Ứng dụng trí tuệ nhân tạo trong chẩn đoán hình ảnh ung thư tuyến tụy

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

Các ứng dụng của trí tuệ nhân tạo đã đạt được tiến bộ vượt bậc trong nhận dạng hình ảnh y tế. Trên thực tế, ngay từ năm 2001, mạng lưới thần kinh đã được sử dụng để phân tích hình ảnh siêu âm nội soi nhằm phân biệt ung thư tụy với viêm tụy khu trú. Một chương trình được thiết kế có thể phân biệt viêm tụy với ung thư tuyến tụy bằng cách trích xuất các đặc điểm pixel từ hình ảnh, cho thấy tỷ lệ chính xác cao là 89%.

1. Tổng quan

Ung thư tuyến tụy là một bệnh ung thư phức tạp của đường tiêu hóa. Điều trị và chẩn đoán ung thư tuyến tụy có thể rất khó khăn vì các triệu chứng ban đầu không rõ ràng, vị trí giải phẫu sâu của các mô ung thư và mức độ xâm lấn của tế bào ung thư cao. Tiên lượng rất xấu, tỷ lệ sống sót sau 5 năm của bệnh nhân ung thư tuyến tụy là dưới 1%. Tuy nhiên, ứng dụng trí tuệ nhân tạo trong y tế có nhiều tiềm năng. Ngoài các ứng dụng dựa trên trí tuệ nhân tạo, chẳng hạn như xử lý dữ liệu bệnh tật, hình ảnh và nhận dạng hình ảnh bệnh lý, phẫu thuật bằng robot đã tạo ra một cuộc cách mạng trong quy trình phẫu thuật.

2. Ứng dụng của trí tuệ nhân tạo trong chẩn đoán hình ảnh ung thư tuyến tụy

Các ứng dụng của trí tuệ nhân tạo (đặc biệt là thuật toán học sâu) đã đạt được tiến bộ vượt bậc trong nhận dạng hình ảnh y tế. Các bộ mã tự động biến đổi tích hợp và các phương pháp khác có rất nhiều ứng dụng trong lĩnh vực này. Trên thực tế, ngay từ năm 2001, mạng lưới thần kinh đã được sử dụng để phân tích hình ảnh siêu âm nội soi nhằm phân biệt ung thư tụy với viêm tụy khu trú. Một chương trình được thiết kế có thể phân biệt viêm tụy với ung thư tuyến tụy bằng cách trích xuất các đặc điểm pixel từ hình ảnh, cho thấy tỷ lệ chính xác cao là 89%.

Với sự phát triển của công nghệ chẩn đoán hiện tại, hình ảnh tương đối đơn giản, nhưng với sự trợ giúp của mạng nơ-ron máy tính, việc chẩn đoán phân biệt trở nên dễ dàng hơn và đạt độ chính xác cao hơn. Kể từ đó, hình ảnh phân tích mạng lưới thần kinh đã được sử dụng trong nghiên cứu để phân biệt ung thư tuyến tụy với viêm tụy mãn tính. Phương pháp này liên quan đến việc thu thập dữ liệu hình ảnh thành dạng vectơ và sau đó chuyển nó thành biểu đồ màu. Độ nhạy, độ đặc hiệu và độ chính xác của phương pháp này trong chẩn đoán phân biệt tổn thương tụy lành tính và ác tính lần lượt là 91,4%; 87,9% và 89,7%.

3. Tổn thương nang tuyến tụy thường được coi là một dấu hiệu quan trọng của ung thư tuyến tụy

Công nghệ máy học được sử dụng để trích xuất các đặc điểm hình ảnh của tổn thương nang này, chọn và phân loại các đặc điểm đó, sau đó sử dụng chúng để dự đoán các tổn thương nang tụy lành tính hoặc ác tính. Trong quá trình này, đầu tiên, việc thu nhận hình ảnh được tiến hành một cách đồng nhất, các cạnh của đối tượng tổn thương nghi ngờ được phác thảo và thu hình dạng ba chiều (3D) của biến thể. Sau đó, các đặc điểm của bệnh nghi ngờ trong hình ảnh được trích xuất bao gồm cấu trúc, mật độ và hình dạng. Phần mềm trí tuệ nhân tạo được sử dụng để học chuyên sâu, các tính năng được sàng lọc và phân tích, đồng thời thu được kết quả đầu ra hình ảnh. Kết quả thu được, proteomics và dữ liệu bệnh nhân được nhập vào mô hình học máy làm lớp đầu vào để tạo mô hình dự đoán, có thể giúp các bác sĩ lâm sàng chẩn đoán phân biệt u nang tuyến tụy lành tính và ác tính.

