Sử dụng mô hình học máy trong phát hiện tác dụng phụ tiềm ẩn của thuốc
Journal of Science and Technology · 02.04.2026 · 9 (2) · 33-38
DOI: 10.55401/k45p6n87 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Science and Technology, online erschienen am 02.04.2026. Verfasst von Giang Hào Côn.
Abstract (Originalsprache)
Nghiên cứu này đã đánh giá khả năng ứng dụng các mô hình học máy trong việc phát hiện và dự đoán các tác dụng phụ tiềm ẩn của thuốc (ADRs) dựa trên dữ liệu lâm sàng và dữ liệu sau lưu hành. Mục tiêu chính của nghiên cứu là đề xuất một mô hình dự báo tự động nhằm nâng cao hiệu quả giám sát an toàn thuốc và hỗ trợ ra quyết định trong quá trình phát triển, cấp phép và sử dụng thuốc an toàn. Dữ liệu được thu thập từ các hệ thống báo cáo ADR, các cơ sở dữ liệu y tế mở và các nguồn tài liệu dược học uy tín. Sau đó, dữ liệu được tiền xử lý, gắn nhãn chuẩn hóa và đưa vào các mô hình học máy. Kết quả cho thấy các mô hình học máy, đặc biệt là Neural Network và Gradient Boosting, có khả năng phát hiện sớm các ADR với độ chính xác cao và vượt trội đáng kể so với các phương pháp thống kê truyền thống. Hệ thống được đề xuất cho thấy tiềm năng tích hợp vào cơ sở dữ liệu dược quốc gia nhằm tự động cảnh báo nguy cơ ADR, qua đó góp phần nâng cao an toàn trong sử dụng thuốc và tối ưu hóa công tác quản lý dược lâm sàng.
Zitieren
APA
Côn, G. H. (2026). Sử dụng mô hình học máy trong phát hiện tác dụng phụ tiềm ẩn của thuốc. Journal of Science and Technology, 9(2), 33-38. https://doi.org/10.55401/k45p6n87
Vancouver
Côn GH. Sử dụng mô hình học máy trong phát hiện tác dụng phụ tiềm ẩn của thuốc. Journal of Science and Technology. 2026;9(2):33-38. doi:10.55401/k45p6n87
BibTeX
@article{Cn2026,
author = {Côn, Giang Hào},
title = {Sử dụng mô hình học máy trong phát hiện tác dụng phụ tiềm ẩn của thuốc},
journal = {Journal of Science and Technology},
year = {2026},
volume = {9},
number = {2},
pages = {33--38},
doi = {10.55401/k45p6n87}
}
EUVIMED