Ứng dụng trí tuệ nhân tạo (AI) và nghiệm pháp chức năng thăng bằng trong chẩn đoán bệnh tiền đình

Bệnh tiền đình ngoại biên (peripheral vestibular disease - PV) là nguyên nhân phổ biến gây chóng mặt. Tuy nhiên cần nhiều thời gian thăm khám lâm sàng, đánh giá toàn diện và phân biệt với bệnh không phải tiền đình ngoại biên (non-peripheral vestibular disease: non-PV) để đưa ra chẩn đoán chính xác. Non-PV bao gồm nhiều loại bệnh khác nhau, trong đó chóng mặt do hạ huyết áp tư thế (hemodynamic orthostatic dizziness/vertigo - HO) chiếm số lượng lớn bệnh nhân trong tập dữ liệu. Mục tiêu nghiên cứu này nhằm xác định khả năng ứng dụng máy học, trí tuệ nhân tạo (AI) trong việc chẩn đoán và phân loại bệnh HO với nhóm PV và non-PV. Các mô hình phân loại đa lớp được áp dụng trên 1009 bệnh nhân (497 PV, 157 HO và 355 non-PV) cho thấy tính đúng (accuracy) cao nhất đạt được là 72% và điểm F1 của nhóm PV, non-PV và HO lần lượt là 0,78; 0,64; 0,71. Kết quả cho thấy AI hoàn toàn có thể trở thành công cụ hữu ích trong thực hành lâm sàng giúp tiết kiệm thời gian và nâng cao độ chính xác, hiệu quả chẩn đoán bệnh.