001 73 2005/12/7 7.58 0 7.08 0 -0.5 0 05-00-10001 74 2005/12/8 0 1 3.5 1 05-00-10001 75 2005/12/9 0 2 3.5 2 05-00-10001 76 2005/12/10 0 1 3.5 2 Bảng 5.7 Kết quả thử nghiệm theo phương pháp thứ tìm kiếm quy luật Patient_id Date INR Dose INR_Pred Dose_Pred Err_INR Err_Dose BN4 2006/11/2 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/3 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/4 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/5 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/6 0:00 3 2 3.5 2 0.5 0 83 BN4 2006/11/7 0:00 3 2 3.5 2 0.5 0 BN4 2006/11/8 0:00 3 2 3.5 2 0.5 0 BN4 2006/11/9 0:00 3 2 3.5 2 0.5 0 BN4 2006/11/10 0:00 4 2 4.5 1 0.5 0 BN4 2006/11/11 0:00 4 2 4.5 1 0.5 0 BN4 2006/11/12 0:00 4 2 4.5 1 0.5 0 BN4 2006/11/13 0:00 4 2 4.5 1 0.5 0 BN4 2006/11/14 0:00 3.5 1 4 2 0.5 0 BN4 2006/11/15 0:00 3.5 1 4 2 0.5 0 BN4 2006/11/16 0:00 3.5 1 4 2 0.5 0 BN4 2006/11/17 0:00 3.5 1 4 2 0.5 0 BN4 2006/11/18 0:00 3.5 1 4 2 0.5 0 BN4 2006/11/19 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/20 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/21 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/22 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/23 0:00 4 1 4.5 1 0.5 0 BN4 2006/11/24 0:00 3 2 3.5 2 0.5 0 6.2 Nhận xét và đánh giá Nhìn chung, các kết quả dự đốn của các phương pháp đề nghị đều bám sát theo các chỉ số INR cơ bản và tuân theo những luật đã được phân tích ở phẩn trên. Những sai số về INR và liều lượng dự đốn là khơng lớn lắm và chấp nhận được. Chứng tỏ các thuật tốn đã tiếp cận được với vấn đề thực tế điều trị của bài tốn. Phương pháp thăm dị sẽ cĩ nhiều số liệu để chạy thử và kiểm nghiệm trên các bệnh nhân thật. Phương pháp tìm bệnh án tương tự, phương pháp tìm kiếm quy luật và phương pháp kết hợp cho kết quả tương đối tốt trên dữ liệu tự tạo, nhưng chưa cĩ số liệu thực tế để theo dõi và điều chỉnh thuật tốn nên chưa cĩ được những đánh giá xác thực và tính đúng đắn một cách chính thức. Tuy nhiên, để đánh giá chính xác được tính xác thực và tính đúng của mỗi phương pháp, hướng tới việc đưa phần mềm ứng dụng được vào thực tế, cần cĩ thời gian theo dõi thử nghiệm trên các bệnh nhân trong một khoảng thời gian đủ dài và số lượng bệnh nhân theo dõi thử nghiệm tương đối lớn. Dự kiến khoảng 6 tháng đến 1 năm và kiểm tra trên ít nhất là 300 bệnh nhân. 84 Kết luận Tác giả đã tìm hiểu và phân tích khá kỹ lưỡng bài tốn điều trị thuốc chống đơng đường uống cho bệnh nhân thay van tim nhân tạo. Tác giả cũng đề xuất bốn phương pháp dự đốn liều lượng thuốc. Trong đĩ, phương án thứ nhất mơ phỏng lại phương pháp điều trị thăm dị của các bác sĩ. Phương pháp này sử dụng các luật mờ cơ bản, với các biến ngơn ngữ được phân tích tối giản theo thực tế. Đồng thời, cĩ các luật mờ mơ phỏng sự biến thiên của INR khi xét tới ảnh hưởng của chế độ ăn uống và sinh hoạt hàng ngày của người bệnh. Phương pháp thứ hai, tác giả áp dụng lập luận dựa trên các trường hợp. Lợi điểm của phương pháp này là sử dụng lại những trường hợp đã điều trị thành cơng từ trước