ការប្រើប្រាស់គណិតវិទ្យាដើម្បីបង្កើនប្រសិទ្ធភាពការព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីត

មហារីកក្រពេញទីរ៉ូអ៊ីត គឺជាមហារីកក្រពេញ endocrine ទូទៅបំផុតមួយ។ ទោះបីជាមានអត្រាជោគជ័យខ្ពស់ក៏ដោយ ហានិភ័យនៃការកើតឡើងវិញនៅតែជាកង្វល់ជាប្រចាំសម្រាប់អ្នកជំងឺ និងជាបញ្ហាប្រឈមសម្រាប់ឱសថ។ ការងារ "កម្មវិធីគណិតវិទ្យាក្នុងការធ្វើរោគវិនិច្ឆ័យ និងព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីត" របស់និស្សិត Tran Van Luat (K66 Math - IT) និង Nguyen Dinh Quang (K67 Math Talent Program) នៃសាកលវិទ្យាល័យ វិទ្យាសាស្ត្រធម្មជាតិ (សកលវិទ្យាល័យជាតិវៀតណាម ទីក្រុងហាណូយ) បាននាំមកនូវវិធីសាស្រ្តថ្មី និងជោគជ័យក្នុងការប្រើប្រាស់គំរូគណិតវិទ្យា ដើម្បីបង្កើនប្រសិទ្ធភាពនៃការព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីត។

មហារីកក្រពេញទីរ៉ូអ៊ីត.jpg

Nguyen Dinh Quang (គម្របខាងឆ្វេង) និង Tran Van Luat ជាមួយផ្ទាំងរូបភាពអំពីការងាររបស់ពួកគេនៅឯសន្និសីទវិទ្យាសាស្ត្រនិស្សិតឆ្នាំ 2025 នៃសាកលវិទ្យាល័យវិទ្យាសាស្ត្រធម្មជាតិ។

ពីកង្វល់ជាក់ស្តែងរហូតដល់ទម្លាយដំណោះស្រាយគណិតវិទ្យា

ចែករំលែកអំពីគំនិតនៃការបង្កើតគម្រោងនេះ លោក Nguyen Dinh Quang បាននិយាយថា តាមរយៈការស្រាវជ្រាវជាក់ស្តែង ក្រុមស្រាវជ្រាវបានដឹងថា បច្ចុប្បន្ននេះ របបព្យាបាលសម្រាប់ជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីតដែលមានលក្ខណៈខុសប្លែកគ្នាភាគច្រើនពឹងផ្អែកទៅលើការកាត់ក្រពេញទីរ៉ូអ៊ីត បន្តដោយការព្យាបាលបន្ថែមជាមួយនឹងអ៊ីយ៉ូតវិទ្យុសកម្ម (RAI)។ ទោះជាយ៉ាងណាក៏ដោយ ការកំណត់កម្រិតថ្នាំ RAI ដ៏ល្អប្រសើរសម្រាប់អ្នកជំងឺម្នាក់ៗនៅតែជាប្រធានបទ ដែលភាគច្រើនពឹងផ្អែកលើបទពិសោធន៍ព្យាបាលរបស់គ្រូពេទ្យជាជាងឧបករណ៍ចាក់ថ្នាំច្បាស់លាស់។ នេះអាចបណ្តាលឱ្យអ្នកជំងឺមួយចំនួនមិនបានទទួលកម្រិតថ្នាំដែលត្រូវការ បង្កើនហានិភ័យនៃការកើតឡើងវិញ ខណៈពេលដែលអ្នកផ្សេងទៀតទទួលរងនូវផលប៉ះពាល់ដែលមិនចង់បានពីកម្រិតវិទ្យុសកម្មខ្ពស់ពេក។

