Hệ thống AI dự đoán tái phát u não với tỷ lệ chính xác cao ngạc nhiên

8 giờ trướcBài gốc

AI ngày càng có ứng dụng quan trọng trong y học

Phương pháp học theo thời gian (temporal learning) giúp trí tuệ nhân tạo (AI) xử lý nhiều hình ảnh hậu điều trị, vượt trội hơn nhiều so với các mô hình chỉ dựa vào một lần quét duy nhất.

Cải thiện chẩn đoán u não ở trẻ em bằng AI

AI ngày càng trở nên quan trọng trong việc phân tích hình ảnh y tế, giúp phát hiện các mô hình mà bác sĩ có thể bỏ sót. Trong chăm sóc ung thư não nhi, AI có thể nâng cao khả năng theo dõi bệnh nhi mắc glioma - một loại u não có thể điều trị nhưng đôi khi tái phát sau phẫu thuật.

Nhóm nghiên cứu từ Mass General Brigham, phối hợp với Bệnh viện Nhi Boston và Trung tâm Ung thư và Rối loạn Máu Dana-Farber/Boston, đã phát triển một hệ thống học sâu phân tích chuỗi quét MRI sau phẫu thuật để phát hiện sớm dấu hiệu tái phát u. Nghiên cứu của họ vừa được công bố trên The New England Journal of Medicine AI.

Tiến sĩ Benjamin Kann từ Chương trình AI trong Y học (AIM) tại Mass General Brigham phân tích: "Nhiều trường hợp glioma ở trẻ có thể chữa khỏi chỉ bằng phẫu thuật, nhưng khi tái phát, hậu quả có thể rất nghiêm trọng. Hiện tại, trẻ em phải chụp MRI thường xuyên trong nhiều năm để theo dõi, điều này gây căng thẳng và áp lực lớn cho các gia đình. Chúng tôi cần công cụ tốt hơn để xác định sớm bệnh nhân có nguy cơ tái phát cao".

AI giúp tăng độ chính xác dự đoán

Vì ung thư nhi khoa khá hiếm, nghiên cứu loại này thường gặp khó khăn do thiếu dữ liệu. Để khắc phục, nhóm nghiên cứu đã hợp tác với nhiều tổ chức tại Mỹ để thu thập gần 4.000 hình ảnh MRI từ 715 trẻ em.

Họ sử dụng phương pháp học theo thời gian - cho phép AI nhận diện các mô hình thay đổi trong quét MRI của bệnh nhân theo từng thời điểm hậu phẫu, giúp cải thiện khả năng dự đoán u tái phát.

Thông thường, AI trong y tế được đào tạo để phân tích quét MRI đơn lẻ. Tuy nhiên, với học theo thời gian, AI xử lý chuỗi hình ảnh thay vì chỉ một lần quét.

Để phát triển mô hình, nhóm nghiên cứu đào tạo AI theo thứ tự thời gian từ loạt ảnh MRI hậu phẫu, giúp nó nhận diện các thay đổi nhỏ. Sau đó, họ tinh chỉnh AI để liên kết những thay đổi đó với việc tái phát ung thư.

Kết quả cho thấy mô hình học theo thời gian dự đoán tái phát glioma sau một năm điều trị với độ chính xác từ 75 - 89%, vượt xa phương pháp dựa trên quét MRI đơn thuần, vốn chỉ có độ chính xác khoảng 50% (tương đương ngẫu nhiên).

Bên cạnh đó, việc cung cấp cho AI nhiều hình ảnh hơn hậu điều trị giúp nâng cao độ chính xác. Đặc biệt, sau 4 - 6 hình ảnh, sự cải thiện đạt mức ổn định.

Hướng tới thử nghiệm lâm sàng và ứng dụng thực tế

Dù kết quả khả quan nhưng nhóm nghiên cứu nhấn mạnh rằng cần kiểm chứng thêm trước khi áp dụng lâm sàng. Mục tiêu dài hạn của họ là khởi động thử nghiệm lâm sàng, xem liệu dự đoán của AI có thể giúp giảm số lần chụp MRI không cần thiết ở nhóm có nguy cơ thấp và can thiệp sớm với liệu pháp bổ trợ cho bệnh nhân có nguy cơ cao.

Tác giả chính của công trình là Divyanshu Tak từ AIM tại Mass General Brigham cho biết: "Chúng tôi đã chứng minh rằng AI có thể phân tích và đưa ra dự đoán từ nhiều hình ảnh, không chỉ từ một lần quét MRI. Kỹ thuật này có thể được áp dụng trong nhiều lĩnh vực cần hình ảnh theo thời gian và chúng tôi háo hức xem dự án này sẽ mở ra điều gì tiếp theo".

Đây có thể là một bước đột phá giúp AI cải thiện chẩn đoán, theo dõi và điều trị bệnh nhân trong tương lai.

Anh Tú

Nguồn Một Thế Giới : https://1thegioi.vn/he-thong-ai-du-doan-tai-phat-u-nao-voi-ty-le-chinh-xac-cao-ngac-nhien-232022.html