Ứng Dụng Kỹ Thuật Khai Phá Dữ Liệu Để Theo Dõi Khả Năng Điều Trị Của Bệnh Nhân Ung Thư Vú

Khám phá ứng dụng kỹ thuật khai phá dữ liệu trong việc theo dõi hiệu quả điều trị bệnh nhân ung thư vú, nâng cao chất lượng chăm sóc sức khỏe.

• Tác giả: Lưu Nguyễn Thanh Tòng
• Người hướng dẫn: TS. Trương Hoàng Vinh
• Trường học: Trường Đại Học Mở Thành Phố Hồ Chí Minh
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Ứng Dụng Kỹ Thuật Khai Phá Dữ Liệu Trong Theo Dõi Điều Trị Bệnh Nhân Ung Thư Vú
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH BỆNH UNG THƯ VÚ TRÊN THẾ GIỚI VÀ SỰ CẦN THIẾT CỦA VIỆC ỨNG DỤNG ĐỒ ÁN
• 1.1. Giới thiệu

Tóm tắt

I. Tổng Quan Về Ứng Dụng Khai Phá Dữ Liệu Ung Thư Vú

Ung thư vú là một vấn đề sức khỏe toàn cầu, ảnh hưởng đến hàng triệu phụ nữ mỗi năm. Theo Tổ chức Y tế Thế giới (WHO), ung thư vú là loại ung thư phổ biến nhất ở phụ nữ và là nguyên nhân hàng đầu gây tử vong do ung thư ở phụ nữ. Việc theo dõi bệnh nhân ung thư vú trong suốt quá trình điều trị là rất quan trọng để đánh giá hiệu quả điều trị và đưa ra các quyết định điều trị phù hợp. Khai phá dữ liệu (Data mining) đang nổi lên như một công cụ mạnh mẽ hỗ trợ các chuyên gia y tế trong việc phân tích dữ liệu bệnh nhân ung thư vú, dự đoán kết quả điều trị và đưa ra các quyết định lâm sàng tốt hơn. Việc ứng dụng khai phá dữ liệu trong y học giúp cá nhân hóa phác đồ điều trị, nâng cao hiệu quả điều trị và cải thiện chất lượng sống cho bệnh nhân. Đồ án này tập trung vào việc ứng dụng kỹ thuật khai phá dữ liệu để theo dõi khả năng điều trị của bệnh nhân ung thư vú.

1.1. Tình hình ung thư vú toàn cầu và tại Việt Nam

Trên toàn thế giới, ung thư vú là loại ung thư phổ biến nhất ở phụ nữ, gây ra số lượng lớn ca tử vong. Tại Việt Nam, mặc dù tỷ lệ mắc ung thư vú thấp hơn so với các nước phát triển, nhưng tỷ lệ này đang có xu hướng gia tăng trong những năm gần đây, trở thành gánh nặng lớn cho gia đình và xã hội. Theo GLOBOCAN 2020, ung thư vú chiếm 11,7% số ca ung thư mới được phát hiện trên toàn cầu và là nguyên nhân gây tử vong đứng thứ hai trong số các loại ung thư. Điều này cho thấy tầm quan trọng của việc chẩn đoán sớm và điều trị hiệu quả ung thư vú.

1.2. Tại sao cần khai phá dữ liệu trong điều trị ung thư vú

Việc điều trị ung thư vú đòi hỏi sự can thiệp của nhiều phương pháp khác nhau, và việc lựa chọn phương pháp phù hợp cho từng bệnh nhân là một thách thức lớn. Phân tích dữ liệu bệnh nhân ung thư vú bằng các kỹ thuật khai phá dữ liệu giúp xác định các yếu tố tiên lượng, dự đoán khả năng đáp ứng điều trị và đưa ra các quyết định điều trị cá nhân hóa. Khai phá dữ liệu có thể giúp ngăn chặn các thủ tục phẫu thuật và điều trị không cần thiết, đồng thời tối ưu hóa chi phí điều trị và tăng cơ hội sống sót cho bệnh nhân.