បច្ចុប្បន្ននេះ ដំណើរការព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីតក្នុងប្រទេសវៀតណាម រួមទាំងការកំណត់កម្រិតវិទ្យុសកម្មសម្រាប់អ្នកជំងឺ អនុវត្តតាមបទប្បញ្ញត្តិរបស់ ក្រសួងសុខាភិបាល យ៉ាងតឹងរ៉ឹង។ ទោះជាយ៉ាងណាក៏ដោយ នៅក្នុងការអនុវត្ត វេជ្ជបណ្ឌិតនៅតែត្រូវពឹងផ្អែកយ៉ាងធំធេងលើបទពិសោធន៍ព្យាបាលរបស់ពួកគេ ដើម្បីកំណត់កម្រិតវិទ្យុសកម្មដ៏ល្អប្រសើរ។ ក្នុងពេលជាមួយគ្នានេះ ពួកគេមិនមានឧបករណ៍ជំនួយដ៏មានប្រសិទ្ធភាព ដើម្បីមានទិដ្ឋភាពទូលំទូលាយ និងអាចទស្សន៍ទាយបានត្រឹមត្រូវអំពីការវិវត្តនៃជំងឺ។

"ពីកង្វល់ទាំងនេះ ដោយមានការណែនាំពីលោកបណ្ឌិត Nguyen Trong Hieu សាស្ត្រាចារ្យរង វេជ្ជបណ្ឌិត Tang Quoc Bao (សាកលវិទ្យាល័យ Graz ប្រទេសអូទ្រីស) និងអនុបណ្ឌិត។ វេជ្ជបណ្ឌិត Nguyen Thi Phuong (មន្ទីរពេទ្យយោធាមជ្ឈិម 108) យើងបានអនុវត្តយ៉ាងក្លាហាននូវកម្លាំងរបស់យើងក្នុងគណិតវិទ្យា ដើម្បីស្វែងរកដំណោះស្រាយ។ វាអាចនិយាយបានថា នេះគឺជាផ្នែកមួយនៃការជួយព្យាបាលផ្នែកគណិតវិទ្យានៅវៀតណាម។ លោក Quang បាននិយាយ។

ការធ្វើគំរូ និងការបង្កើនប្រសិទ្ធភាព៖ គន្លឹះក្នុងការព្យាបាលផ្ទាល់ខ្លួន

ដើម្បីដោះស្រាយបញ្ហាខាងលើ ក្រុមស្រាវជ្រាវបានបង្កើតគំរូគណិតវិទ្យាដែលផ្តោតលើការក្លែងធ្វើបរិមាណជីវសាស្ត្រសំខាន់ៗក្នុងការព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីតដែលខុសប្លែកគ្នា រួមមានៈ ចំនួនកោសិកាមហារីក (N) កំហាប់នៃ Thyroglobulin (Tg) និងអង្គបដិបក្ខប្រឆាំងនឹង Thyroglobulin (AbTg) - ជីវមាត្រសំខាន់ៗដើម្បីតាមដានការឆ្លើយតបនឹងការព្យាបាល រួមជាមួយនឹងកម្រិតថ្នាំវិទ្យុសកម្មដែលប្រើ (សកម្ម)។

ក្រពេញទីរ៉ូអ៊ីត-មហារីក-2.jpg

Quang និងក្រុមស្រាវជ្រាវរបស់គាត់បានរាយការណ៍ប្រធានបទរបស់ពួកគេនៅក្នុងសម័យប្រជុំពេញអង្គនៃសន្និសីទវិទ្យាសាស្ត្រនិស្សិត។ ប្រធានបទទទួលបានរង្វាន់ទីពីរ។

គួរកត់សម្គាល់ថាគំរូនេះត្រូវបានរចនាឡើងឱ្យមានលក្ខណៈសាមញ្ញជាងម៉ូដែលស្មុគស្មាញមួយចំនួនដែលបានមកពីមុន ប៉ុន្តែនៅតែធានាថាវាឆ្លុះបញ្ចាំងយ៉ាងត្រឹមត្រូវនូវអន្តរកម្មជីវសាស្ត្រស្នូល។ គោលដៅរបស់ក្រុមគឺដើម្បីសម្រេចបាននូវគំរូដែលមានប្រសិទ្ធភាពខ្ពស់ក្នុងការកំណត់គ្លីនិក ងាយស្រួលក្នុងការរួមបញ្ចូល និងប្រើប្រាស់។

