Trí tuệ nhân tạo có thể là tương lai của chẩn đoán ung thư?
Trong một nghiên cứu gần đây, các nhà nghiên cứu đã đào tạo một thuật toán để phân biệt giữa các tổn thương ác tính và lành tính khi quét mô vú.
Với bệnh ung thư, chìa khóa để điều trị thành công là phát hiện sớm.
Như hiện tại, các bác sĩ có quyền truy cập vào hình ảnh chất lượng cao và các bác sĩ X quang có tay nghề cao có thể phát hiện các dấu hiệu nhận biết về sự phát triển bất thường.
Sau khi xác định được, bước tiếp theo là các bác sĩ phải xác định chắc chắn sự phát triển là lành tính hay ác tính.
Phương pháp đáng tin cậy nhất là lấy sinh thiết, đây là một thủ tục xâm lấn.
Ngay cả khi đó, lỗi vẫn có thể xảy ra. Một số người nhận được chẩn đoán ung thư khi không có bệnh, trong khi những người khác không nhận được chẩn đoán khi ung thư đã xuất hiện.
Cả hai kết quả đều gây ra đau khổ và tình huống sau có thể gây ra sự chậm trễ trong việc điều trị.
Các nhà nghiên cứu rất muốn cải thiện quy trình chẩn đoán để tránh những vấn đề này. Việc phát hiện tổn thương là ác tính hay lành tính một cách đáng tin cậy hơn và không cần sinh thiết sẽ là một yếu tố thay đổi cuộc chơi.
Một số nhà khoa học đang tìm hiểu tiềm năng của trí tuệ nhân tạo (AI). Trong một nghiên cứu gần đây, các nhà khoa học đã huấn luyện một thuật toán với kết quả đáng khích lệ.
AI và elastography
Siêu âm đàn hồi là một kỹ thuật chẩn đoán tương đối mới để kiểm tra độ cứng của mô vú. Nó đạt được điều này bằng cách rung mô, tạo ra một làn sóng. Sóng này gây ra sự biến dạng trong quá trình quét siêu âm, làm nổi bật các vùng vú có đặc tính khác với các mô xung quanh.
Từ những thông tin này, bác sĩ có thể xác định được tổn thương là ung thư hay lành tính.
Mặc dù phương pháp này có tiềm năng lớn, nhưng việc phân tích kết quả của phép đo đàn hồi tốn nhiều thời gian, bao gồm nhiều bước và yêu cầu giải quyết các vấn đề phức tạp.
Gần đây, một nhóm các nhà nghiên cứu từ Trường Kỹ thuật Viterbi thuộc Đại học Nam California ở Los Angeles đã hỏi liệu một thuật toán có thể giảm các bước cần thiết để lấy thông tin từ những hình ảnh này hay không. Họ đã công bố kết quả của họ trên tạp chí Các phương pháp máy tính trong Cơ học và Kỹ thuật Ứng dụng.
Các nhà nghiên cứu muốn xem liệu họ có thể đào tạo một thuật toán để phân biệt giữa các tổn thương ác tính và lành tính trong quét vú hay không. Điều thú vị là họ đã cố gắng đạt được điều này bằng cách đào tạo thuật toán sử dụng dữ liệu tổng hợp thay vì quét chính hãng.
Dữ liệu tổng hợp
Khi được hỏi tại sao nhóm nghiên cứu lại sử dụng dữ liệu tổng hợp, giáo sư Assad Oberai, tác giả chính nói rằng điều đó phụ thuộc vào sự sẵn có của dữ liệu trong thế giới thực. Anh ấy giải thích rằng “trong trường hợp hình ảnh y tế, bạn thật may mắn nếu bạn có 1.000 hình ảnh. Trong những tình huống như thế này, khi dữ liệu khan hiếm, những loại kỹ thuật này trở nên quan trọng. "
Các nhà nghiên cứu đã đào tạo thuật toán học máy của họ, được họ gọi là mạng nơ-ron phức hợp sâu, sử dụng hơn 12.000 hình ảnh tổng hợp.
Đến cuối quá trình, thuật toán đã chính xác 100% trên ảnh tổng hợp; tiếp theo, họ chuyển sang quét cuộc sống thực. Họ chỉ được xem 10 lần quét: một nửa trong số đó cho thấy các tổn thương ác tính và nửa còn lại cho thấy các tổn thương lành tính.
“Chúng tôi có tỷ lệ chính xác khoảng 80%. Tiếp theo, chúng tôi tiếp tục tinh chỉnh thuật toán bằng cách sử dụng nhiều hình ảnh trong thế giới thực hơn làm đầu vào ”.
Giáo sư Assad Oberai
Mặc dù 80% là tốt nhưng vẫn chưa đủ tốt - tuy nhiên, đây mới chỉ là bước khởi đầu của quá trình. Các tác giả tin rằng nếu họ đã đào tạo thuật toán trên dữ liệu thực, nó có thể đã cho thấy độ chính xác được cải thiện. Các nhà nghiên cứu cũng thừa nhận rằng thử nghiệm của họ có quy mô quá nhỏ để dự đoán khả năng trong tương lai của hệ thống.
Sự phát triển của AI
Trong những năm gần đây, ngày càng có nhiều sự quan tâm đến việc sử dụng AI trong chẩn đoán. Như một tác giả viết:
“AI đang được ứng dụng thành công để phân tích hình ảnh trong X quang, bệnh học và da liễu, với tốc độ chẩn đoán vượt trội và độ chính xác đi đôi với các chuyên gia y tế.”
Tuy nhiên, GS Oberai không tin rằng AI có thể thay thế một người vận hành đã được đào tạo. Ông giải thích rằng “[t] ông đồng thuận chung là các loại thuật toán này có vai trò quan trọng, bao gồm từ các chuyên gia hình ảnh, những người mà nó sẽ tác động nhiều nhất. Tuy nhiên, các thuật toán này sẽ hữu ích nhất khi chúng không đóng vai trò là hộp đen. Nó đã nhìn thấy điều gì dẫn đến kết luận cuối cùng? Thuật toán phải có thể giải thích được để nó hoạt động như dự định. ”
Các nhà nghiên cứu hy vọng rằng họ có thể mở rộng phương pháp mới để chẩn đoán các loại ung thư khác. Bất cứ nơi nào một khối u phát triển, nó sẽ thay đổi cách hoạt động của một mô, về mặt vật lý. Có thể lập biểu đồ những khác biệt này và đào tạo một thuật toán để phát hiện ra chúng.
Tuy nhiên, bởi vì mỗi loại ung thư tương tác với môi trường xung quanh rất khác nhau, một thuật toán sẽ cần phải khắc phục một loạt các vấn đề cho mỗi loại. Giáo sư Oberai đang nghiên cứu chụp CT ung thư thận để tìm cách AI có thể hỗ trợ chẩn đoán ở đó.
Mặc dù đây là những ngày đầu cho việc sử dụng AI trong chẩn đoán ung thư, nhưng vẫn có nhiều hy vọng cho tương lai.