đĩ. Những trường hợp mới khi cĩ độ tương tự giống nhất với một trương hợp mẫu trong cơ sở dữ liệu sẽ áp dụng giải pháp điều trị của trường hợp mẫu. Sử dụng lập luận theo trường hợp sẽ cĩ hi vọng mang lại hiệu quả cao cho bài tốn này. Phương pháp thứ ba, tác giả phát triển một thuật tốn tìm kiếm quy luật xuất hiện trên chính người bệnh, khi thời gian điều trị đã đủ dài và tương đối ổn định. Với những bệnh án mẫu, sẽ tồn tại một tập các quy luật điều trị mẫu. Những quy luật mẫu này sẽ được sử dụng để tìm kiếm trên một bệnh án mới, xem cĩ xuất hiện lại hay khơng. Nếu tìm được quy luật điều trị, mục tiêu dự đốn liều lượng chính xác và ổn định sẽ khả thi hơn. Phương pháp thứ tư, kết hợp các phương pháp trên, dựa trên cơ sở quá trình điều trị lâu dài của bệnh nhân. Phương pháp này kết hợp các phương pháp thăm dị, tìm bệnh án tương tự và tìm kiếm quy luật điều trị theo các giai đoạn điều trị khác nhau, hướng tới mục tiêu giải quyết vấn đề dự đốn một cách tổng thể và trọn vẹn hơn. Tác giả cũng đã cài đặt thử nghiệm phần mềm dự đốn liều lượng thuốc chống đơng cho bệnh nhân thay van tim nhân tạo áp dụng các phương pháp trên. Các kết quả chạy thử nghiệm trên một số bệnh nhân của viện Tim mạch Trung ương cho thấy hướng tiếp cận tới việc giải quyết vấn đề là đúng đắn và việc đưa phần mềm này vào ứng dụng thực tế là hồn tồn khả thi. Tuy nhiên, cần kèm theo một thời gian nhất định để chạy thử nghiệm và đánh giá trên dữ liệu thật. 85 Hướng phát triển tiếp theo của đề tài: Qua thực tế nghiên cứu đề tài cho thấy đây là một vấn đề thực sự phức tạp và cần nhiều thời gian đánh giá thử nghiệm. Việc tiếp tục chạy thử nghiệm trên số lượng bệnh nhân lớn và được phân chia cẩn thận theo các nhĩm giới tính, khu vực, vùng miền, cĩ chế độ ăn uống, sinh hoạt ổn định hoặc khơng ổn định ... và trong một thời gian đủ dài sẽ cĩ thể hồn thiện được sản phẩm phần mềm dự đốn liều lượng thuốc chống đơng cho bệnh nhân sử dụng van tim nhân tạo. Việc nghiên cứu, cải tiến các thuật tốn theo 3 hướng tiếp cận trên cĩ thể đưa ra một lời giải tốt hơn và xác thực hơn dựa trên các số liệu thực tế và thu thập đầy đủ hơn những kinh nghiệm điểu trị của các nhĩm bác sĩ ở các bệnh viện tim mạch khác nhau. 86 Tài liệu tham khảo [1]. Nguyen Hoang Phuong, Towards Intelligent Systems for Integrated Western and Eastern Medicine, TheGioi Publishers, Hanoi, 1997, (book in English). [2]. Nguyen Hoang Phuong, Bui Cong Cuong, Nguyen Doan Phuoc, Phan Xuan Minh, Chu Van Hy (editors), Fuzzy systems and Applications (Book in Vietnamese), Scientific and Technical Edition, Hanoi, Vietnam, 1998. [3]. Nguyen Hoang Phuong, Nadipuram R. Prasad, Le Linh Phong, Computational Intelligence: Introduction, Science and Technology Publisher, Hanoi, Vietnam. Book in Vietnamese), 2002. [4]. Nguyen Hoang Phuong, V. Kreinovich, Fuzzy Logic and its Applications in Medicine, International. Journal of Medical Informatics 62 (2001) 165-173. [5]. Nguyen Hoang Phuong, Tran Ngoc Cuong, Mai Ha, Approach to Integrating Expert Knowledge for Medical Expert Systems In Proceedings