ដោយផ្អែកលើគំរូគណិតវិទ្យាដែលបានបង្កើតឡើង ក្រុមសិស្សបានបន្តបង្កើតបញ្ហាគ្រប់គ្រងដ៏ល្អប្រសើរមួយ។ គោលដៅនៃបញ្ហានេះគឺដើម្បីស្វែងរកកម្រិតថ្នាំ RAI និងកាលវិភាគដ៏ល្អប្រសើរសម្រាប់អ្នកជំងឺជាក់លាក់នីមួយៗ ដើម្បីសម្រេចបាននូវគោលដៅជាច្រើនក្នុងពេលដំណាលគ្នា៖ កាត់បន្ថយចំនួនកោសិកាមហារីកយ៉ាងមានប្រសិទ្ធភាព ធ្វើឱ្យមានស្ថេរភាពនៃការប្រមូលផ្តុំ Tg និង AbTg biomarkers ហើយមានសារៈសំខាន់ដូចគ្នា កាត់បន្ថយផលប៉ះពាល់ដែលមិនចាំបាច់ពីកម្រិតវិទ្យុសកម្ម។

នៅពេលអនុវត្តដើម្បីក្លែងធ្វើលទ្ធផលនៃការព្យាបាល ការគណនាបង្ហាញពីភាពសមហេតុផល អាចជួយបន្ថយរយៈពេលនៃការព្យាបាលសម្រាប់អ្នកជំងឺ និងគាំទ្រវេជ្ជបណ្ឌិតក្នុងការពិចារណាកាត់បន្ថយកម្រិតថ្នាំព្យាបាល។

ការក្លែងធ្វើលើក្រុមអ្នកជំងឺតំណាងចំនួនបី - ពីអ្នកដែលមានការឆ្លើយតបល្អចំពោះការព្យាបាល អ្នកដែលមានភាពធន់នឹង RAI កម្រិតមធ្យម ទៅនឹងអ្នកដែលមានភាពធន់នឹង RAI ខ្លាំង - បានបង្ហាញថាគំរូអាចទស្សន៍ទាយការវិវត្តនៃជំងឺបានយ៉ាងល្អដោយផ្អែកលើទិន្នន័យមន្ទីរពិសោធន៍ដំបូង។ ពីទីនោះ គំរូអាចផ្តល់នូវកាលវិភាគ និងកម្រិត RAI ដែលសមហេតុផលជាងរបបព្យាបាលជាក់ស្តែងដែលត្រូវបានអនុវត្ត។

នៅពេលប្រៀបធៀប "កម្រិតថ្នាំជាក់ស្តែង" និង "កម្រិតថ្នាំដែលបានណែនាំតាមគំរូ" លទ្ធផលបានបង្ហាញថា យុទ្ធសាស្ត្រព្យាបាលដ៏ល្អប្រសើរដែលស្នើឡើងដោយគំរូបានធ្វើឱ្យអត្រានៃការគ្រប់គ្រងកោសិកាមហារីកមានភាពប្រសើរឡើង និងបាននាំយកកំហាប់ជីវសាស្ត្រសំខាន់ៗត្រឡប់ទៅកម្រិតធម្មតាវិញ។

កម្មវិធីដែលមានសក្តានុពលចំពោះឱសថផ្ទាល់ខ្លួន

ដើម្បីឱ្យការងារអន្តរកម្មសិក្សាមានលក្ខណៈជារូបរាង ជាពិសេសការរួមផ្សំនៃគណិតវិទ្យា និងឱសថ ទាមទារឱ្យមានការខិតខំប្រឹងប្រែងយ៉ាងខ្លាំងពីសមាជិក។ លោក Quang បានចែករំលែកថា ក្នុងនាមជានិស្សិតជំនាញគណិតវិទ្យា ការប្តូរទៅមុខវិជ្ជាដែលទាក់ទងនឹងវេជ្ជសាស្ត្រដំបូងជួបប្រទះការលំបាកជាច្រើន។ ក្នុងអំឡុងពេលប៉ុន្មានខែដំបូងប្រហែលជា២-៣ខែ ក្រុមត្រូវប្រឹងប្រែងយ៉ាងខ្លាំងដើម្បីសិក្សានិងចាប់យកយន្តការវេជ្ជសាស្ត្រ។ មានយប់ដែលខ្ញុំត្រូវស្នាក់នៅដើម្បីអានឯកសារ»។

