Trí Tuệ Nhân Tạo (AI): Đũa Thần của Kỹ Nghệ Chẩn Đoán Hình Ảnh Y Tế

11/11/202200:00:00(Xem: 1940)

 

imaging 2
Ngày nay, ngành chẩn đoán hình ảnh y tế đang phát triển mạnh mẽ với sự hỗ trợ từ trí tuệ nhân tạo AI, tạo vai trò không thể thiếu trong lãnh vực điều trị, đặc biệt là điều trị ung thư.

 

HOA KỲ – Việc các bác sĩ có thể nhìn xuyên thấu bên trong cơ thể bệnh nhân mà không cần phải rạch một đường nào từng là một khái niệm thần kỳ. Cho đến nay, hình ảnh y tế (medical imaging) trong khoa quang tuyến đã trải qua một chặng đường dài, và các kỹ thuật mới nhất dựa vào trí tuệ nhân tạo (AI) sẽ còn tiến xa hơn nữa: chúng khai thác khả năng tính toán khổng lồ của AI và khả năng học hỏi vô giới hạn để tận dụng triệt để các phương pháp dò chụp trên cơ thể, tìm ra những điều khác thường mà mắt người có thể bỏ sót.

Ngày nay, chẩn đoán hình ảnh liên quan đến những cách phân tích phức tạp mỗi một điểm dữ liệu để tìm ra bệnh tật và phân biệt đâu là dấu hiệu, đâu chỉ là tín hiệu nhiễu. Nếu những thập niên đầu tiên của X-quang dành riêng để tinh chỉnh độ phân giải của các phim chụp, thì những thập niên tiếp theo sẽ là để giải thích cặn kẽ những dữ liệu đó, bảo đảm không bỏ sót bất cứ điều gì.

Chẩn đoán hình ảnh cũng đang chuyển hướng từ trọng tâm ban đầu – chẩn đoán tình trạng y tế – sang một vai trò không thể thiếu trong điều trị, đặc biệt là trong lĩnh vực điều trị ung thư. Các bác sĩ đang bắt đầu dựa vào chẩn đoán hình ảnh để giúp theo dõi các khối u và sự lây lan của các tế bào ung thư chính xác hơn, nhanh chóng hơn để biết liệu các liệu pháp điều trị có hiệu quả hay không. Vai trò mới của chẩn đoán hình ảnh sẽ thay đổi các loại phương pháp điều trị và cải thiện thông tin về hiệu quả điều trị một cách đáng kể giúp bác sĩ nắm rõ tiến trình hiệu quả, để có thể đưa ra lựa chọn điều trị tốt hơn cho bệnh nhân.

Bác sĩ Basak Dogan, phó giáo sư khoa chẩn đoán hình ảnh y khoa tại University of Texas Southwestern Medical Center cho biết: “Trong 5 năm tới, chức năng của ngành chẩn đoán hình ảnh y khoa sẽ trở thành một phần thiết yếu trong lĩnh vực chăm sóc sức khỏe. Chẩn đoán hình ảnh hiện tại chưa trả lời được các câu hỏi thực tế về lâm sàng. Nhưng các kỹ thuật mới sẽ mang câu trả lời cho những bệnh nhân cần có độ chính xác cao hơn trong quá trình chăm sóc y tế, để họ có thể tìm được quyết định sáng suốt hơn.”

