Dùng AI để chữa bệnh

Nói tới trí tuệ nhân tạo (AI), mọi người giờ đây nhất định đã quen thuộc. Theo sự phát triển của khoa học công nghệ, AI đã được sử dụng rộng rãi trong cuộc sống của chúng ta. Là một loại công nghệ đột phá mới nổi, AI đều đạt được những thành tựu nhất định ở các lĩnh vực điện thoại, nhận diện khuôn mặt…, trong đó bao gồm cả y học, chữa bệnh.

Từ trước tới nay việc kết hợp AI với chữa trị luôn được các nhà khoa học coi trọng. Bởi điều đó không những có thể làm giảm bớt gánh nặng cho việc chữa trị mà còn có thể giảm bớt các sự cố chẩn đoán sai.

Dùng AI để chữa bệnh

Etemadi, một kỹ sư y sinh tại Trường Y Feinberg của Đại học Northwestern ở Chicago, Illinois, Mỹ đã thực hiện một nghiên cứu về hệ thống trí tuệ nhân tạo AI nhắm chẩn đoán ung thư phổi ở giai đoạn sớm nhất. Sau nhiều năm nghiên cứu, hệ thống Ai của Etemadi đã có thể tính thấy khối u trong ảnh chụp X-quang chính xác hơn một bác sĩ X-quang được đào tạo.

Hơn thế nữa, hệ thống AI của anh còn có thể phát hiện ra dấu hiệu của khối u từ phim chụp cắt lớp lồng ngực của những người sau này mắc bệnh ung thư. Không có bác sĩ nào nhìn thấy bất kỳ điều gì bất thường trong những lần chụp cắt lớp ban đầu này, nhưng chiếc máy đã làm được.

Ung thư phổi là căn bệnh ung thư nguy hiểm nhất trên thế giới – khoảng 75% những người mắc bệnh chết trong vòng 5 năm sau khi được chẩn đoán. Nhưng khi ung thư được phát hiện sớm, thì tiên lượng tốt hơn nhiều. Nếu các khối u nhỏ và khu trú trong phổi được phát hiện và điều trị sớm, gần 2/3 số người bệnh sống sót trong ít nhất 5 năm.

Nghiên cứu này được công bố trên tạp chí Nature tháng 11/2020, mở ra một kỷ nguyên mới trong chẩn đoán và điều trị ung thư. Những phát triển như vậy hứa hẹn sẽ làm cho việc tầm soát ung thư phổi trở nên chính xác hơn và dễ tiếp cận hơn đối với tất cả mọi người.

Dùng AI để chữa bệnh

Dùng trí tuệ nhân tạo để tìm nguồn gốc của khối u

Ngày 5/5/2021, đội ngũ Faisal Mahmood của viện y học Harvard đã báo cáo rằng, các nhà khoa học chế tạo ra một loại hệ thống trí tuệ nhân tạo có thể dùng để tìm ra nguồn gốc của các khối u di căn, đồng thời còn có thể tạo ra một loại phương pháp gọi là “chẩn đoán phân biệt”, có chức năng tiến hành chẩn đoán những khối u không rõ nguồn gốc.

Thuật toán này được gọi là thuật toán TOAD. Nó có thể giúp nhận biết được khối u là khối u tự phát hay là khối u di căn, còn có thể dự đoán được vị trí của nguồn gốc của nó.

Nhân viên nghiên cứu đã dùng 22.000 lát cắt khối u để tiến hành mô phỏng, và có 6.500 trường hợp khối u tự phát đã được cách tính TOAD này dự đoán ra. Đồng thời nó cũng phân tích được ngày càng nhiều những trường hợp khối u di căn phức tạp, từ đó mô phỏng những mô hình AI của cho việc xác định nguồn gốc của bệnh ung thư không rõ nguồn gốc.

Đối với khối u tự phát, mô hình có thể xác định được vị trí của khối u trong 83% thời gian, trong 96% thời gian thì có thể tiến hành dự chẩn đoán được các thông tin về khối u.

Sau đó, nhóm nghiên cứu đã tạo mô hình AI cho 317 trường hợp thí nghiệm về khối u không rõ nguồn gốc, kết quả phát hiện ra tỉ lệ chẩn đoán của mô hình AI và các nhà bệnh lí học đồng nhất tới 63%.