II. Thách Thức Trong Theo Dõi Điều Trị Ung Thư Vú Hiện Nay

Việc theo dõi điều trị ung thư vú thường không được quan sát chủ quan một cách rõ ràng. Hầu hết các can thiệp điều trị cần phải được nghiên cứu để đánh giá hiệu quả. Những phương pháp điều trị được đánh giá hữu hiệu cần phải cho thấy nó mang lại lợi ích nhiều hơn là tác hại gây ra cho bệnh nhân. Không phải tất cả bệnh nhân tuân thủ chỉ định điều trị. Do đó, hậu quả từ việc không tuân thủ chỉ định điều trị cũng rất quan trọng cần được xem xét. Các phương pháp chẩn đoán như chụp X-quang hay khám vú lâm sàng (CBE) cần chuyên gia chẩn đoán hình ảnh giỏi hay bác sĩ có chuyên môn cao và không phải kết quả chuẩn đoán hoàn toàn chính xác 100% vì một số nguyên nhân chủ quan.

2.1. Khó khăn trong đánh giá hiệu quả điều trị

Đánh giá hiệu quả điều trị ung thư vú là một quá trình phức tạp, đòi hỏi sự kết hợp của nhiều yếu tố, bao gồm các xét nghiệm cận lâm sàng, hình ảnh học và đánh giá lâm sàng. Mỗi bệnh nhân có thể có đáp ứng điều trị khác nhau, ngay cả khi họ ở cùng giai đoạn bệnh và có các đặc điểm lâm sàng tương tự. Việc xác định các yếu tố tiên lượng và dự đoán khả năng đáp ứng điều trị là một thách thức lớn.

2.2. Vấn đề tuân thủ điều trị của bệnh nhân

Sự tuân thủ điều trị của bệnh nhân đóng vai trò quan trọng trong việc đảm bảo hiệu quả điều trị. Tuy nhiên, không phải tất cả bệnh nhân đều tuân thủ đầy đủ các chỉ định của bác sĩ, do nhiều yếu tố như tác dụng phụ của thuốc, chi phí điều trị và các yếu tố tâm lý. Việc theo dõi và cải thiện sự tuân thủ điều trị của bệnh nhân là một vấn đề cần được quan tâm.

2.3. Hạn chế của các phương pháp chẩn đoán truyền thống

Các phương pháp chẩn đoán ung thư vú truyền thống như chụp X-quang và khám vú lâm sàng có thể bị hạn chế bởi độ nhạy và độ đặc hiệu. Kết quả chẩn đoán có thể bị ảnh hưởng bởi kinh nghiệm của bác sĩ, chất lượng của thiết bị và các yếu tố chủ quan khác. Điều này có thể dẫn đến chẩn đoán sai hoặc chẩn đoán muộn, ảnh hưởng đến hiệu quả điều trị.

III. Phương Pháp Khai Phá Dữ Liệu Để Dự Đoán Kết Quả Điều Trị

Ứng dụng Machine learning trong ung thư vú đang ngày càng phổ biến. Các thuật toán khai phá dữ liệu như Cây quyết định, Random Forest, Support Vector Machine (SVM) và Artificial Neural Networks (ANN) có thể được sử dụng để xây dựng các mô hình dự đoán kết quả điều trị ung thư vú. Các mô hình này sử dụng dữ liệu bệnh nhân (ví dụ: tuổi, giai đoạn bệnh, đặc điểm khối u, phương pháp điều trị) để dự đoán khả năng sống sót, khả năng tái phát bệnh và đáp ứng điều trị. Các thuật toán học máy có khả năng học hỏi từ dữ liệu và cải thiện độ chính xác của dự đoán theo thời gian.

3.1. Sử dụng thuật toán Cây quyết định để phân loại bệnh nhân

Thuật toán Cây quyết định là một phương pháp phân loại bệnh nhân ung thư vú dựa trên các thuộc tính khác nhau. Cây quyết định tạo ra một cấu trúc cây, trong đó mỗi nút đại diện cho một thuộc tính và mỗi nhánh đại diện cho một giá trị của thuộc tính đó. Thuật toán này có thể được sử dụng để xác định các yếu tố quan trọng nhất ảnh hưởng đến kết quả điều trị và để phân loại bệnh nhân vào các nhóm nguy cơ khác nhau.

3.2. Ứng dụng thuật toán Random Forest để tăng độ chính xác

Random Forest là một thuật toán học máy dựa trên việc xây dựng nhiều cây quyết định và kết hợp kết quả của chúng để đưa ra dự đoán cuối cùng. Phương pháp này giúp giảm thiểu hiện tượng overfitting và tăng độ chính xác của mô hình. Random Forest có thể được sử dụng để dự đoán kết quả điều trị ung thư vú với độ chính xác cao hơn so với các thuật toán đơn lẻ.

