ការប្រើគណិតវិទ្យាដើម្បីបង្កើនប្រសិទ្ធភាពការព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីត

និស្សិតមួយក្រុមមកពីសាកលវិទ្យាល័យវិទ្យាសាស្ត្រ (សកលវិទ្យាល័យជាតិវៀតណាម ទីក្រុងហាណូយ) បានត្រួសត្រាយលើការប្រើប្រាស់គំរូគណិតវិទ្យា ដើម្បីបង្កើនប្រសិទ្ធភាពព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីត។

មហារីកក្រពេញទីរ៉ូអ៊ីត គឺជាជំងឺមហារីកក្រពេញ endocrine ទូទៅបំផុតមួយ។ ទោះបីជាវាមានអត្រាជោគជ័យខ្ពស់ក៏ដោយ ហានិភ័យនៃការកើតឡើងវិញគឺតែងតែជាកង្វល់ជាប្រចាំសម្រាប់អ្នកជំងឺ និងជាបញ្ហាប្រឈមសម្រាប់ឱសថ។ ការងារ "កម្មវិធីគណិតវិទ្យាក្នុងការធ្វើរោគវិនិច្ឆ័យ និងព្យាបាលជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីត" របស់និស្សិត Tran Van Luat (K66 Math - IT) និង Nguyen Dinh Quang (K67 Math Talent Program) នៃសាកលវិទ្យាល័យ វិទ្យាសាស្ត្រធម្មជាតិ (សកលវិទ្យាល័យជាតិវៀតណាម ហាណូយ) បាននាំមកនូវវិធីសាស្រ្តថ្មី និងជោគជ័យក្នុងការប្រើប្រាស់គំរូគណិតវិទ្យា ដើម្បីបង្កើនប្រសិទ្ធភាពការព្យាបាលមហារីកក្រពេញទីរ៉ូអ៊ីត។

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

ពី​កង្វល់​ជាក់ស្តែង​រហូត​ដល់​ទម្លាយ​ដំណោះស្រាយ​គណិតវិទ្យា

ចែករំលែកគំនិតនៃការបង្កើតគម្រោងនេះ លោក Nguyen Dinh Quang បាននិយាយថា តាមរយៈការស្រាវជ្រាវជាក់ស្តែង ក្រុមស្រាវជ្រាវបានដឹងថា បច្ចុប្បន្ននេះ របបព្យាបាលសម្រាប់ជំងឺមហារីកក្រពេញទីរ៉ូអ៊ីតដែលមានលក្ខណៈខុសប្លែកគ្នាភាគច្រើនពឹងផ្អែកទៅលើការកាត់ក្រពេញទីរ៉ូអ៊ីត បន្តដោយការព្យាបាលបន្ថែមជាមួយនឹងអ៊ីយ៉ូតវិទ្យុសកម្ម (RAI)។ ទោះជាយ៉ាងណាក៏ដោយ ការកំណត់កម្រិតថ្នាំ RAI ដ៏ល្អប្រសើរសម្រាប់អ្នកជំងឺម្នាក់ៗនៅតែជាប្រធានបទ ដែលភាគច្រើនផ្អែកលើបទពិសោធន៍ព្យាបាលរបស់វេជ្ជបណ្ឌិត ជាជាងឧបករណ៍ចាក់ថ្នាំច្បាស់លាស់។ នេះអាចនាំឱ្យអ្នកជំងឺមួយចំនួនមិនបានទទួលកម្រិតចាំបាច់ បង្កើនហានិភ័យនៃការកើតឡើងវិញ ខណៈពេលដែលអ្នកផ្សេងទៀតទទួលរងនូវផលប៉ះពាល់ដែលមិនចង់បានពីកម្រិតវិទ្យុសកម្មខ្ពស់ពេក។