Phát hiện vấn đề sớm hơn

Cuộc đua đầu tiên trong việc tận dụng tối đa những gì hình ảnh y tế có thể cung cấp – bất kể đó là phim chụp X-quang, chụp cắt lớp vi tính (CT), ảnh cộng hưởng từ (MRI) hay siêu âm – là tự động hóa việc đọc chúng càng nhiều càng tốt. Bởi vì điều này giúp tiết kiệm thời gian quý báu của các bác sĩ quang tuyến. Các lập trình toán học có sự hỗ trợ của máy tính đã chứng minh giá trị của chúng trong lĩnh vực này, sức mạnh tính toán khổng lồ đã giúp máy tính có thể phân biệt được những phát hiện nào là bất thường giữa những điều bình thường. Các chuyên gia phần mềm và các bác sĩ quang tuyến đã hợp tác trong nhiều năm để đưa ra các công thức này. Các bác sĩ quang tuyến cung cấp cho chương trình máy tính những phát hiện của họ về hàng chục ngàn hình ảnh bình thường và bất thường, giúp cho máy tính phân biệt khi nào thì một hình ảnh có chứa những phần tử nằm ngoài các thông số bình thường. Càng có nhiều hình ảnh để so sánh, học hỏi và lưu trữ, máy tính càng nhạy hơn và tìm ra những điểm bất thường tốt hơn.

Để được Cơ Quan FDA phê duyệt, lập trình toán học liên quan đến hình ảnh phải có độ chính xác từ 80% đến 90%. Cho đến nay, FDA đã phê duyệt khoảng 420 lập trình toán học để sử dụng cho các căn bệnh khác nhau (chủ yếu là ung thư). FDA vẫn yêu cầu phải có con người giám sát và đưa ra quyết định cuối cùng đối với những gì lập trình toán học từ máy móc phát hiện ra, nhưng những kỹ thuật tân kỳ này cũng rất quan trọng giúp gắn cờ báo động các hình ảnh có thể chứa những điểm đáng ngờ, để các bác sĩ xem xét và nhanh chóng có câu trả lời cho bệnh nhân.

Tại Mass General Brigham, các bác sĩ sử dụng khoảng 50 lập trình toán như vậy để giúp chăm sóc bệnh nhân, từ phát hiện chứng phình động mạch và ung thư đến phát hiện tắc nghẽn mạch máu và các dấu hiệu đột quỵ. Nhiều bệnh nhân sẽ có các triệu chứng chung của bệnh. Khoảng một nửa số lập trình toán học này đã được FDA chấp thuận và số còn lại đang được thử nghiệm trong quá trình chăm sóc bệnh nhân.

Bác sĩ Keith Dreyer, giám đốc phòng khoa học dữ liệu và phó chủ tịch khoa quang tuyến tại Mass General Brigham, cho biết: “Mục tiêu là sớm phát hiện vấn đề. Trong một số trường hợp, con người có thể mất nhiều ngày để đưa ra chẩn đoán chính xác, trong khi máy tính có thể chạy liên tục mà không cần nghỉ để tìm ra bệnh nhân nào cần được điều trị ngay lập tức. Nếu có thể sử dụng máy tính trong việc đó, thì bệnh nhân sẽ được điều trị nhanh hơn nhiều.”

Theo dõi bệnh nhân kỹ lưỡng hơn

Sàng lọc có sự hỗ trợ của máy tính là bước đầu tiên để mang sự hỗ trợ của kỹ thuật trí khôn nhân tạo AI vào y học, và sự học hỏi không giới hạn của máy tính cũng đang rất hữu ích để giúp theo dõi bệnh nhân và theo sát những chuyển biến bệnh tình, dù là nhỏ nhất. Điều này đặc biệt quan trọng đối với bệnh ung thư, xác định xem khối u đang phát triển, nhỏ lại hay giữ nguyên kích thước là việc cần thiết để đánh giá mức độ hiệu quả của các phương pháp điều trị. Dogan nói: “Khó mà nắm rõ được điều gì đang xảy ra với khối u khi bệnh nhân trải qua quá trình hóa trị. Rất tiếc, các kỹ thuật hình ảnh thông thường không thể phát hiện ra bất kỳ thay đổi nào cho đến giữa quá trình hóa trị” – vốn có thể kéo dài hàng tháng trời – “khi bắt đầu xảy ra một số loại co rút.”
Imaging
Cuộc đua đầu tiên trong việc tận dụng tối đa những gì hình ảnh y tế có thể cung cấp – bất kể đó là phim chụp X-quang, chụp cắt lớp vi tính (CT), ảnh cộng hưởng từ (MRI) hay siêu âm – là tự động hóa việc đọc chúng càng nhiều càng tốt.
 