3.3. Mô hình mạng nơ ron ANN trong dự đoán kết quả điều trị

Mạng nơ-ron nhân tạo (ANN) là một mô hình học máy phức tạp, mô phỏng cấu trúc và chức năng của não bộ con người. ANN có khả năng học hỏi các mối quan hệ phức tạp giữa các thuộc tính và kết quả, và có thể được sử dụng để dự đoán kết quả điều trị ung thư vú với độ chính xác cao. ANN đòi hỏi lượng dữ liệu lớn để huấn luyện và có thể khó giải thích hơn so với các thuật toán khác.

IV. Ứng Dụng Thực Tế Hệ Thống Hỗ Trợ Điều Trị Ung Thư Vú

Các mô hình dự đoán được xây dựng bằng kỹ thuật khai phá dữ liệu có thể được tích hợp vào các hệ thống hỗ trợ ra quyết định điều trị ung thư vú. Hệ thống này cung cấp cho các bác sĩ thông tin về khả năng sống sót, khả năng tái phát bệnh và đáp ứng điều trị của từng bệnh nhân, giúp họ đưa ra các quyết định điều trị tốt hơn. Hệ thống cũng có thể được sử dụng để theo dõi hiệu quả điều trị và điều chỉnh phác đồ điều trị khi cần thiết. Việc hỗ trợ ra quyết định điều trị ung thư vú dựa trên dữ liệu giúp nâng cao chất lượng chăm sóc và cải thiện kết quả điều trị cho bệnh nhân.

4.1. Xây dựng hệ thống dự đoán rủi ro tái phát ung thư vú

Một trong những ứng dụng quan trọng của khai phá dữ liệu ung thư vú là xây dựng hệ thống dự đoán rủi ro tái phát bệnh. Hệ thống này sử dụng dữ liệu bệnh nhân để đánh giá khả năng tái phát bệnh trong tương lai, giúp các bác sĩ đưa ra các quyết định điều trị dự phòng phù hợp. Hệ thống này có thể giúp giảm tỷ lệ tái phát bệnh và cải thiện chất lượng sống cho bệnh nhân.

4.2. Cá nhân hóa phác đồ điều trị dựa trên dữ liệu

Khai phá dữ liệu có thể được sử dụng để cá nhân hóa phác đồ điều trị ung thư vú cho từng bệnh nhân. Dựa trên các đặc điểm cá nhân của bệnh nhân, như giai đoạn bệnh, đặc điểm khối u và tình trạng sức khỏe tổng thể, hệ thống có thể đề xuất các phác đồ điều trị phù hợp nhất. Điều này giúp tối ưu hóa hiệu quả điều trị và giảm thiểu tác dụng phụ.

4.3. Ứng dụng trong hội chẩn từ xa và đào tạo y khoa

Các hệ thống hỗ trợ điều trị ung thư vú dựa trên AI trong điều trị ung thư vú có thể được sử dụng trong hội chẩn từ xa và đào tạo y khoa. Hệ thống này cung cấp cho các bác sĩ ở các vùng sâu vùng xa thông tin và công cụ cần thiết để đưa ra các quyết định điều trị tốt nhất cho bệnh nhân. Hệ thống cũng có thể được sử dụng để đào tạo các bác sĩ trẻ về các phương pháp điều trị ung thư vú mới nhất.

V. Kết luận và Hướng Phát Triển Của Khai Phá Dữ Liệu

Việc ứng dụng kỹ thuật khai phá dữ liệu trong theo dõi điều trị bệnh nhân ung thư vú mang lại nhiều tiềm năng to lớn. Các mô hình dự đoán được xây dựng bằng các kỹ thuật khai phá dữ liệu có thể giúp các bác sĩ đưa ra các quyết định điều trị tốt hơn, cá nhân hóa phác đồ điều trị và cải thiện chất lượng sống cho bệnh nhân. Trong tương lai, sự phát triển của Big data trong y tế ung thư vú và các kỹ thuật học máy sẽ mở ra nhiều cơ hội mới cho việc nghiên cứu và điều trị ung thư vú.

5.1. Tóm tắt kết quả và đóng góp của nghiên cứu

Nghiên cứu này đã trình bày một tổng quan về việc ứng dụng khai phá dữ liệu trong theo dõi điều trị ung thư vú. Nghiên cứu đã chỉ ra rằng các kỹ thuật khai phá dữ liệu có thể được sử dụng để xây dựng các mô hình dự đoán kết quả điều trị, cá nhân hóa phác đồ điều trị và cải thiện chất lượng sống cho bệnh nhân. Nghiên cứu cũng đã thảo luận về các thách thức và cơ hội trong việc ứng dụng khai phá dữ liệu trong lĩnh vực này.