of VJFUZZY’98: Vietnam-Japan Bilateral Symposium on Fuzzy Systems and Applications, (Eds. Nguyen Hoang Phuong, Ario Ohsato), Halong Bay, Vietnam, 30 Sept- 2 Oct., 1998, p. 126-132. [6]. [7]. [8]. Zadeh, L.A. (1965). Fuzzy sets. Information and Control, Val.8, pp. 338-353. [9]. Zadeh, L.A. (1983). A fuzzy-set-theoretic approach to fuzzy quantifiers in natural languages, Computers and Mathematics, Val.9, pp. 149-184. [10]. Takagi T. and Sugeno M: Fuzzy indentificationof system and its applications and control, IEEE Transaction on systems, Man and Cybernetics, 1985, 5:116-132. [11]. Masao Ozaki and Wataru Motokawa, Dental age estimation by two computer methods: fuzzy logic and Neural Network, Biomedical soft computing and human sciences, Vol.6, No.1, pp. 13-17, 2000. [12]. D. Dubois and H. Prade. New trends and open problems in fuzzy logic and approximate reasoning, Theoria 11, 27,1996,109-121. [13]. D. Dubois & H. Prade, Fuzzy sets in approximate reasoning, part 1: Inference with possibility distributions, Fuzzy Sets and Systems 40 (1991) 143-202. [14]. D. Dubois and H. Prade, “The three semantics of fuzzy sets,” Fuzzy Sets and Systems, vol. 90, pp. 141-150, 1997. [15]. D. Dubois and H. Prade, Fuzzy Sets and Systems: Theory and applications, Academic Press, New York, 1980. [16]. Nguyễn Cát Hồ, Xây dựng cách tiếp cận đại số đến logic mờ và lập luận xấp xỉ, Hội nghị khoa học “Cơng nghệ thơng tin: Nghiên cứu và triển khai, Hà Nội 5-6/12/1996, trang 134-149 (Báo cáo tồn thể). [17]. Nguyễn Cát Hồ và Trần Thái Sơn. Logic mờ và quyết định mờ dựa trên cấu trúc thứ tự của các giá trị ngơn ngữ, Tạp chí tin học và điều khiển học 9, 4, 1993, 1-9. [18]. Nguyễn Cát Hồ, Trần Đình Khang và Trần Thái Sơn, Xây dựng cơ chế suy diễn cho hệ trợ giúp quyết định với dữ liệu thể hiện bằng ngơn ngữ tự nhiên, Hội nghị Vơ tuyến Điện tử 4, Hà nội 11/1992, 323-331. [19]. Nguyễn Cát Hồ và Trần Thái Sơn. Về khoảng cách giữa các giá trị của biến ngơn ngữ trong đại số gia tử, Tạp chí tin học và điều khiển học 11, 1, 1995, 10-20. [20]. Trần Đình Khang, So sánh suy diễn mờ và suy luận ngơn ngữ, Tạp chí tin học và điều khiển học 12, 1, 1996, 29-40. [21]. Nguyen Hoang Phuong, Tran Ngoc Cuong and Do Le Phu, An Approximate reasoning using Fuzzy-Bayesian Inference for Medical Expert Systems. In Proceedings of the Eight International Fuzzy Systems Association World Congress (IFSA’99), August 16-20, 1999, Taiwan R.O.C., 161-165. 87 [22]. Tran Dinh Khang, Nguyen Hoang Phuong, Using Hedge Algebras for Constructing Inference Mechanism in Medical Expert Systems. In Proceedings of the Eight International Fuzzy Systems Association World Congress (IFSA’99), August 16-20, 1999, Taiwan R.O.C., 265-268. [23]. Nguyen Hoang Phuong, Tran Ngoc Cuong, Do Le Phu, An Approximate Reasoning Using probability-possibility transformation for Medical Expert Systems, In Proceedings of the 8th IEEE International Conference on Fuzzy Systems (FUZZ-IEEE’99), August 22-25, 1999, Seoul, Korea, I- 395-399. [24]. Nguyen Hoang Phuong, Li Pheng Khoo, Tran