4. Hình ảnh chẩn đoán được trí tuệ nhân tạo xử lý như thế nào?

Công nghệ “máy học” được sử dụng để trích xuất các đặc điểm hình ảnh của tổn thương nang này, chọn và phân loại các đặc điểm, sau đó sử dụng chúng để dự đoán các tổn thương nang tụy lành tính hoặc ác tính. Trong quá trình này, đầu tiên, việc thu nhận hình ảnh được tiến hành một cách thống nhất, các cạnh của đối tượng tổn thương nghi ngờ được phác họa và thu được hình dạng ba chiều của biến thể. Sau đó, các đặc điểm của bệnh nghi ngờ trong hình ảnh được trích xuất, bao gồm cấu trúc, mật độ và hình dạng. Phần mềm trí tuệ nhân tạo được sử dụng để học chuyên sâu, các tính năng được sàng lọc và phân tích, đồng thời thu được kết quả đầu ra hình ảnh. Kết quả thu được, proteomics và dữ liệu bệnh nhân được nhập vào mô hình học máy làm lớp đầu vào để tạo mô hình dự đoán, điều này có thể giúp các bác sĩ trong việc chẩn đoán phân biệt u nang tụy lành tính và ác tính.

5. Những hạn chế của các phương pháp chẩn đoán hình ảnh thông thường

Trong 20 năm qua, với sự phổ biến và phát triển của chụp cắt lớp vi tính (CT), chụp cộng hưởng từ và chụp cắt lớp phát xạ positron-CT, nhân viên y tế đã có thể thu thập được nhiều dữ liệu hình ảnh rõ ràng hơn. Tuy nhiên, vì những hạn chế của con người, chúng có thể sai số và hiệu quả chẩn đoán không cao. Hơn nữa, việc đào tạo các bác sĩ X quang chuyên nghiệp sẽ tốn nhiều thời gian. Bản thân hình ảnh chỉ có thể phản ánh cấu trúc bên trong của người bệnh tại một thời điểm nhất định và ở một góc độ nhất định; do đó, những thay đổi nhỏ có thể khó được phát hiện bằng mắt thường. Như vậy, ứng dụng của trí tuệ nhân tạo đáng tin cậy có thể cải thiện độ chính xác trong chẩn đoán hình ảnh.

Như đã đề cập ở trên, chẩn đoán thủ công có những khuyết điểm như phán đoán chủ quan, thiếu tính lặp lại và độ chính xác thấp.

6. Trí tuệ nhân tạo giúp khắc phục các thiếu sót của kỹ thuật chẩn đoán hiện tại

Nghiên cứu gần đây về việc sử dụng mạng lưới thần kinh lớp chập để nhận biết CT trong chẩn đoán ung thư tuyến tụy có thể cung cấp một cách để khắc phục những thiếu sót như vậy. Một trí tuệ nhân tạo được thiết kế cho một nghiên cứu liên quan bao gồm hai phần, đó là đào tạo và xác minh.

Đầu tiên, một cơ sở dữ liệu dữ liệu bệnh nhân được thiết lập, dữ liệu hình ảnh được thu thập và một cơ sở dữ liệu hình ảnh được thiết lập. Sau đó, việc trích xuất tính năng, tạo vùng (RPN) và mạng phân loại cũng như hồi quy được thiết lập. Trong mạng trí tuệ nhân tạo, hình ảnh đầu vào đầu tiên được chuyển đổi thành biểu đồ đặc trưng tích chập và các tham số RPN được điều chỉnh thông qua bản đồ đặc trưng để tạo ra các vectơ đặc trưng ROI. Sau đó, các tham số RPN được đưa vào lớp phức hợp và một mô hình nhất định sử dụng để hồi quy và phân loại. Tiếp theo, các tham số hồi quy được tạo thành các tham số RPN mới và hai tham số RPN chỉ được cập nhật cho lớp mạng duy nhất của RPN thông qua học máy.