5.2. Hướng phát triển và nghiên cứu trong tương lai

Trong tương lai, cần có thêm nhiều nghiên cứu về việc ứng dụng khai phá dữ liệu trong điều trị ung thư vú. Các nghiên cứu nên tập trung vào việc phát triển các mô hình dự đoán chính xác hơn, cá nhân hóa phác đồ điều trị dựa trên phân tích gen ung thư vú và tích hợp các mô hình dự đoán vào các hệ thống hỗ trợ điều trị ung thư vú thân thiện với người dùng.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan tình hình bệnh ung thư vú trên thế giới và sự cần thiết của việc ứng dụng đồ án 1. Giới thiệu Theo ước tính của Tổ chức Y tế Thế giới (WHO), năm 2018 [1] có khoảng 627.000 phụ nữ chết do ung thư vú, chiếm 15% nguyên nhân tử vong do ung thư. Ung thư vú thường xảy ra cho phụ nữ, ảnh hưởng đến 2.1 triệu người mỗi năm trên toàn thế giới và là một trong số loại ung thư gây tử vong cao cho phụ nữ.

Ung thư được xếp hạng là nguyên nhân gây tử vong hàng đầu và là rào cản quan trọng để ngăn cản việc tăng tuổi thọ ở mọi quốc gia trên thế giới. Năm 2019 [2], ung thư là nguyên nhân hàng đầu hoặc thứ hai tử vong trước 70 tuổi ở 112 trong số 183 quốc gia và đứng thứ ba hoặc thứ tư ở 23 quốc gia khác (xem Hình 1. Xếp hạng quốc gia về ung thư gây tử vong ở độ tuổi <70 vào năm 2019. Nguồn: Tổ chức Y tế Thế giới Tổ chức Thống Kê Tỷ Lệ Mắc Ung Thư và Tử Vong Toàn Cầu (Global Cancer Incidence, Mortality and Prevalence, gọi tắt là GLOBOCAN) [2] đã thống kê về số ca phát hiện mới và số ca gây tử vong của 36 loại ung thư vào năm 2020 của 185 1 quốc gia trên năm châu lục như Bảng 1, trong đó tổng số ca ung thư vú được phát hiện mới chiếm khoảng 11,7% đứng thứ nhất và là nguyên nhân đứng thứ 2 gây tử vong trong tổng số 36 loại ung thư.

Ung thư vú ở phụ nữ đã vượt qua ung thư phổi (thống kê vào năm 2018) trở thành bệnh phổ biến nhất trong các loại bệnh ung thư được chẩn đoán, với ước tính khoảng 2,3 triệu trường hợp mắc mới (11,7%); tiếp theo là: ung thư phổi (11,4%); ung thư đại trực tràng (10,0%); ung thư tuyến tiền liệt (7,3%) và ung thư dạ dày (5,6%). Như vậy, ung thư phổi vẫn là nguyên nhân gây tử vong hàng đầu với ước tính có khoảng 1,8 triệu ca tử vong (18%); tiếp theo là ung thư đại trực tràng khoảng 9,4%; ung thư gan khoảng 8,3%; ung thư dạ dày khoảng 7,7% và ung thư vú ở phụ nữ khoảng 6,9%. Tuy nhiên, tỷ lệ tử vong đối với ung thư vú và ung thư cổ tử cung ở phụ nữ cao hơn đáng kể ở các quốc gia đang phát triển so với các quốc gia phát triển (15,0 so với 12,8 trên 100.000 và 12,4 so với 5,2 trên 100. Gánh nặng ung thư toàn cầu dự kiến sẽ là 28,4 triệu trường hợp vào năm 2040, tăng 47% so với năm 2020, với tỷ lệ lớn hơn gia tăng ở các quốc gia đang phát triển (64% lên 95%) so với các quốc gia phát triển (32% lên 56%) do tăng các yếu tố rủi ro liên quan đến toàn cầu hóa và một nền kinh tế đang phát triển.

