Sử dụng trí tuệ nhân tạo (AI) trong lĩnh vực y khoa đang là mối quan tâm hàng đầu ở nhiều quốc gia trên thế giới. AI không chỉ giúp các bác sỹ lấy ảnh với thông tin chính xác hơn từ người bệnh mà còn có khả năng hỗ trợ trong quá trình chẩn đoán và đưa ra phác đồ điều trị hợp lý. Sở dĩ như vậy là vì AI có khả năng tổng hợp thông tin từ nhiều ca bệnh trong quá khứ - việc mà con người phải mất rất nhiều thời gian và công sức mới có thể thực hiện được. Bài viết giới thiệu về sự phát triển của AI trong xử lý ảnh y khoa nói riêng, chẩn trị bệnh nói chung.
KH&CNKH&CN nướcnướcngồi ngồi Trí tuệ nhân tạo xử lý ảnh y khoa Trần Hồng Tài, Phạm Thế Bảo Khoa Toán - Tin học, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia TP Hồ Chí Minh Sử dụng trí tuệ nhân tạo (AI) lĩnh vực y khoa mối quan tâm hàng đầu nhiều quốc gia giới AI không giúp bác sỹ lấy ảnh với thơng tin xác từ người bệnh mà có khả hỗ trợ q trình chẩn đốn đưa phác đồ điều trị hợp lý Sở dĩ AI có khả tổng hợp thơng tin từ nhiều ca bệnh khứ - việc mà người phải nhiều thời gian công sức thực Bài viết giới thiệu phát triển AI xử lý ảnh y khoa nói riêng, chẩn trị bệnh nói chung A I (Artificial Intelligent) ngành quan tâm thời gian gần Các hệ thống sử dụng AI sâu vào phục vụ nhiều lĩnh vực sống như: Điều khiển tự động (máy lạnh, máy giặt biết tự điều chỉnh cường độ, mức độ vận hành; xe tự lái), an ninh (các hệ thống nhận dạng khuôn mặt, vân tay, chữ viết, giọng nói, mống mắt), y tế (hỗ trợ chẩn đoán bệnh, phát khối u, dự đoán bệnh), sinh học (phát gen, tối ưu gen), hóa học (dự đốn liên kết hóa học, cấu trúc hóa học), kinh tế, nông nghiệp Hiểu cách đơn giản, AI trí thơng minh người tạo nhằm giúp máy tính hiểu, thích ứng, suy nghĩ xử lý thơng tin phục vụ mục đích người Trong năm gần đây, có nhiều nghiên cứu sử dụng AI việc hỗ trợ chẩn đoán bệnh phân vùng nội tạng thể, phát khối u, hay xác định ung thư công bố nhiều báo khoa học Holger đồng nghiệp [1] đề xuất hệ thống sử dụng phương pháp học chuyên sâu (deep learning) để đánh dấu phân đoạn vùng nội tạng từ ảnh CT (hình 1), hay Krzysztof Pawełczyk đồng nghiệp [2] sử dụng phương pháp học chuyên sâu để phát tổn thương phổi từ ảnh chụp CT, dự đốn ung thư qua số hóa sinh [3] Hình Kết tách nội tạng từ ảnh CT sử dụng AI [1] Ảnh ảnh y khoa Từ xa xưa, việc lưu trữ thông tin dạng hình ảnh phát minh quan trọng lịch sử phát triển loài người Ở thời nguyên thủy, người cổ đại dùng đá để khắc thành họa tường hang động Tiến hơn, người cổ đại không vẽ tranh mà sử dụng ảnh mang ý nghĩa tổng quát để xây dựng hệ chữ tượng hình Việc lưu trữ thơng tin hình ảnh phát triển liên tục qua hệ, kể cách thức lưu trữ cách thức tạo ảnh Về chất, loại ảnh giống nhau, chúng thông tin dạng hình ảnh lưu trữ máy tính với mục đích mang đến thơng tin cho người sử dụng Tuy nhiên, ngành nghề khác với mục đích sử dụng khác nhau, ảnh lại có đặc điểm riêng biệt Số năm 2018 51 KH&CN nước ngồi bước gần khơng thể thiếu hầu hết bệnh viện Tuy nhiên, điều tạo nên lượng liệu y học to lớn mà người khó tự thống kê sử dụng thời gian ngắn Ứng dụng AI xử lý ảnh y khoa Hình Ảnh siêu âm động mạch cổ [4] Hình Ảnh MRI não [5] Ảnh y khoa tên gọi chung nhóm ảnh sử dụng y học ảnh siêu âm (hình 2), ảnh cộng hưởng từ - MRI (hình 3), hay ảnh X-quang Do xây dựng từ loại tín hiệu thiết bị khác nên chất lượng ảnh tác