Tốc độ phát triển theo cấp số nhân của sức mạnh tính toán đã cho phép việc phát triển các hệ thống AI và thuật toán máy học có khả năng thực hiện các nhiệm vụ chăm sóc sức khỏe tiên tiến.
Nhiều công nghệ mới có thể tự động ứng dụng các tính năng và đưa ra các dự đoán đáng tin cậy mà không cần sự chuẩn bị trước. Ngày càng có nhiều ý kiến ủng hộ vai trò hàng đầu của trí tuệ nhân tạo (AI) trong các việc chẩn đoán hình ảnh ung thư, bắt đầu từ việc chụp chiếu đến các nhiệm vụ tiên lượng, giúp đỡ đáng kể quá trình điều trị bệnh.
Các phương pháp ứng dụng AI và học máy đã được nghiên cứu trong lĩnh vực điều trị ung thư, đặc biệt là trong chẩn đoán mô bệnh học và phân tử, góp phần đưa ra kết quả xác định hình ảnh ung thư.
Do vai trò nổi bật của chúng đối với các bệnh nhân ung thư trong việc xác định giai đoạn và theo dõi điều trị, chụp cộng hưởng từ (MRI) và chụp cắt lớp vi tính (CT) chính là những phương thức hình ảnh được sử dụng rộng rãi nhất hiện nay. Sự ra đời của các kỹ thuật hình ảnh tiên tiến như CT truyền dịch và MRI khuếch tán hình có thể bổ sung thêm chức năng trên dữ liệu hình thái học giúp mô tả rõ hơn về kiểu hình và trạng thái của khối u.
Các ứng dụng AI hiện tại trong hình ảnh ung thư bao gồm tối ưu hóa quy trình làm việc lâm sàng-X quang (chụp chiếu, thu nhận hình ảnh) và các nhiệm vụ dựa trên kết quả hình ảnh cụ thể hơn (phát hiện ung thư, xác định đặc điểm và theo dõi điều trị).
Chúng ta hãy cùng tìm hiểu kỹ hơn các ứng dụng của AI trong xác định ung thư.
Do khả năng phân tích khối lượng lớn các loại thông tin khác nhau, chẳng hạn như dữ liệu di truyền và chẩn đoán hình ảnh, công nghệ AI có thể cho phép tổng hợp dữ liệu lâm sàng và hình ảnh để cải thiện hiệu quả quá trình sàng lọc.
Các nghiên cứu gần đây xem xét tác động thực hành lâm sàng của mô hình máy học trong việc xác định các đối tượng có nguy cơ cao mắc ung thư vú. Nghiên cứu so sánh hiệu suất của các kỹ thuật dựa trên máy học trong việc dự đoán nguy cơ ung thư vú bằng cách sử dụng các yếu tố nguy cơ di truyền và lâm sàng với mô hình dự báo rủi ro, qua đó phân tích tỷ lệ mắc bệnh và ước tính người mang bệnh (BOADICEA) ở vú và buồng trứng.
Các ví dụ gần đây về ứng dụng AI bao gồm phát hiện ung thư vú trong chụp tia X, chụp MRI để xác định ung thư phổi, khối u não và ung thư tuyến tiền liệt,..
Trong bệnh ung thư phổi, nghiên cứu gần đây cho thấy thuật toán phát hiện tự động DL đạt được hiệu suất cao hơn so với nhóm bác sĩ X quang trong việc phát hiện các khối u ác tính trên phim X quang. Hơn nữa, hiệu suất của các bác sĩ X quang được cải thiện khi thuật toán DL được sử dụng như một đầu đọc thứ hai.
Phân đoạn là một trong những nhiệm vụ thách thức nhất khi phân tích hình ảnh ung thư. Ngày nay, các thuật toán AI đã phát triển các hệ thống có thể cho phép tự động phân đoạn khối u. Lĩnh vực máy học đã được sử dụng trong các nhiệm vụ phân đoạn để cải thiện việc lập kế hoạch điều trị xạ trị, đo thể tích và theo dõi tiến triển của bệnh.
Các thuật toán AI hiệu suất cao cho dữ liệu đa chiều đã trích xuất và phân tích các đặc điểm sinh học phản ánh tính không đồng nhất của khối u trong hình ảnh, cho phép chẩn đoán và phân chia giai đoạn ung thư chính xác hơn.
Theo dõi khối u và đáp ứng điều trị là các lĩnh vực nghiên cứu AI đang hoạt động, nhằm phát triển những mô hình để đánh giá chính xác các liệu pháp điều trị ung thư. Qua đó, chúng ta có thể cải thiện sức khỏe và khả năng sống sót của bệnh nhân.
Trong lĩnh vực này, một số kết quả khả quan đã thu được khi sử dụng các mô hình dựa trên MRI và liệu pháp điện tử AI trong việc dự đoán khả năng điều trị bệnh ung thư vú.
Duy Anh (T/H)