Chẩn đoán hình ảnh có thể hữu ích trong những trường hợp đó, giúp xác định những thay đổi không liên quan đến kích thước hoặc giải phẫu của khối u. Dogan nói: “Trong giai đoạn đầu của quá trình hóa trị, hầu hết những thay đổi trong khối u không hoàn toàn ở mức độ có bao nhiêu tế bào chết đi, mà liên quan đến việc điều chỉnh các tương tác giữa tế bào miễn dịch của cơ thể và tế bào ung thư.” Có nhiều trường hợp, khối u không thu nhỏ từ ngoài vào trong. Thay vào đó, một số túi tế bào ung thư bên trong khối u có thể chết đi, trong khi những túi khác vẫn tiếp tục phát triển, khiến cho tổng thể khối u có nhiều vết rỗ hơn, giống như cái áo len bị côn trùng cắn lủng lỗ. Thực tế, một số tế bào chết đi có thể gây ra tình trạng viêm, nên trong một số trường hợp, kích thước của khối u thậm chí có thể to ra dù điều này không nhất thiết có nghĩa là tế bào ung thư đã sinh sôi nhiều hơn. Chẩn đoán hình ảnh thông thường hiện nay sẽ không thể phân biệt được khối u đã chết mấy phần và còn sống mấy phần. Các kỹ thuật chẩn đoán hình ảnh phổ biến nhất trong ung thư vú, chụp nhũ ảnh và siêu âm, được thiết kế để xác định các đặc điểm giải phẫu.

Tại UT Southwestern, Bác sĩ Dogan đang thử nghiệm hai cách sử dụng chẩn đoán hình ảnh để theo dõi những thay đổi chức năng ở các bệnh nhân ung thư vú. Cách đầu tiên, với nguồn tài trợ từ Viện Y Tế Quốc Gia, Dogan sẽ thực hiện chẩn đoán hình ảnh các bệnh nhân ung thư vú sau một chu kỳ hóa trị để tìm ra những thay đổi nhỏ về áp suất xung quanh khối u, bằng cách bơm các bong bóng khí nhỏ vào. Siêu âm sẽ đo đạc sự thay đổi áp suất của các bong bóng này, chúng có xu hướng tích tụ xung quanh các khối u; các khối u đang phát triển sẽ có nhiều mạch máu hơn so với các mô khác, nhằm hỗ trợ cho chúng mở rộng.

Cách còn lại là thử nghiệm hình ảnh quang âm, biến ánh sáng thành tín hiệu âm thanh. Người ta sẽ chiếu tia laser vào mô vú, làm cho các tế bào dao động, tạo ra sóng âm thanh; sau đó họ thu lại các sóng âm thanh này và phân tích chúng. Kỹ thuật này giúp phát hiện nồng độ oxy của khối u, vì tế bào ung thư có xu hướng cần nhiều oxy hơn tế bào bình thường để có thể tiếp tục phát triển. Các thay đổi sóng âm thanh sẽ chỉ ra phần nào của khối u vẫn đang phát triển và phần nào không. Dogan nói: “Chỉ bằng cách chụp ảnh khối u, chúng tôi có thể biết được khối nào có nhiều khả năng di căn đến các hạch bạch huyết và khối nào thì không.” Hiện nay, các bác sĩ lâm sàng không thể biết loại ung thư nào sẽ di căn đến bạch huyết và loại nào sẽ không di căn. Dogan giải thích thêm: “Kỹ thuật này có thể cung cấp thông tin về cách khối u sẽ hoạt động và có khả năng tránh cho bệnh nhân phải làm phẫu thuật hạch bạch huyết không cần thiết.”