động trình chụp ảnh ảnh hưởng khác tới sức khỏe người bệnh Ngoài ra, khác với loại ảnh thông thường, để thể đầy đủ thông tin cần thiết, ảnh y khoa cần nhiều lớp ảnh (như ảnh CT hay chiều, siêu âm hay chiều, MRI chiều) Các loại ảnh không hỗ trợ bác sỹ q trình chẩn đốn cho bệnh nhân, mà lưu trữ làm tư liệu cho học tập nghiên cứu Trước đây, để dự đoán chấn thương hay để có 52 thơng tin bên thể người bệnh, bác sỹ dựa vào thông số xét nghiệm hay triệu chứng người bệnh phát trình phẫu thuật Kỹ thuật dựng ảnh y khoa phát triển cho bác sỹ công cụ hữu dụng để “nhìn thấy” thơng tin bên thể người bệnh, vết nứt xương nhìn thấy thơng qua ảnh chụp X-quang hay khối u, vết thương, tế bào ung thư nội tạng người bệnh nhìn thấy thông qua ảnh chụp CT Trước phẫu thuật, ảnh chụp CT hỗ trợ đồ giúp bác sỹ nhìn thấy vị trí khối máu vón cục mạch máu, vùng tổn thương não Với lợi to lớn này, việc thu ảnh để chẩn đoán bệnh trở thành Số năm 2018 Việc phát triển mạnh mẽ kỹ thuật dựng ảnh y học tạo lượng liệu y học to lớn mà người khó xử lý tốt Vì thế, việc sử dụng AI để hỗ trợ cho người tìm thơng tin hữu ích cách nhanh chóng bước cần thiết quan trọng để phát triển ngành y tăng khả chữa trị thành công cho bệnh nhân Cũng giống bác sỹ cần nhiều năm học tập làm việc để tích lũy kinh nghiệm việc chẩn đoán đưa phác đồ điều trị tốt cho bệnh nhân, hệ thống AI cần “huấn luyện” để có khả sử dụng thơng tin học, để từ đưa kết luận phù hợp Theo Holger [1] hay Krzysztof Pawełczyk [2], nhà nghiên cứu sử dụng ảnh chụp CT nội tạng chuyên gia “đánh dấu” để huấn luyện cho hệ thống AI Sau huấn luyện, hệ thống AI có khả tự đánh dấu nội tạng ảnh CT khác với độ xác phù hợp (phụ thuộc vào liệu phương pháp huấn luyện) mà không cần can thiệp người Không dừng lại việc phân biệt vùng nội tạng, mà nhiều nhóm nghiên cứu phát triển chương trình AI khác như: Đánh dấu phần có dấu hiệu ung thư ảnh gan, phổi [6, 7]… phân biệt vùng khác hay phát vùng bất thường não ảnh MRI thơng qua phân đoạn KH&CN nước ngồi vùng não [8, 9] Đặc biệt trường hợp ảnh nhiều chiều, nhiều lớp, việc xử lý tất lớp ảnh công việc tốn nhiều thời gian cơng sức bác sỹ Vì thế, việc sử dụng AI hỗ trợ họ nhiều, đồng thời góp phần mang lại chất lượng chữa trị tốt cho người bệnh [8] khác đầu tư nghiên cứu phát triển sử dụng AI cho việc chẩn đoán chữa trị bệnh Ở Việt Nam, đầu năm 2018, Bệnh viện đa khoa Phú Thọ khai trương phòng ứng dụng AI điều trị ung thư sử dụng IBM-Watson Hiện nay, AI ứng dụng hỗ trợ chữa trị bệnh số bệnh viện giới Năm 2016 Tokyo, hệ thống IBM-Watson (hệ thống phần mềm AI tinh vi Hãng IBM) sử dụng chẩn đoán bệnh ung thư bạch cầu bệnh nhân mà bác sỹ vốn năm để điều trị mà chưa có kết Nhờ khả tổng hợp lượng thông tin lớn thời gian ngắn cách khách quan, IBM-Watson chẩn đoán xác ca bệnh này, đồng thời hỗ trợ đưa phác đồ điều trị phù hợp Hiện nay, IBM-Watson sử dụng nhiều bệnh viện giới để giúp bác sỹ xác định bệnh gặp Ở Ấn Độ, AI sử dụng ngày phổ biến để giúp cải thiện tình trạng thiếu bác sỹ nước này: Ở bệnh viện thuộc Tập đoàn Manipal, IBM-Watson sử dụng để hỗ trợ bác sỹ chẩn đoán chữa trị bệnh ung thư; Bệnh viện mắt Aravind Google Brain chuẩn bị sử dụng quy trình khám chữa cho bệnh nhân Hãng Microsoft cung cấp hệ thống Azure với AI hỗ trợ bệnh viện bệnh nhân dự đốn truy vấn thơng tin dựa hồ sơ bệnh án điện tử Ở Mỹ, Bệnh