បច្ចុប្បន្ន​នេះ ដំណើរការ​ព្យាបាល​ជំងឺ​មហារីក​ក្រពេញទីរ៉ូអ៊ីត​ក្នុង​ប្រទេស​វៀតណាម រួម​ទាំង​ការ​កំណត់​កម្រិត​វិទ្យុសកម្ម​សម្រាប់​អ្នក​ជំងឺ អនុវត្ត​តាម​បទប្បញ្ញត្តិ​របស់ ​ក្រសួងសុខាភិបាល ​យ៉ាង​តឹងរ៉ឹង។ ទោះជាយ៉ាងណាក៏ដោយ តាមការពិត គ្រូពេទ្យនៅតែត្រូវពឹងផ្អែកយ៉ាងធំធេងលើបទពិសោធន៍ព្យាបាលរបស់ពួកគេ ដើម្បីកំណត់កម្រិតវិទ្យុសកម្មដ៏ល្អប្រសើរ។ ក្នុងពេលជាមួយគ្នានេះ ពួកគេមិនមានឧបករណ៍ជំនួយដ៏មានប្រសិទ្ធភាព ដើម្បីមានទិដ្ឋភាពទូលំទូលាយ និងអាចព្យាករណ៍បានត្រឹមត្រូវអំពីការវិវត្តនៃជំងឺនេះ។

"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)។

Quang និងក្រុមស្រាវជ្រាវរបស់គាត់បានរាយការណ៍ប្រធានបទរបស់ពួកគេនៅក្នុងសម័យប្រជុំពេញអង្គនៃសន្និសីទវិទ្យាសាស្ត្រនិស្សិត។ ប្រធានបទទទួលបានរង្វាន់ទីពីរ។

គួរកត់សម្គាល់ថាគំរូនេះត្រូវបានរចនាឡើងឱ្យមានលក្ខណៈសាមញ្ញជាងម៉ូដែលស្មុគស្មាញមួយចំនួនដែលត្រូវបានបង្កើតឡើងពីមុន ខណៈពេលដែលនៅតែឆ្លុះបញ្ចាំងយ៉ាងត្រឹមត្រូវអំពីអន្តរកម្មជីវសាស្ត្រស្នូល។ គោលដៅរបស់ក្រុមគឺដើម្បីសម្រេចបាននូវគំរូដែលអាចអនុវត្តបានខ្ពស់ក្នុងការកំណត់គ្លីនិក ងាយស្រួលក្នុងការរួមបញ្ចូល និងប្រើប្រាស់។

ដោយផ្អែកលើគំរូគណិតវិទ្យា ក្រុមសិស្សបានបន្តបង្កើតបញ្ហាគ្រប់គ្រងដ៏ល្អប្រសើរ។ គោលដៅនៃបញ្ហានេះគឺដើម្បីស្វែងរកកម្រិតថ្នាំ RAI និងកាលវិភាគដ៏ល្អប្រសើរសម្រាប់អ្នកជំងឺជាក់លាក់នីមួយៗ ដើម្បីសម្រេចបាននូវគោលដៅជាច្រើនក្នុងពេលតែមួយ៖ កាត់បន្ថយចំនួនកោសិកាមហារីកយ៉ាងមានប្រសិទ្ធភាពបំផុត ធ្វើឱ្យមានស្ថេរភាពនៃការប្រមូលផ្តុំ Tg និង AbTg biomarkers ហើយសំខាន់ដូចគ្នា កាត់បន្ថយផលប៉ះពាល់ដែលមិនចាំបាច់ពីកម្រិតវិទ្យុសកម្ម។

នៅពេលអនុវត្តដើម្បីក្លែងធ្វើលទ្ធផលនៃការព្យាបាល ការគណនាបង្ហាញពីភាពសមហេតុផល អាចជួយបន្ថយរយៈពេលនៃការព្យាបាលសម្រាប់អ្នកជំងឺ និងគាំទ្រវេជ្ជបណ្ឌិតក្នុងការពិចារណាកាត់បន្ថយកម្រិតថ្នាំព្យាបាល។

ការក្លែងធ្វើលើក្រុមអ្នកជំងឺតំណាងចំនួនបី - ពីអ្នកដែលមានការឆ្លើយតបល្អចំពោះការព្យាបាល អ្នកដែលមានភាពធន់នឹង RAI កម្រិតមធ្យម ដល់អ្នកដែលមានភាពធន់នឹង RAI ខ្លាំង - បានបង្ហាញថាគំរូអាចទស្សន៍ទាយការវិវត្តនៃជំងឺដោយផ្អែកលើទិន្នន័យមន្ទីរពិសោធន៍មូលដ្ឋាន ហើយគំរូអាចផ្តល់នូវកាលវិភាគ និងកម្រិត RAI ដែលសមស្របជាងរបបព្យាបាលជាក់ស្តែងដែលបានប្រើ។