ជាសំណាងល្អ ក្រុមនេះបានទទួលការគាំទ្រយ៉ាងសាទរពីអ្នក ជំនាញ និងវេជ្ជបណ្ឌិត។ នៅពេលមានបញ្ហាដែលមិនបានយល់ច្បាស់ ក្រុមពិភាក្សាដោយផ្ទាល់ ឬតាមអ៊ីនធឺណិត។ បទពិសោធន៍មួយដែលមិនអាចបំភ្លេចបាន គឺជាលើកទីមួយហើយដែលក្រុមបានទៅមើលមន្ទីរពេទ្យមជ្ឈិមយោធា 108 ដែលពួកគេអាចធ្វើអន្តរកម្ម និងធ្វើការដោយផ្ទាល់ជាមួយក្រុមគ្រូពេទ្យ ប្រមូលទិន្នន័យ និងសង្កេតមើលដំណើរការពិនិត្យ និងព្យាបាល។

លោក Quang បានចែករំលែកថា "យើងបានចំណាយពេលប្រហែល 3 ម៉ោងអង្គុយជាមួយវេជ្ជបណ្ឌិតដើម្បីប្រមូលទិន្នន័យ និងផ្លាស់ប្តូរអ្នកជំនាញ។ លើសពីនេះ យើងក៏មានឱកាសដើម្បីសង្កេតមើលផ្នែកមួយនៃដំណើរការពិនិត្យ និងព្យាបាល ដំណើរការព្យាបាលអ្នកជំងឺ។ ទាំងនេះពិតជាបទពិសោធន៍គួរឱ្យចាប់អារម្មណ៍ និងមានប្រយោជន៍" ។

លោក Quang បាននិយាយថា ប្រសិនបើការស្រាវជ្រាវនេះត្រូវបានផ្តល់ការយកចិត្តទុកដាក់ វិនិយោគ និងអភិវឌ្ឍ វានឹងក្លាយជាឧបករណ៍ជំនួយដ៏មានឥទ្ធិពលសម្រាប់វេជ្ជបណ្ឌិត។ វាមិនត្រឹមតែជួយទស្សន៍ទាយការវិវត្តនៃជម្ងឺនាពេលខាងមុខ ប្រហែល 4-5 ឆ្នាំខាងមុខប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងជួយផ្តល់យោបល់លើកម្រិតថ្នាំព្យាបាលបន្ទាប់ទៀត ដែលសមស្របបំផុតសម្រាប់អ្នកជំងឺម្នាក់ៗ។

ឥឡូវនេះក្រុមកំពុងធ្វើតេស្តយ៉ាងសកម្មនូវគំរូជាមួយនឹងសំណុំទិន្នន័យអ្នកជំងឺបន្ថែមទៀត ដោយផ្តោតជាពិសេសទៅលើអ្នកជំងឺដែលមានកម្រិត AbTg ខ្ពស់ ដែលជាក្រុមដែលពីមុនទទួលបានការចាប់អារម្មណ៍តិចតួចពីការសិក្សាផ្សេងទៀត។

លើសពីនេះ ក្រុមការងារកំពុងស្ថិតក្នុងដំណើរការបង្កើតកម្មវិធី software ដែលអាចណែនាំដោយស្វ័យប្រវត្តិនូវកម្រិតថ្នាំព្យាបាល RAI សមរម្យសម្រាប់បុគ្គលម្នាក់ៗ ដោយផ្អែកលើទិន្នន័យបញ្ចូល។ ប្រសិនបើគម្រោងនេះទទួលបានជោគជ័យ គោលដៅបន្ថែមទៀតគឺដើម្បីបង្កើតកម្មវិធីជាក់លាក់មួយ (កម្មវិធី)។

ជាពិសេស សាត្រាស្លឹករឹតវិទ្យាសាស្ត្រកំពុងត្រូវបានរៀបចំឡើងដោយក្រុម ដើម្បីដាក់ឱ្យបោះពុម្ពផ្សាយក្នុងទស្សនាវដ្តីអន្តរជាតិដ៏មានកិត្យានុភាព។ លោក Quang បានចែករំលែកថា៖ «យើងសង្ឃឹមថាគម្រោងនេះនឹងរួមចំណែកដល់និន្នាការនៃការព្យាបាលផ្ទាល់ខ្លួនដែលកំពុងកើនឡើងយ៉ាងខ្លាំងក្នុងឱសថទំនើប»។

ប្រភព៖ https://khoahocdoisong.vn/dung-toan-hoc-toi-uu-hoa-dieu-tri-ung-thu-tuyen-giap-post1544500.html