ỨNG DỤNG CÁC KỸ THUẬT GIẢI THÍCH MÔ HÌNH ĐỂ PHÂN TÍCH KẾT QUẢ CHẨN ĐOÁN BỆNH TRÊN DỮ LIỆU METAGENOMICS

Abstract

Metagenomics là một lĩnh vực nghiên cứu tiên tiến, đã cách mạng hóa việc nghiên cứu vật liệu di truyền được chiết xuất từ các mẫu môi trường. Lĩnh vực này có ứng dụng rộng rãi, từ nghiên cứu môi trường đến sức khỏe con người, đặc biệt trong việc hiểu hệ vi sinh vật đường ruột. Tuy nhiên, việc áp dụng trí tuệ nhân tạo (AI) vào chẩn đoán bệnh vẫn còn phức tạp, đòi hỏi các phương pháp giải thích để làm rõ cách AI đưa ra quyết định. Trong luận văn này, chúng tôi hướng đến việc cải thiện khả năng dự đoán bệnh bằng cách áp dụng các kỹ thuật AI giải thích (XAI) như LIME, ALIME, SHAP, DiCE, cùng với hai mô hình máy học cơ bản là Random Forest (RF) và Gradient Boosting Classifier (GBC). Mục tiêu là xác định phương pháp hiệu quả nhất, đồng thời khám phá các đặc trưng mới có khả năng gây bệnh hoặc không gây bệnh, dựa trên từng mẫu và yếu tố địa lý. Nghiên cứu tập trung vào phân loại bệnh ung thư đại trực tràng (CRC) trên bốn tập dữ liệu metagenomics. Kết quả thực nghiệm và so sánh giữa các phương pháp XAI khác nhau cho thấy tiềm năng trong việc cải thiện độ chính xác dự đoán bệnh. Đồng thời, một số đặc trưng ảnh hưởng đến CRC đã được xác định, nhấn mạnh vai trò của XAI trong việc chẩn đoán bệnh và mở ra các hướng nghiên cứu sâu hơn trong lĩnh vực này. Các phát hiện từ nghiên cứu không chỉ đóng góp vào việc nâng cao hiệu quả phân loại bệnh mà còn mở ra triển vọng mới cho nghiên cứu metagenomics và bệnh CRC trong tương lai. Từ khóa: Giải thích kết quả của các thuật toán trí tuệ nhân tạo, Metagenomics, Ung thư đại trực tràng, Dự đoán bệnh