3 ưu thế lớn khi dùng AI để chữa bệnh

Chẩn đoán bệnh ung thư: Giảm thiểu những chẩn đoán “dương tính giả”

Ở phương diện chẩn đoán, phương thức truyền thống (thông qua hệ thống tính toán 3D tiến hành chẩn đoán, các chuyên gia cần tiến hành xử lí, sàng lọc số liệu, sau đó là tiến hành chẩn đoán những thông tin liên quan một cách thủ công), phụ thuộc rất nhiều vào các số liệu tiêu chuẩn mà các chuyên gia tính ra để chẩn đoán, vậy nên dễ xuất hiện tình trạng dương tính giả.

Còn cách tính của AI có thể dựa vào dữ liệu được cung cấp tiến hành tự động chẩn đoán, nó độc lập tự chủ xử lí các phác đồ về khối u, và tiến hành chẩn đoán bệnh tình.

ADVERTISING

iTVC from Admicro

Tự động đưa ra các phác đồ: Phát hiện ra được những thay đổi mà mắt thường khó nhìn thấy được

Bởi vì khi chuyên gia quan sát phim chụp, quá nhiều dữ liệu sẽ khiến họ dễ bỏ sót, còn AI có thể đồng thời xử lí các dữ liệu lớn và thiết lập nên các thông tin liên quan, hơn nữa mỗi lần phân tích đều có thể lặp lại nhiều lần.

Ví dụ, kết cấu lành tính, ác tính ở phổi có độ tương đồng rất cao, mắt thường khó mà phân biệt chính xác được. AI có thể tự động đưa ra những phác đồ đạt chuẩn như các chuyên gia, cũng có thể hiển thị được những kết cấu nhỏ mà mắt thường khó nhận ra được, làm giảm tình trạng dương tính giả, sau đó xác định được vị trí có vấn đề, tiến hành chẩn đoán, đưa ra hiệu quả điều trị.

Theo dõi khối u và dự đoán hiệu quả điều trị:

Trong quá trình theo dõi hiệu quả điều trị khối u, việc tính toán, nhìn ra được sự thay đổi kích thước của khối u là rất quan trọng. Khi kích thước của khối u nhỏ đi, mắt thường có thể nhận ra được, nhưng nếu như tính chất của khối u cũng thay đổi, khi trong khối u xuất hiện những thay đổi xấu, mắt thường khó mà nhìn ra được. AI có thể thông qua việc xử lí hình ảnh vào những thời điểm, góc độ khác nhau, đưa ra được phác đồ về sự thay đổi tính chất của khối u, nhận ra chính xác khu vực thay đổi của khối u.

Điều trị bệnh bằng AI có 3 nhược điểm

Sự thiếu hụt về dữ liệu

Mô hình AI đòi hòi dữ liệu với số lượng lớn, nhưng rất nhiều bệnh viện hoặc cơ quan nghiên cứu khó mà chia sẻ dữ liệu được do tính bảo mật của nghiên cứu hoặc quyền riêng tư của bệnh nhân. Đây chính là vấn đề then chốt trong việc ứng dụng AI trong tương lai.

Tính tổng quát hóa mô hình: Dữ liệu không thể nào dùng thay cho nhau được

Tính tổng quát chỉ năng lực chẩn đoán số liệu của mô hình AI, mô hình xây dựng được ở bệnh viện A khó mà chuẩn xác được khi áp dụng ở bệnh viện B. Tính tổng quát hóa của mô hình chủ yếu bị giới hạn về số liệu mang tính một chiều và chủ quan.

Các thiết bị chụp khác nhau, điều kiện ánh sáng khác nhau, cơ thể khác nhau sẽ ảnh hưởng tới tính thống nhất của dữ liệu, các máy móc kiểm tra khác nhau, phương thức kiểm tra khác nhau cũng ảnh hưởng lớn tới dữ liệu mà mô hình tiếp nhận.

Tính giải thích kết quả: Không thể nào hiện rõ được quá trình tính toán số liệu

Bởi vì quá trình tính toán, đưa ra chẩn đoán của AI là do hàng nghìn thông số tạo nên, vậy nên quy trình xử lí dữ liệu của nó không thể giải thích được, do đó các bác sĩ chẩn đoán rất khó nắm bắt được quy trình làm việc, ảnh hưởng tới việc đưa ra phương pháp điều trị.

Đương nhiên, kết quả nghiên cứu trên chỉ là bước đầu tiên được sử dụng trong việc đưa ra những phác đồ trong việc tìm ra nguồn gốc của khối u, trước mắt việc ứng dụng AI trong lĩnh vực chữa trị ung thư vẫn cần phải nghiên cứu sâu hơn.

Link dẫn: https://cafef.vn/tri-tue-nhan-tao-co-the-du-doan-duoc-nguon-goc-cua-ung-thu-ky-nguyen-chan-doan-va-dieu-tri-moi-se-bat-dau-tu-day-20210728104530964.chn