......

Những vấn đề cần cải tiến của nội soi định hướng trí tuệ nhân tạo trong chẩn đoán bệnh lý dạ dày

Bài viết được viết bởi Thạc sĩ, Bác sĩ Mai Viễn Phương - Khoa Khám bệnh & Nội khoa - Bệnh viện Đa khoa Quốc tế Vinmec Central Park

Ung thư dạ dày là bệnh lý nguy hiểm và có tiên lượng sống thấp nếu phát hiện ở giai đoạn muộn. Hiện nay, nội soi định hướng trí tuệ nhân tạo trong chẩn đoán bệnh lý dạ dày đang tiếp tục được nghiên cứu và ứng dụng.

1. Tổng quan về bệnh ung thư dạ dày

Ung thư dạ dày là bệnh ung thư phổ biến thứ năm và là nguyên nhân đứng hàng thứ ba trong số các ca tử vong do ung thư trên toàn thế giới, ảnh hưởng đến hơn một triệu người và gây ra khoảng 780000 ca tử vong hàng năm. Sự phát triển liên tục trong nội soi nhằm mục đích củng cố các chỉ số chất lượng của nó. Những phát triển này bao gồm sử dụng nội soi có độ phân giải và độ phóng đại cao hơn, nội soi màu và kỹ thuật quang học dựa trên sự điều biến của nguồn sáng, chẳng hạn như hình ảnh dải hẹp (NBI), nội soi huỳnh quang và quang phổ tán xạ đàn hồi. Các phương pháp lấy mẫu mô mới để xác định các giai đoạn có nguy cơ ung thư của bệnh nhân cũng đang được phát triển để giảm gánh nặng cho bệnh nhân và bác sĩ lâm sàng trong quá trình nội soi.

2. Ứng dụng trí tuệ nhân tạo trong nội soi tiêu hóa và các lĩnh vực y tế

Trong những năm gần đây, trí tuệ nhân tạo đã gây được sự chú ý đáng kể trong các lĩnh vực y tế khác nhau, bao gồm phân loại ung thư da, chẩn đoán ung thư bằng bức xạ và phân tích hình ảnh cộng hưởng từ não. Mặc dù các ứng dụng của nó đã cho thấy độ chính xác và độ nhạy ấn tượng trong việc xác định và mô tả các bất thường hình ảnh, độ nhạy được cải thiện của nó cũng có nghĩa là phát hiện các thay đổi quan trọng tinh tế và không xác định.

Ví dụ, trong phân tích hình ảnh cộng hưởng từ não, mặc dù hứa hẹn chẩn đoán sớm bằng máy học, mối quan hệ giữa những thay đổi nhu mô tinh vi của não được phát hiện bởi trí tuệ nhân tạo và kết quả thần kinh của nó vẫn chưa được xác định nếu không có bất thường được xác định rõ ràng. Nói cách khác, việc sử dụng trí tuệ nhân tạo trong chẩn đoán hình ảnh trong các lĩnh vực y tế khác nhau đang liên tục được đánh giá rộng rãi.

Trí tuệ nhân tạo trong nội soi tiêu hóa đang được y học quan tâm
Trí tuệ nhân tạo trong nội soi tiêu hóa đang được y học quan tâm

3. Ưu điểm của trí tuệ nhân tạo trong bệnh lý tiêu hóa

Trong lĩnh vực tiêu hóa, các ứng dụng trí tuệ nhân tạo trong nội soi viên nang và trong việc phát hiện, xác định vị trí và phân đoạn các polyp đại tràng cũng đã được báo cáo. Đặc biệt, vào cuối những năm 2010, có sự bùng nổ quan tâm đến ung thư dạ dày. Việc sử dụng trí tuệ nhân tạo đã được chứng minh là mang lại khả năng chẩn đoán tốt hơn, mặc dù việc xác nhận và mở rộng thêm là cần thiết để nâng cao chất lượng và khả năng diễn giải của chúng.

Chất lượng của hệ thống trí tuệ nhân tạo thường được mô tả bằng các thước đo thống kê về độ nhạy, độ đặc hiệu, giá trị dự đoán dương tính và độ chính xác. Trong số các mô hình trí tuệ nhân tạo khác nhau, mạng nơron chập (CNN) là một phương pháp được sử dụng phổ biến nhất trong hình ảnh y tế vì nó cho phép phát hiện, phân đoạn và phân loại các mẫu hình ảnh. CNN sử dụng phép toán tích phân để phân loại các hình ảnh sau khi nhận dạng các mẫu từ pixel hình ảnh thô.

Bởi vì chương trình Le-Net-5 7 lớp lần đầu tiên được LeCun et alvào năm 1998, các kiến ​​trúc CNN đã phát triển nhanh chóng. Ngày nay, các CNN được sử dụng rộng rãi khác bao gồm AlexNet (2012) với tỷ lệ lỗi khoảng 15,3%, GoogLeNet 22 lớp (2014) với tỷ lệ lỗi 6,67% nhưng chỉ có 4 triệu tham số, nhóm hình học trực quan 19 lớp (VGG) Net (2014 ) với tỷ lệ lỗi 7,3% và 138 triệu tham số và ResNet của Microsoft (2015) với tỷ lệ lỗi 3,6% có thể được huấn luyện với nhiều nhất là 152 lớp. Trong khi các học giả ca ngợi trí tuệ nhân tạo về tiềm năng và hiệu suất mà nó thể hiện, một số lại nghi ngờ về khả năng tổng quát hóa và vai trò của nó trong việc đánh giá tổng thể các bất thường ở dạ dày.