Kỹ thuật này cũng có thể giúp tìm ra các dấu hiệu ban đầu của các tế bào ung thư đã di căn đến các bộ phận khác của cơ thể, trước cả khi chúng xuất hiện trong các hình ảnh y tế và không cần phải cắt xén làm sinh thiết. Tập trung vào các cơ quan mà tế bào ung thư thường di căn, chẳng hạn như xương, gan và phổi, các bác sĩ có thể ‘đón đầu’ các tế bào ung thư mới ‘chuyển nhà’ này.

Phát hiện những bất thường không thể nhìn thấy bằng mắt thường

Theo Dreyer, nếu có đầy đủ dữ liệu và hình ảnh, các lập trình toán học này thậm chí có thể tìm ra những sai sót đối với bất kỳ tình trạng nào mà con người không thể phát hiện được. Nhóm của ông cũng đang nghiên cứu phát triển một lập trình toán học đo lường các dấu ấn sinh học nhất định trong cơ thể người, cho dù là về giải phẫu hay chức năng. Nhờ đó nó có thể gắn cờ báo động những thay đổi trong các chỉ số đó, có thể chỉ ra một người có khả năng bị đột quỵ, gãy xương, đau tim hoặc một số bệnh khác. Đó là đũa thần của chẩn đoán hình ảnh, và trong khi chỉ còn vài năm nữa, Dreyer cho biết “đó là những thứ sẽ khiến lĩnh vực chăm sóc sức khỏe chuyển mình, với sự hỗ trợ của AI.”

Để mở ra cánh cửa đó, sẽ cần tới hàng tấn dữ liệu từ hàng trăm ngàn bệnh nhân. Nhưng hệ thống chăm sóc sức khỏe không liên kết của Hoa Kỳ sẽ khiến cho việc tổng hợp các thông tin là một thách thức. Có một giải pháp là sử dụng kỹ thuật học hỏi liên kết (federated learning *), các nhà khoa học gia sẽ phát triển các lập trình toán học áp dụng cho cơ sở dữ liệu thông tin bệnh nhân ẩn danh của các tổ chức khác nhau. Bằng cách đó, quyền riêng tư vẫn được bảo vệ, các tổ chức sẽ không phải mang an ninh hệ thống của mình ra đánh đổi.

* Federated learning: Học hỏi liên kết là một kỹ thuật máy học đào tạo một lập trình toán học trên nhiều thiết bị và tập trung giữ các mẫu dữ liệu cục bộ mà không cần trao đổi chúng.

Nếu có thêm nhiều mô hình kiểu này được chấp thuận, thông qua kỹ thuật học tập liên kết hoặc cách khác, chẩn đoán hình ảnh với sự hỗ trợ của AI thậm chí có thể cho phép bệnh nhân điều trị tại nhà. Ví dụ, khi việc tự xét nghiệm COVID-19 và chăm sóc sức khỏe từ xa trở nên phổ biến hơn, mọi người có thể nhận được thông tin chẩn đoán hình ảnh y tế thông qua các phương pháp chụp, quét, siêu âm di động, được cung cấp thông qua một ứng dụng trên điện thoại thông minh.

Dreyer nói: “Sự thay đổi thực sự trong lĩnh vực chăm sóc sức khỏe sẽ xảy ra nhờ có kỹ thuật trí khôn nhân tạo AI, đem lại rất nhiều giải pháp cho bệnh nhân hoặc thậm chí trước khi họ trở thành bệnh nhân, để mọi người có thể sống khỏe mạnh.” Có lẽ đó sẽ là cách hiệu quả nhất để tối ưu hóa kỹ thuật chẩn đoán hình ảnh y tế: trao quyền cho bệnh nhân được hiểu rõ và đưa ra quyết định sáng suốt nhất có thể để bảo vệ sức khỏe của họ.
 