Ngoc Cuong, An approximate reasoning approach based on possibility theory for medical expert systems, In Proceedings of the International Symposium of Medical Informatics and Fuzzy Technology (MIF’99), The Hanoi Daewoo Hotel, August 26-29, 1999, Hanoi, Vietnam, 386-393. [25]. Nguyen Hoang Phuong, Do Le Phu , Tran Ngoc Cuong, Building an Experimental Neural Expert System for Medical Diagnosis, In Proceedings of the International Symposium of Medical Informatics and Fuzzy Technology (MIF’99), The Hanoi Daewoo Hotel, August 26-29, 1999. Hanoi, Vietnam, 393-402. [26]. Nguyen Hoang Phuong, Duong Trong Hieu, Nguyen Thanh Thuy, Cao Thang, Building a fuzzy Expert System for Syndromes Differentiation in Oriental Traditional Medicine, In Proceedings of the International Symposium of Medical Informatics and Fuzzy Technology, (MIF’99), The Hanoi Daewoo Hotel, August 26-29, 1999, Hanoi, Vietnam, 436-441. [27]. Nguyen Hoang Phuong, Tran Ngoc Cuong, Le The Thang, Ngo Hoang Anh HYBMED: a HYBrid Expert System for MEDical Diagnosis, Proceedings of the Fourth Asian Fuzzy Systems Symposium (AFSS2000), May 31-June 3, 2000, Tsukuba, Japan, 639-644. [28]. Hareton Leung, Nguyen Hoang Phuong, Tran Ngoc Cuong, Le Hai Khoi, An Approach to improve the partition testing, in Journal of Informatics and Cybernetics, Hanoi, Vietnam, November (2004) [29]. Nguyen Hoang Phuong, Tran Ngoc Cuong, Nguyen Ngoc Quang, Applying soft computing technique in blood freezing anti drug treatment of cardiacvascular patients using artificial valves, Proceedings of the joint Vietnam Korea conference on medical informatics and applications (VN-KR MEDINFO’2005), Nov 28-29, 2005, Hanoi, Vietnam, 42-51. [30]. Janet Kolodner, Case-Based Reasoning, Morgan Kaufmann Publishers, Inc 2929 Campus Drive, suite 260 San Mateo CA 94403 [31]. Nguyen Hoang Phuong, Nguyen Hai Minh, Vu Hoai Nam, Combining classifications using decision tree with case-based reasoning to develop the medical consultation system, In Proceedings of the Vietnam-Japan on Medical Informatics andApplications, VJMED-INFOTECH 2004, pp.17-23. [32]. David B. Leake, CASE-BASED REASONING: EXPERIENCES, LESSONS, AND FUTURE DIRECTIONS Indiana University, 1996, second printing 2000 AAAI Press/MIT Press. 420 pp., $40, ISBN 0-262-62110-X. [33]. Applying Case-Based Reasoning: Techniques for Enterprise Systems by Ian Watson Paperback, 250 pages Published by Morgan Kaufman Publishers Publication date: July 1, 1997 ISBN: 1558604626 [34]. Mario Lenz, Brigitte Bartsch-Spưrl, Hans-Dieter Burkhard, Stefan Wess (Eds.): Case-Based Reasoning Technology: From Foundations to Applications. Lecture Notes in Artificial Intelligence 1400, Springer Verlag, 1998 ISBN 3-540-64572-1 DM 78, ( berlin.de/alumni/lenz/CBRBuch/) [35]. B.Kosko, Fuzzy Engineering, Prentice Hall Englewood Cliffs, NT, 1997 [36]. Giangiacomo Gerla. FUZZY LOGIC: Mathematical Tools for Approximate Reasoning, Kluwer Academic Publishers (Trends in Logic, Studia Logica Library, Vol. 11), Dordrecht, 2001, 288 pages, ISBN 0-7923-6941-6.