DESIGN AND DEVELOPMENT OF A TYPE 2 DIABETES MANAGEMENT SUPPORT PLATFORM USING ARTIFICIAL INTELLIGENCE TECHNIQUES BASED ON A METADATA-DRIVEN CLINICAL FRAMEWORK – WEB APPLICATION MODULE.

Abstract

Type 2 Diabetes Mellitus (T2DM) and its associated metabolic disorders pose significant challenges to global public health, requiring continuous monitoring and longterm disease management. However, effective personal health management and timely access to clinical guidance remain challenging due to the lack of integrated tools for standardized health data management and clinical decision support. To address these challenges, this research proposes HealthyAI, an intelligent web-based platform that integrates artificial intelligence techniques to support personal health record management, blood glucose monitoring and forecasting, disease risk assessment, and evidence-based medical knowledge retrieval. The platform is developed using a FastAPI backend and a React/Vite frontend. Following the principles of a Clinical Decision Support System (CDSS), the proposed platform is designed to assist healthcare decision-making rather than replace medical professionals. The system integrates machine learning models for disease risk assessment, multivariate Long Short-Term Memory (LSTM) networks for short-term blood glucose forecasting, Optical Character Recognition (OCR) and Large Language Models (LLMs) for medical document digitization and interpretation, and a RetrievalAugmented Generation (RAG)/GraphRAG architecture for evidence-based medical knowledge retrieval. In addition, a Metadata-Driven Clinical Framework enables configurable clinical rules, version management, and traceable decision support. The developed platform provides core functionalities including Personal Health Records (PHRs), medical knowledge management, disease analysis, blood glucose monitoring, and AI-assisted clinical support, together with user authentication and data protection mechanisms. Experimental evaluation demonstrates that the proposed LSTM-based model can forecast short-term blood glucose trends, with stronger predictive performance at the 30-minute horizon than at the 60-minute horizon, supporting proactive glucose monitoring and management. Overall, this research presents an extensible and practical platform that supports the application of artificial intelligence and metadata-driven clinical knowledge in personal Type 2 diabetes management. Đái tháo đường típ 2 (Type 2 Diabetes Mellitus – T2DM) và các rối loạn chuyển hóa liên quan đặt ra những thách thức đáng kể đối với sức khỏe cộng đồng toàn cầu, đòi hỏi quá trình theo dõi liên tục và quản lý bệnh lâu dài. Tuy nhiên, việc quản lý sức khỏe cá nhân hiệu quả và tiếp cận kịp thời các hướng dẫn lâm sàng vẫn còn nhiều khó khăn do thiếu các công cụ tích hợp hỗ trợ quản lý dữ liệu sức khỏe theo tiêu chuẩn và hỗ trợ ra quyết định lâm sàng. Nhằm giải quyết những thách thức này, nghiên cứu đề xuất HealthyAI, một nền tảng Web thông minh tích hợp các kỹ thuật trí tuệ nhân tạo nhằm hỗ trợ quản lý hồ sơ sức khỏe cá nhân, theo dõi và dự báo đường huyết, đánh giá nguy cơ bệnh và truy xuất tri thức y khoa dựa trên bằng chứng. Nền tảng được phát triển với FastAPI ở phía backend và React/Vite ở phía frontend. Tuân theo các nguyên tắc của Hệ thống Hỗ trợ Quyết định Lâm sàng (Clinical Decision Support System – CDSS), nền tảng được thiết kế nhằm hỗ trợ quá trình ra quyết định trong chăm sóc sức khỏe thay vì thay thế các chuyên gia y tế. Hệ thống tích hợp các mô hình học máy để đánh giá nguy cơ bệnh, mạng Long Short-Term Memory (LSTM) đa biến để dự báo đường huyết ngắn hạn, công nghệ Nhận dạng Ký tự Quang học (Optical Character Recognition – OCR) và Mô hình Ngôn ngữ Lớn (Large Language Models – LLMs) để số hóa và diễn giải tài liệu y tế, cùng kiến trúc Retrieval-Augmented Generation (RAG)/GraphRAG để truy xuất tri thức y khoa dựa trên bằng chứng. Bên cạnh đó, Khung Lâm sàng Hướng Siêu dữ liệu (Metadata-Driven Clinical Framework) cho phép cấu hình các quy tắc lâm sàng, quản lý phiên bản và bảo đảm khả năng truy vết trong quá trình hỗ trợ ra quyết định. Nền tảng được phát triển cung cấp các chức năng cốt lõi bao gồm Hồ sơ Sức khỏe Cá nhân (Personal Health Records – PHRs), quản lý tri thức y khoa, phân tích bệnh, theo dõi đường huyết và hỗ trợ lâm sàng với sự trợ giúp của AI, đồng thời tích hợp các cơ chế xác thực người dùng và bảo vệ dữ liệu. Kết quả đánh giá thực nghiệm cho thấy mô hình dự báo dựa trên LSTM có khả năng dự báo xu hướng đường huyết trong ngắn hạn, với hiệu năng dự báo tốt hơn ở mốc 30 phút so với mốc 60 phút, qua đó hỗ trợ việc theo dõi và quản lý đường huyết một cách chủ động. Nhìn chung, nghiên cứu trình bày một nền tảng có khả năng mở rộng và tính ứng dụng thực tiễn, hỗ trợ ứng dụng trí tuệ nhân tạo và tri thức lâm sàng hướng siêu dữ liệu trong quản lý cá nhân đối với bệnh đái tháo đường típ 2.