Ung thư phổi là 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 nếu được phát hiện sớm, tiên lượng sẽ tốt hơn nhiều. Do đó, việc ứng dụng AI trong phát hiện sớm khối u có thể giúp các bác sỹ có gấp đôi thời gian để điều trị, mang lại nhiều cơ hội để ngăn chặn ung thư lây lan hơn.
Các nghiên cứu đã cho thấy việc sàng lọc thường xuyên những nhóm người có nguy cơ cao giúp phát hiện nhiều trường hợp mắc bệnh sớm, giảm tỷ lệ tử vong 20-30%. Các tổ chức y tế cũng khuyến nghị những nhóm có nguy cơ cao mắc ung thư phổi, chẳng hạn như những người đã và đang hút thuốc, cần được kiểm tra CT hàng năm.
Tuy nhiên, số lượng bác sỹ chẩn đoán hình ảnh không đáp ứng đủ nhu cầu đang ngày càng tăng như hiện nay. Khối lượng công việc dày đặc thường xuyên có thể dẫn đến những sai sót trong chẩn đoán. Giới hạn thị giác con người cũng khiến những khối u ác tính cực nhỏ có thể bị bỏ qua. Sử dụng hệ thống AI không những giảm gánh nặng cho đội ngũ bác sỹ mà còn phát hiện các điểm không thể nhìn thấy bằng mắt thường ở phổi.
Tiến sỹ Mozziyar Etemadi - kỹ sư y sinh tại Trường Y Feinberg thuộc Đại học Northwestern (Chicago, Hoa Kỳ) phát triển hệ thống AI để phát hiện ung thư phổi giai đoạn đầu.
Các bác sỹ sẽ sử dụng các công cụ chẩn đoán có sự hỗ trợ của máy tính để phát hiện các khối u ác tính. Thông thường, lập trình viên sẽ lập trình để máy tính tìm những đặc trưng của một khối u, tuy nhiên nhiều khối u lành tính sẽ bị gán là ác tính. Và vì vậy, các bác sỹ phải tốn rất nhiều thời gian kiểm tra lại. Hệ thống AI gần đây dựa trên một nguyên tắc được gọi là học sâu (deep learning). Thay vì chỉ tìm kiếm các đặc điểm khối u đã được lập trình trước, hệ thống học sâu sẽ tự tìm ra khối u từ các ví dụ thực tế. Các nhà nghiên cứu cung cấp cho hệ thống một bộ dữ liệu lớn bao gồm hàng nghìn bản chụp CT phổi, một số bị ung thư và một số không bị. Từ đó, hệ thống sẽ tự học được nốt ung thư phổi lành hay ác tính trông như thế nào. Càng quét nhiều, độ tin cậy của chúng càng được cải thiện, cho kết quả chính xác hơn. Năm 2019, Tiến sỹ Etamadi và nhóm nghiên cứu của mình đã công bố rằng hệ thống của họ cho kết quả phát hiện sớm ung thư phổi chính xác đến 94%, vượt trội so với nhóm 6 bác sỹ chẩn đoán hình ảnh kỳ cựu.
Các nhà nghiên cứu đã đào tạo hệ thống này bằng cách sử dụng cơ sở dữ liệu của hơn 40.000 bản chụp CT - không chỉ những bản chụp hiện tại mà còn cả những bản quét từ trước khi những người này nhận được chẩn đoán ung thư phổi. Trong thời gian này, các nhà khoa học đã dạy máy tính phân biệt bản quét giai đoạn đầu nào có và không chứa các điểm ung thư. Theo thời gian, máy tính học được các đặc trưng trên ảnh có thể phân biệt giữa u ác tính và u lành tính. Khả năng phân tích toàn bộ ảnh chụp CT ba chiều (3D) thay vì một chuỗi các lát cắt 2D cũng cải thiện đáng kể độ chính xác của hệ thống này. Hình ảnh 3D cung cấp nhiều thông tin chẩn đoán hơn về các đặc điểm của khối u chẳng hạn như các mạch máu nào không phải là một phần của khối u chính.
Một hệ thống học sâu khác được phát triển bởi nhóm nghiên cứu tại Đại học London (Vương quốc Anh) và Viện Nghiên cứu Ung thư London đã giải quyết vấn đề liên quan đến việc phát hiện các dấu hiệu sớm của sự tái phát ung thư phổi sau quá trình điều trị ban đầu. Kết quả bước đầu cho thấy, hệ thống máy tính được lập trình đã phát hiện ra rằng các khối u ở vùng có ít tế bào miễn dịch có nhiều khả năng kích hoạt tái phát sau phẫu thuật cắt bỏ hoặc hóa trị. Các nhà khoa học cho rằng đó là do những khối u này có một số dạng cơ chế che đậy để trốn tránh hệ thống miễn dịch, cho phép các tế bào phân chia không bị kiểm soát. Những cảnh báo về khả năng tái phát này có thể giúp các bác sỹ xác định những người cần được theo dõi cẩn thận hơn.
Một trong những ưu điểm chính của hệ thống học sâu là chúng giúp đẩy nhanh sự ra đời của chương trình sàng lọc cộng đồng nhằm phát hiện ung thư phổi sớm hơn. Khi các hệ thống học sâu nghiên cứu các dữ liệu lớn, chẳng hạn như ảnh chụp CT, trình tự di truyền và lịch sử điều trị, chúng thường phát hiện ra các mối quan hệ bất thường. Từ đó, các bác sỹ lâm sàng có thể theo dõi điều này bằng cách giải trình tự các tế bào khối u để xem liệu dự đoán này có đúng hay không, từ đó chọn ra phương thức điều trị thích hợp nhất cho loại ung thư cụ thể đó.
Trước khi những phương án này có thể trở thành hiện thực, các bác sỹ và nhà nghiên cứu AI cần giải quyết những câu hỏi cấp bách về cách tốt nhất để giải thích kết quả mà máy tính tìm thấy và cách phân chia khối lượng công việc giữa máy móc với bác sỹ. Việc hệ thống học sâu có thể làm tốt hơn con người trong một số nhiệm vụ chẩn đoán không có nghĩa là chúng sẽ đảm nhận hoàn toàn công việc của các bác sỹ chẩn đoán hình ảnh. Các kỹ sư cho biết hệ thống này có thể cung cấp hướng dẫn chẩn đoán, nhưng chúng chưa thể thay thế được các chuyên gia.
Bắc Lê
(lược dịch theo Nature)