Khi bắt đầu cuộc cách mạng chẩn đoán hình ảnh có sự hỗ trợ của trí tuệ nhân tạo, chúng ta phải dự đoán và đánh giá tỉ mỉ các nguy cơ tiềm ẩn, trong bối cảnh khả năng của nó, để đảm bảo kết hợp hiệu quả và an toàn vào thực hành lâm sàng

Noron
Mô hình mạng nơ ron tích hợp. Một mạng nơ-ron tích hợp bao gồm một lớp đầu vào, một vài lớp ẩn và một lớp đầu ra. Nó thường được áp dụng trong hình ảnh y tế thông qua việc phát hiện, phân đoạn và phân loại các mẫu hình ảnh.

4. Cần có một số quy trình chẩn đoán khác có thể được khám phá với trí tuệ nhân tạo

Trong thập kỷ qua, trí tuệ nhân tạo đã hiển thị ung thư dạ dày chẩn đoán tiềm năng của nó để khuếch đại năng lực nội soi của con người. Mặc dù chẩn đoán ung thư dạ dày đòi hỏi một bộ đánh giá tổng thể, trí tuệ nhân tạo có thể áp dụng và hữu ích ở một số phần. Một hệ thống phát hiện ung thư dạ dày với độ nhạy cao bất kể độ chính xác của nó trong việc xác định độ sâu xâm lấn có thể cung cấp hỗ trợ lâm sàng tuyệt vời cho các bác sĩ để quyết định xem có cần thiết sinh thiết và bóc tách dưới niêm mạc nội soi hay không.

Trong tương lai gần, cần có một số quy trình chẩn đoán khác có thể được khám phá với trí tuệ nhân tạo. Ví dụ, các đặc điểm vĩ mô, cụ thể là “dấu hiệu không tăng áp” thường được sử dụng để phân biệt độ sâu xâm lấn SM1 và SM2 của ung thư dạ dày vẫn chưa được khám phá với trí tuệ nhân tạo. Về mặt lâm sàng, cũng có một số dấu hiệu riêng biệt mà bác sĩ nội soi sử dụng để đánh giá sự thay đổi màu sắc và bề mặt dạ dày. Phân biệt các dấu hiệu như thay đổi phản xạ ánh sáng và chảy máu tự phát là những kỹ năng lâm sàng mà trí tuệ nhân tạo có thể học và diễn giải. Trong thực hành lâm sàng, các chất chống nhu động được đề xuất để điều chế polyethersulfone và nội soi sắc tố màu chàm carmine có thể giúp chẩn đoán các tổn thương bề mặt cao với mô hình bề mặt không đều, nhờ đó hiệu quả của chúng có thể được đánh giá bằng nội soi trí tuệ nhân tạo thời gian thực trong tương lai gần.

5. Thay đổi nội soi từ WLI sang M-NBI là rất quan trọng để chẩn đoán và sự phát triển trong tương lai của các hệ thống trí tuệ nhân tạo

Mặc dù một số nghiên cứu đã cố gắng áp dụng trí tuệ nhân tạo trong các loại nội soi khác nhau, từ WLI đến LCI đến hình ảnh laser xanh lam, những nghiên cứu này cũng có thể tiếp tục mở rộng trí tuệ nhân tạo sang NBI và các loại nội soi không thông thường khác.

Ví dụ, nội soi bằng NBI cho thấy độ chính xác chẩn đoán cao hơn so với M-NBI [78,8% (76,4% -83,0%) so với 72,2% (69,3% -73,6%), P <0,0001]. Một hệ thống trí tuệ nhân tạo được đào tạo với hình ảnh WLI và được thử nghiệm với hình ảnh NBI thay thế cũng sẽ có ý nghĩa lâm sàng. Được đề xuất vào năm 2016 là Thuật toán chẩn đoán đơn giản nội soi phóng đại cho ung thư dạ dày đề xuất một phương pháp tiếp cận có hệ thống đối với nội soi phóng đại WLI. Khuyến cáo rằng nếu phát hiện một tổn thương đáng ngờ, nên thực hiện M-NBI để phân biệt tổn thương đó là ung thư hay không phải ung thư. Theo thuật toán này, việc thay đổi nội soi từ WLI sang M-NBI là rất quan trọng để chẩn đoán và sự phát triển trong tương lai của các hệ thống trí tuệ nhân tạo có thể xem xét tính toán cho những thay đổi đó.

Để đặt lịch khám tại viện, Quý khách vui lòng bấm số HOTLINE hoặc đặt lịch trực tiếp TẠI ĐÂY. Tải và đặt lịch khám tự động trên ứng dụng MyVinmec để được giảm ngay 20% phí khám bệnh lần đầu trên toàn hệ thống Vinmec (áp dụng từ 1/8 - 30/9/2022). Quý khách cũng có thể quản lý, theo dõi lịch và đặt hẹn tư vấn từ xa qua video với các bác sĩ Vinmec mọi lúc mọi nơi ngay trên ứng dụng.

Tài liệu tham khảo

Hsiao YJ, Wen YC, Lai WY, Lin YY, Yang YP, Chien Y, Yarmishyn AA, Hwang DK, Lin TC, Chang YC, Lin TY, Chang KJ, Chiou SH, Jheng YC. Application of artificial intelligence-driven endoscopic screening and diagnosis of gastric cancer. World J Gastroenterol 2021; 27(22): 2979-2993 [DOI: 10.3748/wjg.v27.i22.2979]

88 lượt đọc

Dịch vụ từ Vinmec

Bài viết liên quan