Phỏng dịch theo bài viết “How AI Is Changing Medical Imaging to Improve Patient Care” của Alice Park và Video của Andrew D. Johnson, được đăng trên trang Time.com.
 

Gửi ý kiến của bạn
Vui lòng nhập tiếng Việt có dấu. Cách gõ tiếng Việt có dấu ==> https://youtu.be/ngEjjyOByH4
Tên của bạn
Email của bạn
Năm Quý Mão đã đến! Để đảm bảo trái cây họ cam quýt mà quý vị tặng người thân trong dịp Tết Nguyên đán này là hiện thân của phúc lộc, may mắn và thịnh vượng, Chương Trình Phòng Chống Sâu Bệnh & Dịch Bệnh Gây Hại Giống Cây Cam Quýt (CPDPP) đề xuất các biện pháp thực hành tốt nhất sau đây để bảo vệ giống cây cam quýt quý hóa của California trong nhiều năm tới.
Blue Shield of California Promise Health Plan (Chương Trình Bảo Hiểm Y Tế Hứa Hẹn của Blue Shield of California) đang giới thiệu Wellvolution, là chương trình bảo hiểm y tế và sức khỏe tâm thần kỹ thuật số theo lối sống có thể được lập riêng để giải quyết các nhu cầu và ưu tiên sức khỏe cá nhân.
Sau 13 năm, cuối cùng thì Bác sĩ David Sinclair và các đồng nghiệp đã tìm được câu trả lời cho câu hỏi: Điều gì thúc đẩy quá trình lão hóa? Trong một nghiên cứu được công bố trên tạp chí Cell vào ngày 12 tháng 1 năm 2023, Sinclair, giáo sư di truyền học và đồng giám đốc của Paul F. Glenn Center for Biology of Aging Research tại Trường Y Harvard (Harvard Medical School), đã phác họa ra một chiếc đồng hồ lão hóa, khi ta vặn chiều kim là có thể đẩy nhanh hoặc đảo ngược quá trình lão hóa của các tế bào.
Gần đây, một số bạn bè gởi cho tôi qua e-mail một bài viết bằng tiếng Việt không rõ xuất xứ cảnh báo về một loại biến chủng của virus COVID mới rất nguy hiểm, rất lây lan mà lại không có triệu chứng thông thường báo trước, không phát hiện được bằng các test hiện có và không có thuốc chữa. Những “tin tức” này có vẻ không có cơ sở thực tế và có thể gây hoảng hốt không cần thiết. Hôm nay tôi xin phỏng dịch và chú thích thêm cho dễ hiểu một bài báo của CNN (1) trả lời một số câu hỏi về biến thể phụ mới nhất đang lan tràn ở Mỹ và đã có mặt tại Việt Nam.
Chúng ta đã cảm thấy hân hoan khi đón chào năm mới Quý Mão 2023 sắp đến. Mọi người chắc hẳn sẽ cùng bên nhau ăn uống. Hút thuốc và uống rượu là những điều thường được làm khi đoàn tụ với người thân và bằng hữu để đón Tết. Thế nhưng việc hút thuốc cùng nhau hay mời nhau điếu thuốc có thật sự cần thiết để đón mừng năm mới không? Tiến sĩ Shu-Hong Zhu, Giáo sư Y Học Gia Đình và Sức Khoẻ Cộng Đồng tại Đại học California, San Diego (UCSD) cho biết: “Khói thuốc lá có hơn 7.000 loại hóa chất và khoảng 70 chất trong số đó được biết là gây ung thư. Hít phải khói thuốc lá do người khác hút có thể tác hại như là tự hút và cũng có thể gây hại cho thú cưng. Cách tốt nhất để ăn mừng là tránh những nơi hút thuốc, không mời mọc thuốc lá và bỏ hút thuốc."