Các tham số RPN sau đó được tạo bởi các tham số hồi quy để tinh chỉnh lớp tích chập duy nhất. Sử dụng mô hình đầu vào nhóm xác minh dành riêng, mạng Secure Global Desktop được đào tạo bằng cách truyền ngược và giảm độ dốc ngẫu nhiên, đồng thời các thông số và trọng lượng mạng có thể được cập nhật và tối ưu hóa liên tục. Cuối cùng, mô hình thu được là một hệ thống chẩn đoán trí tuệ nhân tạo. Đường đặc tính vận hành máy thu của kết quả thí nghiệm đạt 0,9632. Trí tuệ nhân tạo trong nghiên cứu đó chỉ cần 20 giây để xác định hình ảnh, khách quan và hiệu quả hơn các phương pháp chẩn đoán truyền thống. Tuy nhiên, cần lưu ý rằng phương pháp này cho thấy độ chính xác cao trong chẩn đoán ung thư tuyến tụy, điều đó không có nghĩa là ứng dụng của trí tuệ nhân tạo có thể thay thế các bác sĩ chuyên khoa; thay vào đó, nó cung cấp một công cụ phụ trợ để chẩn đoán.

7. Một số hạn chế của trí tuệ nhân tạo trong chẩn đoán ung thư tuyến tụy

Mặc dù trí tuệ nhân tạo có triển vọng tốt cho chẩn đoán hình ảnh, nhưng nó cũng có những hạn chế và quá trình đào tạo mô hình không thể tách rời với sự hỗ trợ của chẩn đoán nhân tạo. Về lý thuyết, mục tiêu cuối cùng của độ chính xác chẩn đoán là vô cùng gần với bác sĩ hình ảnh. Do đó, làm thế nào để tận dụng tốt điều này để làm cho trí tuệ nhân tạo trở nên thông minh hơn có thể là một bài toán quan trọng cần được giải quyết trong các nghiên cứu trong tương lai.

Trên thực tế, việc ứng dụng trí tuệ nhân tạo trong chụp ảnh đã được các chuyên gia nghiên cứu và nó cũng đòi hỏi kiến ​​thức từ nhiều lĩnh vực. Những dự án như vậy tạo ra một nền tảng cho các chuyên gia hình ảnh giao tiếp với các chuyên gia máy tính. Kết quả là một hệ thống ứng dụng trí tuệ nhân tạo trong y tế được thành lập sử dụng thuật toán học sâu để thu thập và phân tích hình ảnh CT của tuyến tụy. Dữ liệu hình ảnh nhóm thực nghiệm và dữ liệu hình ảnh đối chứng bình thường được nhập vào chương trình. Thông qua hai “ma trận” và việc áp dụng một bộ lọc, số liệu thống kê, kết cấu, hình dạng và các dữ liệu khác sẽ thu được. Sau đó, ung thư biểu mô tuyến tụy và đối chứng bình thường được phân biệt bằng xử lý dữ liệu, phân tích thống kê và mô hình rừng ngẫu nhiên.

Hiện nay, siêu âm tụy là cách giúp phát hiện và chẩn đoán một số bệnh lý tuyến tụy nhanh chóng, hiệu quả. Nếu nghi ngờ bản thân mắc bệnh tuyến tụy, khách hàng có thể đến với Hệ thống Bệnh viện Đa khoa Quốc tế Vinmec, là một trong những bệnh viện uy tín cả nước, Vinmec sử dụng các thế hệ máy siêu âm màu hiện đại nhất hiện nay trong thăm khám và điều trị cho bệnh nhân. Một trong số đó là máy siêu âm Logig E9 của GE Healthcar có đầy đủ options, các đầu dò có độ phân giải HD cho hình ảnh rõ nét, đánh giá chính xác tổn thương. Bên cạnh đó, đội ngũ các y, bác sĩ giàu kinh nghiệm sẽ hỗ trợ phần nhiều trong việc chẩn đoán và phát hiện sớm những dấu hiệu bất thường của cơ thể nhằm đưa ra phương pháp điều trị bệnh lý tuyến tụy kịp thời.

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 quản lý, theo dõi lịch và đặt hẹn mọi lúc mọi nơi ngay trên ứng dụng.

Tài liệu tham khảo:

1. Adamska A , Domenichini A, Falasca M. Ung thư biểu mô tuyến tụy: Các liệu pháp hiện tại và đang phát triển. Int J Mol Sci . Năm 2017; 18 : 1338. [ PubMed ] [ DOI ]
2. Halbrook CJ , Lyssiotis CA. Sử dụng quá trình trao đổi chất để cải thiện chẩn đoán và điều trị ung thư tuyến tụy. Tế bào ung thư . Năm 2017; 31 : 5-19. [ PubMed ] [ DOI ]
3. Ngiam KY , Khor IW. Dữ liệu lớn và các thuật toán học máy để cung cấp dịch vụ chăm sóc sức khỏe. Lancet Oncol . Năm 2019; 20 : e262-e273. [ PubMed ] [ DOI ]