viện Oxford phát triển hệ thống AI để chẩn đoán bệnh tim ung thư phổi [10] Rất nhiều trung tâm nghiên cứu bệnh viện Mặc dù ứng dụng AI y tế phát triển nhanh, song số hạn chế mặt kỹ thuật pháp lý nên việc để AI chẩn đốn hồn tồn chưa khả thi Tuy nhiên, với bước tiến không ngừng, AI chứng minh cho thấy công cụ mạnh để hỗ trợ cho bác sỹ việc tiền chẩn đoán bệnh tương lai gần Nếu việc áp dụng thống kê y tế bà Florence Nightstingale (người sáng lập ngành y tế đại nhà thống kê y tế người Ý) bước tiến lớn ngành y học ngày nay, AI cơng cụ mạnh để thống kê sử dụng lượng thông tin ngày lớn dần từ ảnh, hồ sơ bệnh án thông tin y học việc chẩn đốn chữa trị bệnh Tin rằng, ngày khơng xa, AI phát triển hoàn thiện hơn, việc chẩn đoán đưa phác đồ điều trị hoàn toàn AI thành tựu lồi người Khơng vậy, khái niệm chẩn đốn bệnh khơng tồn tương lai mà thay khái niệm xác định bệnh mức độ “thấy” “hiểu” thông tin bên thể người AI xử lý tốt ? Kết luận TÀI LIỆU THAM KHẢO [1] Holger R Roth, et al (2018), “An application of cascaded 3D fully convolutional networks for medical image segmentation”, Computerized Medical Imaging and Graphics, 66, pp.90-99 [ ] K r z y s z t o f 2 Pa w e ł c z y k , Michal Kawulok, Jakub Nalepa, Michael P. Hayball, Sarah J. McQuaid, Vineet Prakash (2017), “Towards Detecting High-Uptake Lesions from Lung CT Scans Using Deep Learning”, International Conference on Image Analysis and Processing (ICIAP) 2017 [3] https://wiki.cancerimagingarchive net/display/Public/TCGA-LUAD [4]2http://splab.cz/en/download/ databaze/ultrasound [5] https://www.coursera.org/learn/ neurohacking [6] Nguyen Ho Minh Duy, Tran Anh Tuan, Nguyen Hai Duong, Tran Anh Tuan, Nguyen Kim Dao, Atsuo Yoshitaka, Kim Jin Young, Seung Ho Choi and Pham The Bao (2016), “3D-Brain MRI Segmentation Based on Improved Level Set by AI Rules and Medical Knowledge Combining Classes-EM and Bayesian Method”, Journal of KIIT, 14(5), pp.5-88 [7] Nguyen Thi Hong Nhung, Vu Tran Minh Khuong, Vu Quang Huy and Pham The Bao (2016), “Classifying prostate cancer patients based on total prostate-specific antigen and free prostate-specific antigen features by support vector machine”, Journal of Cancer Research and Therapeutics, 12, pp.818-825 [8] Le Trong Ngoc, Kieu Duc Huynh, Pham The Bao, Huynh Trung Hieu, “Liver Intensity Determination in The 3D Abdominal MR Image Using Neural Network”, Journal of Science and Technology, 54(3A), pp.98-105 [9] Trong Ngoc Le, Pham The Bao and Hieu Trung Huynh (2016), “Liver Tumor Segmentation from MR Images Using 3D Fast Marching Algorithm and Single Hidden Layer Feedforward Neural Network”, BioMed Research International Journal [10]2http://www.bbc.com/news/ health-42357257 Số năm 2018 53 ... viện Tuy nhiên, điều tạo nên lượng liệu y học to lớn mà người khó tự thống kê sử dụng thời gian ngắn Ứng dụng AI xử lý ảnh y khoa Hình Ảnh siêu âm động mạch cổ [4] Hình Ảnh MRI não [5] Ảnh y khoa. .. chung nhóm ảnh sử dụng y học ảnh siêu âm (hình 2), ảnh cộng hưởng từ - MRI (hình 3), hay ảnh X-quang Do x y dựng từ loại tín hiệu thiết bị khác nên chất lượng ảnh tác động trình chụp ảnh ảnh hưởng... Ngoài ra, khác với loại ảnh thông thường, để thể đ y đủ thông tin cần thiết, ảnh y khoa cần nhiều lớp ảnh (như ảnh CT hay chiều, siêu âm hay chiều, MRI chiều) Các loại ảnh không hỗ trợ bác sỹ