Người dân California gần đây đã phản đối ngành công nghiệp thuốc lá và bầu chấm dứt việc bán hầu hết các sản phẩm thuốc lá có hương vị, bao gồm thuốc lá bạc hà và thuốc lá điện tử. Các cử tri đã ủng hộ Dự luật Thượng viện (SB) 793 bằng cách bỏ phiếu “Có” cho Dự luật (Prop) 31, điều này ngăn cản những tiệm lẻ bán các sản phẩm này và khiến Big Tobacco (Nhóm Thuốc Lá Lớn) khó săn mồi và kiếm lợi từ trẻ em và nhắm vô nhiều cộng đồng khác.
Năm mèo, theo thông lệ chúng ta hãy bàn về con mèo trong y khoa. Một phần ba gia đình ở Mỹ có nuôi mèo. Trước hết là hai bệnh có thể tránh được mà mèo có thể truyền qua người, bệnh “mèo quào” do vi khuẩn và bệnh do ký sinh mà qua phân mèo có thể truyền qua người, nhất là người có thai và gây những triệu chứng nguy hiểm ở trẻ sơ sinh; và sau cùng là một bệnh di truyền làm đứa trẻ sơ sinh có tiếng khóc giống tiếng mèo kêu với nhiều dị tật quan trọng.
Hầu hết phụ nữ trải qua thời kỳ mãn kinh đều đã quá quen thuộc với các cơn bốc hỏa mặt (hay những cơn nóng bừng khó chịu – hot flashes). Những cơn nóng bừng khó chịu đột ngột kéo đến và nhiệt độ tăng nhanh, thường kèm theo đổ mồ hôi, tim đập nhanh, chóng mặt, mệt mỏi và/hoặc lo lắng. Chúng khiến cho các bà, các mẹ bị mệt mỏi, suy nhược hơn nhiều chứ không ‘chớp nhoáng’ như tên gọi của chúng (flashes).
Tôi là bác sĩ Niall Campbell, một bác sĩ tâm lý có hơn 40 năm kinh nghiệm. Tôi từng làm việc với tư cách là cố vấn cho Sở Y Tế Quốc Gia Anh (National Health Service) cho đến năm 2002. Sau đó, tôi là trưởng ban cố vấn về chứng nghiện ngập và là bác sĩ tâm thần tại The Priory Roehampton, một bệnh viện tâm thần tư nhân ở phía tây nam London trong hai thập niên qua. Bệnh nhân của tôi phần lớn là những người trên 18 tuổi và thường thuộc nhóm khá giả; khoảng một nửa trong số họ có mua bảo hiểm y tế tư nhân, một số khác thì tự thanh toán bằng tiền túi. Về vấn đề nghiện ngập, khoảng 85% công việc tôi làm có liên quan đến rượu, bia. Nhiều bệnh nhân bị trầm cảm của tôi thường có vấn đề về bia rượu, ban đầu họ không tiết lộ, nhưng dần dà sẽ lộ ra.
Đêm dài ngày ngắn và nhiệt độ lạnh giá trong mùa đông có thể khiến nhiều người cảm thấy mệt mỏi, uể oải, không muốn hoạt động chỉ muốn ngủ vùi. Nhưng tại sao mùa màng lại ảnh hưởng đến mức năng lượng của chúng ta? Guy Meadows, một nhà nghiên cứu về giấc ngủ và đồng sáng lập của The Sleep School cho biết: "Mùa đông đến kéo theo một số thách thức tiềm ẩn cho giấc ngủ, bao gồm việc giảm tiếp xúc với ánh sáng mặt trời, nhiệt độ mát hơn, thay đổi đồng hồ và khả năng miễn dịch giảm", theo một trang mạng trực tuyến cung cấp các thông tin hỗ trợ dựa trên cơ sở khoa học về giấc ngủ. "Tất cả những [yếu tố] này làm rối loạn giấc ngủ, khiến bạn khó thức dậy hơn vào buổi sáng."
NHẬN TIN QUA EMAIL
Vui lòng nhập địa chỉ email muốn nhận.