Nỗ lực để xây dựng một cơ sở hạ tầng bền vững phổ biến các biện pháp phòng chống ung thư và cung cấp dịch vụ chăm sóc bệnh nhân ung thư ở các nước đang phát triển là rất quan trọng để kiểm soát bệnh ung thư toàn cầu (Việt nam cũng nằm trong số những nước đang phát triển với bệnh ung thư ngày một cao). Nhìn chung, gánh nặng về tỷ lệ mắc bệnh và tử vong do ung thư đang gia tăng nhanh chóng trên toàn thế giới, những yếu tố nguy cơ chính gây ung thư gắn liền với nguyên nhân là mặt trái của sự phát triển kinh tế xã hội. Mức độ ảnh hưởng của bệnh ung thư là nguyên nhân gây tử vong sớm phản ánh mức độ suy giảm kinh tế và xã hội của sự phát triển các quốc gia, có thể được nhìn thấy bằng cách so sánh các bản đồ trong Hình 1.2A mô tả chỉ số phát triển con người (HDI) 4 bậc của Báo cáo phát triển con người quốc gia của Hoa kỳ năm 2019. Tỷ lệ mắc bệnh ung thư và tỷ lệ tử vong toàn cầu và đánh giá về sự thay đổi dựa trên địa lý được quan sát trên 20 khu vực thế giới được xác định trước (Hình 1.

(A) Chỉ số Phát triển Con người 4 Bậc (HDI) và (B) 20 Khu vực trên Thế giới. Kích thước của các quần thể tương ứng được bao gồm trong hình. Nguồn: Liên Hợp Quốc/Chương trình Phát triển Liên Hợp Quốc. Các ca mắc mới và tử vong cho 36 loại bệnh ung thư vào năm 2020 như bảng sau (xem Bảng 1.1): Loại ung thư Tổng số ca phát hiện mới Tổng số ca gây tử vong Ung thư vú 2.996 (6,9%) Ung thư phổi 2.144 (18,0%) 3 Ung thư tuyến tiền liệt 1.304 (3,8%) Ung thư da 1.731 (0,6%) Ung thư ruột 1.858 (5,8%) Ung thư bao tử 1.7%) Ung thư gan 905.180 (8,3%) Ung thư trực tràng 732.022 (3,4%) Ung thư cổ tử cung 604.831 (3,4%) Ung thư thực quản 604.

Trích dẫn nhóm 10 loại ung thư phổ biến xếp theo thứ tự giảm dần số ca phát hiện mới (Nguồn: GLOBOCAN 2020). Ở khu vực Đông Nam Á, Việt Nam là quốc gia đang phát triển bao gồm 64 thành phố và dân số hơn 90 triệu dân. Việt Nam là quốc gia có thu nhập thấp với mức lương bình quân đầu người hàng năm là 3.200 đô la Mỹ và bảo hiểm y tế xã hội tự nguyện khoảng US$20,00 mỗi năm, được đóng bởi cá nhân và hộ gia đình. Mặc dù không đủ điều kiện y tế phục vụ chăm sóc sức khỏe cộng đồng, Việt Nam có tỷ lệ mắc ung thư vú chuẩn hóa theo độ tuổi thấp đáng kể ở mức 23/100.000 phụ nữ so với khoảng 120/100.000 phụ nữ ở các nước phương Tây phát triển, chẳng hạn như Úc và Hoa Kỳ.

Tuy nhiên, trong các nước phát triển, điều này tỷ lệ ổn định hoặc có dấu hiệu giảm; trong khi tỷ lệ có tăng ở Việt Nam với hệ số lớn hơn hai lần trong hai thập kỷ qua, làm cho căn bệnh này xãy ra thường xuyên khi xét nghiệm chẩn đoán ung thư ở phụ nữ Việt Nam [3]. Học sâu (Deep Learning) là một nhánh của lĩnh vực máy học, biểu diễn dữ liệu thành nhiều tầng từ mức độ đơn giản gồm các điểm, đoạn thẳng đến các cấu trúc phức tạp gồm các hình đa giác mang ý nghĩa trừu tượng. Năm 1986, deep learning được giới thiệu lần đầu đến cộng đồng máy học bởi giáo sư Rina Dechter thuộc Trường Đại Học California, Irvine. Năm 1970, deep learning sử dụng thuật toán mô phỏng khả năng xử lý của bộ não người để nhận dạng và phân biệt đối tượng (multiplayer perceptrons) [12].

