Đánh giá đề tài NCKH cấp trường năm 2024: Ứng dụng mô hình học sâu trong dự đoán quan hệ Thuốc - Bệnh

Vào lúc 15h00 ngày 18/7/2025, tại phòng Hội thảo 1205-A1, Trường Công nghệ thông tin và Truyền thông – Trường Đại học Công nghiệp Hà Nội, Hội đồng khoa học cấp đơn vị đã tổ chức phiên họp đánh giá đề tài nghiên cứu khoa học cấp trường năm 2024 với đề tài “Nghiên cứu ứng dụng các mô hình học sâu trong dự đoán quan hệ Thuốc – Bệnh”, do Tiến sĩ Nguyễn Văn Tỉnh làm chủ nhiệm.

Đổi mới trong y sinh học nhờ công nghệ học sâu

Chiều ngày 18/7/2025, tại Trường Công nghệ thông tin và Truyền thông – Trường Đại học Công nghiệp Hà Nội, Hội đồng Khoa học cấp đơn vị đã tiến hành đánh giá đề tài nghiên cứu khoa học cấp trường năm 2024 mang tên “Nghiên cứu ứng dụng các mô hình học sâu trong dự đoán quan hệ Thuốc - Bệnh”, do TS. Nguyễn Văn Tỉnh làm chủ nhiệm.

Đề tài là sự kết tinh giữa công nghệ trí tuệ nhân tạo và lĩnh vực y sinh học, với mục tiêu phát triển các phương pháp dự đoán mối quan hệ giữa thuốc và bệnh dựa trên mô hình học sâu – một bước tiến quan trọng trong việc hỗ trợ chẩn đoán, điều trị và tái sử dụng thuốc hiệu quả hơn trong y học hiện đại.

Nội dung và định hướng nghiên cứu

Nội dung của đề tài tập trung vào việc:

• Tổng quan các hướng nghiên cứu về dự đoán quan hệ Thuốc – Bệnh;

• Ứng dụng các phương pháp học sâu (deep learning), đặc biệt là mô hình học máy nâng cao để khai phá mối quan hệ tiềm ẩn trong dữ liệu y sinh;

• Phân tích và sử dụng các bộ dữ liệu chuẩn về thuốc và bệnh;

• Đề xuất và kiểm thử các mô hình tiên tiến nhằm cải thiện độ chính xác và độ tin cậy trong dự đoán;

• Đánh giá hiệu suất mô hình qua các chỉ số khoa học cụ thể.

Thông qua phương pháp tiếp cận này, nhóm nghiên cứu đã xây dựng và thử nghiệm hai mô hình học sâu có độ chính xác vượt trội: CFDSAEDDA và CFMKGATDDA. Cả hai đều tích hợp các kỹ thuật học đặc trưng hiện đại như:

• Autoencoder thưa (Sparse Autoencoder): xử lý dữ liệu khuyết, giảm nhiễu.

• Mạng chú ý đồ thị đa nhân (Multi-kernel Graph Attention Network - GAT): nâng cao khả năng biểu diễn các quan hệ phi tuyến giữa thuốc và bệnh.

• Lọc cộng tác (Collaborative Filtering): cải thiện khả năng gợi ý trong dữ liệu không đồng đều.

Kết quả nổi bật

Kết quả thử nghiệm trên các tập dữ liệu chuẩn cho thấy, hai mô hình đề xuất đều đạt hiệu suất vượt trội so với nhiều phương pháp hiện có. Đặc biệt, đề tài không chỉ dừng lại ở mức lý thuyết, mà đã được:

• Công nhận bởi 01 hội thảo quốc tế và 01 tạp chí quốc tế uy tín;

• Công bố kết quả tại:

  • Hội thảo Quốc tế ICTA 2024 với chủ đề “Những tiến bộ trong công nghệ thông tin và truyền thông”, thuộc chuỗi xuất bản Lecture Notes in Networks and Systems (LNNS, Volume 1205, Scopus Q4);

  • Tạp chí quốc tế Scopus Q2 – Intelligence-Based Medicine.

Những thành tựu này góp phần khẳng định tính khả thi, giá trị ứng dụng và tiềm năng mở rộng của nghiên cứu trong thực tiễn ngành y sinh học, đặc biệt là lĩnh vực phát hiện lại thuốc (drug repositioning), phân tích tác dụng phụ, và hỗ trợ điều trị cá nhân hóa.

Định hướng phát triển và khuyến nghị

Hội đồng đánh giá đánh giá cao sự đổi mới và đóng góp của đề tài, đồng thời đưa ra một số khuyến nghị nhằm phát triển hơn nữa các nghiên cứu tiếp theo:

Về ứng dụng thực tiễn: Các mô hình đề xuất có thể tích hợp vào các hệ thống y sinh học hiện đại, rút ngắn thời gian thử nghiệm lâm sàng và nâng cao hiệu quả điều trị.

Về hướng nghiên cứu mở rộng: Tiếp tục cải tiến mô hình, mở rộng phân tích biểu hiện gene, tác dụng phụ của thuốc, khai thác thêm các nguồn dữ liệu sinh học mới.

Về kỹ thuật: Nghiên cứu tích hợp các kỹ thuật học sâu tiên tiến hơn như học không giám sát, học tăng cường, hoặc kết hợp mô hình ngôn ngữ sinh học như BioBERT, BioGPT nhằm nâng cao chất lượng biểu diễn dữ liệu.

Về dữ liệu: Tăng cường tiếp cận và sử dụng các bộ dữ liệu mở, tiêu chuẩn, cập nhật theo tiến trình nghiên cứu quốc tế.

Kết luận

Đề tài “Nghiên cứu ứng dụng các mô hình học sâu trong dự đoán quan hệ Thuốc - Bệnh” không chỉ là minh chứng rõ ràng cho tiềm năng ứng dụng của trí tuệ nhân tạo trong lĩnh vực y sinh học mà còn là nền tảng quan trọng để các nghiên cứu chuyên sâu tiếp theo được phát triển một cách bài bản, chất lượng và hướng tới phục vụ cộng đồng. Sự kiện do Trường Công nghệ thông tin và Truyền thông – Trường Đại học Công nghiệp Hà Nội tổ chức trong khuôn khổ các hoạt động đánh giá đề tài nghiên cứu khoa học cấp trường năm 2024.