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

កម្មវិធីដែលមានសក្តានុពលចំពោះឱសថផ្ទាល់ខ្លួន

ដើម្បីរៀបចំគម្រោងបែបអន្តរកម្មសិក្សា ជាពិសេសការរួមបញ្ចូលគ្នានៃគណិតវិទ្យា និងឱសថ ទាមទារការខិតខំប្រឹងប្រែងយ៉ាងខ្លាំងពីសមាជិក។ លោក Quang បាន​ចែករំលែក​ថា ក្នុង​នាម​ជា​និស្សិត​ជំនាញ​គណិត​វិទ្យា ការ​ផ្លាស់​ប្តូរ​ទៅ​មុខ​វិជ្ជា​ដែល​ទាក់​ទង​នឹង​ឱសថ​ដំបូង​ជួប​ប្រទះ​ការ​លំបាក​ជា​ច្រើន។ ក្នុងខែដំបូងប្រហែល 2-3 ខែ ក្រុមត្រូវខិតខំប្រឹងប្រែងយ៉ាងខ្លាំងដើម្បីរៀន និងចាប់យកយន្តការវេជ្ជសាស្ត្រ។ មាន​យប់​ដែល​យើង​ត្រូវ​ស្នាក់​នៅ​ដើម្បី​អាន​ឯកសារ»។

ជាសំណាងល្អ ក្រុមនេះបានទទួលការគាំទ្រយ៉ាងសាទរពីអ្នក ជំនាញ និងវេជ្ជបណ្ឌិត។ នៅពេលមានបញ្ហាដែលមិនត្រូវបានយល់ច្បាស់ ក្រុមពិភាក្សាដោយផ្ទាល់ ឬតាមអ៊ីនធឺណិត។ បទពិសោធន៍មួយដែលមិនអាចបំភ្លេចបាន គឺជាលើកទីមួយហើយដែលក្រុមបានទៅមន្ទីរពេទ្យយោធភូមិភាគ 108 ដែលពួកគេអាចធ្វើអន្តរកម្ម និងធ្វើការដោយផ្ទាល់ជាមួយក្រុមគ្រូពេទ្យ ប្រមូលទិន្នន័យ និងសង្កេតមើលដំណើរការពិនិត្យ និងព្យាបាល។

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

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

ឥឡូវនេះក្រុមកំពុងធ្វើតេស្តយ៉ាងសកម្មនូវគំរូជាមួយនឹងសំណុំទិន្នន័យអ្នកជំងឺបន្ថែមទៀត ដោយផ្តោតជាពិសេសទៅលើអ្នកជំងឺដែលមានកម្រិត AbTg ខ្ពស់ ដែលជាក្រុមដែលពីមុនទទួលបានការចាប់អារម្មណ៍តិចតួចពីការសិក្សាផ្សេងទៀត។

លើសពីនេះ ក្រុមការងារកំពុងបង្កើតកម្មវិធីសូហ្វវែរ ដែលអាចណែនាំដោយស្វ័យប្រវត្តិនូវកម្រិតថ្នាំព្យាបាល RAI សមរម្យសម្រាប់បុគ្គលម្នាក់ៗ ដោយផ្អែកលើទិន្នន័យបញ្ចូល។ ប្រសិនបើគម្រោងនេះទទួលបានជោគជ័យ គោលដៅបន្ថែមទៀតគឺដើម្បីបង្កើតកម្មវិធីជាក់លាក់មួយ (កម្មវិធី)។

ជាពិសេស ក្រុមកំពុងរៀបចំសាត្រាស្លឹករឹតបែបវិទ្យាសាស្ត្រ ដើម្បីដាក់បោះពុម្ពផ្សាយក្នុងទស្សនាវដ្ដីអន្តរជាតិល្បីៗ។ លោក Quang បាន​ចែករំលែក​ថា៖ «យើង​សង្ឃឹម​ថា ការងារ​នេះ​នឹង​រួម​ចំណែក​ដល់​និន្នាការ​នៃ​ការ​ព្យាបាល​ផ្ទាល់​ខ្លួន​ដែល​កំពុង​មាន​ការ​អភិវឌ្ឍ​ខ្លាំង​ក្នុង​ឱសថ​ទំនើប»។

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