Vào năm 1989, Yann LeCun ở Trường Đại Học NewYork đã sử dụng thuật toán lan truyền ngược trong deep learning để nhận dạng 4 chữ số viết tay. Ngày nay, deep learning được phát triển nhanh, rộng và ứng dụng trong nhiều lĩnh vực đặc biệt trong lĩnh vực y học. Tình hình nghiên cứu Ngày nay, có nhiều nghiên cứu mới trong lĩnh vực khai phá dữ liệu y học cho các mục đích khác nhau ngày càng đạt hiệu quả cao và chính xác. Quá trình theo dõi khả năng điều trị của bệnh nhân ung thư vú là một vấn đề được làm nhiều bằng các phương pháp y học nhưng có không nhiều các công trình bằng phương pháp công nghệ thông tin.

Phần lớn các công trình nghiên cứu là nhằm cải thiện chẩn đoán phát hiện bệnh ung thư sao cho hiệu quả, dự báo khả năng sống sót nhưng ít nói đến theo dõi khả năng điều trị. - Nhóm tác giả gồm: Rozita Jamili Oskouei và các cộng sự [19] viết bài review với tựa đề “Data mining and medical world: breast cancers’ diagnosis, treatment, prognosis and challenges”, đã tham khảo 125 công trình nghiên cứu và bài báo có uy tính để cho chúng ta thấy cái nhìn tổng quan. Ứng dụng nhiều kỹ thuật khác nhau như: Phân loại, Phân cụm, Hồi quy, Quy tắc kết hợp, v. và các thuật toán như: Cây quyết định, Thuật toán di truyền, Phương pháp lân cận gần nhất, v.

Bài viết này xem xét một số công trình nghiên cứu trước đó được thực hiện để chẩn đoán, điều trị, tiên lượng bệnh ung thư vú. Dựa trên kết quả của nghiên cứu này, hầu hết các công trình nghiên cứu đều quan tâm đến việc so sánh độ chính xác của việc khai thác dữ liệu bằng các thuật toán hoặc kỹ thuật khác nhau, nhưng không có công cụ nào tự động chẩn đoán hoặc tiên lượng bệnh ung thư vú. Hơn nữa, chưa có công trình nghiên cứu nào áp dụng để xem khả năng điều trị và đề xuất phương pháp điều trị tốt nhất cho bệnh nhân. Bài viết hướng tới tương lai, sẽ cố gắng phát triển một công cụ với sự trợ giúp của các tác nhân thông minh và áp dụng các công cụ khai thác dữ liệu với khả năng tự động chẩn đoán ung thư vú và xem xét khả năng điều trị để đề xuất phương pháp điều trị tốt nhất.

5 - Tiến sĩ Lauren Janczewski, bác sĩ phẫu thuật tại Trung tâm Y tế McGaw của Đại học Northwestern ở Chicago (Mỹ) và các cộng sự đã phát triển một thiết bị dựa trên AI để ước tính khả năng sống sót của bệnh nhân sau khi được chẩn đoán mắc ung thư, so sánh đánh giá phương pháp điều trị được reviewed by Danielle Ellis, B. Oct 20 2023 trong bài viết “Researchers develop AI-based tool for estimating cancer patient's chances for survival” [20]. Nhóm nghiên cứu đã thu thập dữ liệu từ 259.485 bệnh nhân ung thư vú. Các nhà nghiên cứu đã tìm thấy nhiều đặc điểm cụ thể đối với bệnh nhân, khối u và phương pháp điều trị cho bệnh nhân bị ung thư ảnh hưởng đáng kể đến khả năng sống sót.

Tác giả chính của nghiên cứu là Lauren Janczewski cho biết hiện nay, việc ước tính tỷ lệ sống sót của bệnh nhân mắc bệnh ung thư chủ yếu phụ thuộc vào giai đoạn ung thư của họ. Có vô số yếu tố khác có thể ảnh hưởng đến khả năng sống sót của bệnh nhân. Tác giả đã tìm cách phát triển ứng dụng trên Máy tính để đưa ra ước tính những gì bệnh nhân có thể mong đợi về tiên lượng ung thư của họ. Nhóm nghiên cứu đã tạo ra một công cụ có tên là “the Cancer Survival” và thử nghiệm nó trên bộ dữ liệu ung thư trên toàn quốc (nước Mỹ).

Các xét nghiệm ban đầu ước tính khả năng sống sót sau 5 năm đối với bệnh nhân mắc bệnh ung thư vú. Bốn yếu tố hàng đầu ảnh hưởng đến việc bệnh nhân có còn sống sau 5 năm kể từ khi chẩn đoán: (1) bệnh nhân có phẫu thuật ung thư hay không?, (2) tuổi của bệnh nhân khi chẩn đoán, (3) kích thước khối u, (4) thời gian từ khi chẩn đoán đến điều trị.