Trí tuệ nhân tạo và ứng dụng trong ung thư

Tác giả: Đặng Hữu Đức và DS. Phạm Phương Hạnh

Cập nhật lần cuối lúc 16:12, 02/08/2021. Phản hồi về nội dung, liên hệ với chúng tôi tại đây

Nghiên cứu thứ nhất cho thấy mạng thần kinh nhân tạo trong học sâu (deep learning neural network) khi tính toán nhanh diện tích lát cắt ngang của cơ thái dương (CSA) từ MRI tiêu chuẩn, có thể dự đoán các kết cục sống còn ở bệnh nhân u nguyên bào thần kinh đệm ác tính. Bác sĩ Ella Mi cho biết u nguyên bào thần kinh đệm có tiên lượng sống thêm 5 năm dưới 5%. Thể trạng và sự suy giảm sức khỏe (tình trạng sức khỏe) là yếu tố tiên lượng chủ quan đối với bệnh nhân ung thư. Trong khi đó, mất cơ, cũng là một yếu tố cho thấy tiên lượng xấu, có thể được định lượng nhờ vào CSA trên hình ảnh MRI, chỉ định thường quy ở bệnh nhân này. “Điều này làm tăng cơ hội sàng lọc việc mất cơ như là một phần của chiến lược điều trị ung thư mà không cần phải chụp thêm cũng như lo ngại về phơi nhiễm bức xạ hay chi phí” BS. Mi cho hay.

Tuy nhiên; việc định lượng, phân đoạn khối cơ trên hình ảnh MRI nếu làm thủ công rất tốn công sức, nguy cơ mâu thuẫn giữa kết quả của từng nhóm độc lập, cũng không thực tế để đánh giá trên dữ liệu lớn. Chính vì vậy, nhóm của Tiến sĩ Mi đã phát triển một thuật toán học sâu để tự động hóa quá trình trên và xác định liệu rằng CSA có thể giúp dự đoán kết cục sống còn cũng như tiến triển bệnh không.

Xây dựng thuật toán:

Những bệnh nhân này sau đó được theo dõi với thời gian trung bình là 19.2 tháng. Trung vị sống thêm toàn bộ là 18.3 tháng và trung vị sống thêm không tiến triển là 8.9 tháng. BS. Mi cho biết “CSA là marker tiên lượng đáng kể đối với kết cục sống thêm toàn bộ và sống thêm không tiến triển bệnh, tăng thêm sự tin cậy cho bằng chứng trước đây về mức độ rộng cơ thùy thái dương”

BS. Mi tin rằng thuật toán này có thể giúp cải thiện sự ước đoán cho tiên lượng và mô hình dự đoán trong căn bệnh này, từ đó tối ưu hóa việc ra quyết định điều trị và phân độ khối u.

Bình luận về nghiên cứu này, David Harrison, giáo sư bệnh học tại Đại học St Andrews và chủ tịch sáng kiến bệnh học phân tử tế bào NCRI, nói:

“Các bác sĩ ung thư đều biết tình trạng sức khỏe có mối liên hệ với khả năng dung nạp điều trị. Nó cũng ảnh hưởng đến đáp ứng và thời gian sống thêm của bệnh nhân. Tuy nhiên rất khó để xây dựng bộ công cụ đánh giá khách quan tình trạng sức khỏe”

Kết quả nghiên cứu “cho thấy có mối liên quan giữa CSA với sự suy giảm sức khỏe, tiến triển bệnh”. Tuy nhiên ông cảnh báo kết quả không cho thấy CSA là nguyên nhân cho sự thay đổi kết cục của bệnh nhân và kêu gọi cần thêm nghiên cứu với cỡ mẫu lớn hơn để xem xét tới các yếu tố như sự thay đổi khối cơ do nhân tố khác, chẳng hạn phẫu thuật hoặc xạ trị.

Nghiên cứu thứ 2 ứng dụng thuật toán học sâu trong bệnh ung thư tiền liệt tuyến được thực hiện bởi nhóm nhà nghiên cứu, dẫn đầu bởi David Gillespie, từ đại học Manchester Metropolitan. BS. Cheng Boon, từ trung tâm ung thư Clatterbridge, Merseyside nói rằng trong ung thư tiền liệt tuyến, thực hành tiêu chuẩn hiện nay là xạ trị khối u dựa trên ảnh CT. Tuy nhiên, ngày càng có nhiều sự quan tâm đến xạ trị dựa trên ảnh MRI để cải thiện kết quả điều trị và giảm thiểu độc tính muộn do điều trị. Nhưng phương pháp này yêu cầu lập kế hoạch chi tiết, tùy biến cho từng ngày, do đó gia tăng thời gian lâm sàng và nhân lực.

Xây dựng thuật toán: tự động hóa quá trình phân đoạn hình ảnh MRI, khắc phục nhược điểm trên

“Chúng tôi biết rõ việc xác định đường viền bao quanh khối u là phần phức tạp và biến động nhất trên lâm sàng nhưng vô cùng quan trọng với xạ trị dựa trên MRI ” BS. Boon nói. Tất cả mô hình trí tuệ nhân tạo “hiện nay trên thị trường đều độc quyền nên rất khó để đánh giá chúng. Trong khi đó, nghiên cứu này dựa trên nguồn dữ liệu mở, hoàn toàn có thể chia sẻ phi thương mại rộng rãi, tạo cơ hội hợp tác phát triển sau này với các đối tác.”