trên ảnh chụp X-quang vú
Chụp ảnh X-quang vú hiện nay vẫn là phương pháp tốt nhất để phát hiện các tổn thương ung thứ vú. Phát hiện sớm các tổn thương ung thư vú trên ảnh chụp X-quang vú sẽ tăng khả năng điều trị ung thư vú cũng như tăng tỷ lệ sống [20]. Cùng với việc phát triển của chương trình sàng lọc, tầm soát ung thư vú, các bác sỹ phải đọc một số lượng lớn các ảnh chụp X-quang vú. Công việc này là khó khăn và đòi hỏi bác sỹ phải có nhiều kinh nghiệm. Một số nghiên cứu hồi cứu đã chỉ ra rằng, tỷ lệ bỏ sót, không phát hiện ra các dấu hiệu tổn thương ung thư vú nằm trong khoảng từ 10% đến 30% [95]. Các nguyên nhân là do bác sỹ mệt mỏi, do cấu trúc phức tạp của mô vú trên ảnh hay do sự khó phân biệt của các dấu hiệu tổn thương ung thư vú so với mô bình thường [95]. Thậm chí ngay cả những bác sỹ có kinh nghiệm nhất cũng chỉ phát hiện chuẩn xác ung thư vú từ 85-91% [101]. Một số nghiên cứu khác chỉ ra rằng nếu hai bác sỹ cùng đọc phim chụp X-quang vú thì tỷ lệ
phát hiện phát hiện đúng tăng lên khoảng 10% [73]. Tuy nhiên, thực hiện đọc phim chụp X-quang vú bởi hai bác sỹ là tốn kém, tốn thời gian và khó khăn về mặt chuẩn bị.
Các giải pháp hỗ trợ phát hiện các dấu hiện tổn thương ung thư vú CAD (Computer Aided Detection) đã được phát triển nhằm trợ giúp bác sỹ trong quá trình tìm kiếm, phát hiện, chỉ ra các dấu hiệu nghi ngờ là tổn thương ung thư vú trên ảnh chụp X-quang vú. Giải pháp CAD này, được mô tả như một sự kết hợp giữa các kỹ thuật xử lý ảnh, nhận dạng mẫu, trí tuệ nhân tạo, chỉ đóng vai trò như một “người đọc thứ hai”, xác định các dấu hiệu hay các vùng nghi ngờ tổn thương ung thư vú trên ảnh chụp X-quang vú [99]. Kết luận cuối cùng rằng các vùng nghi ngờ đó có đúng là tổn thương ung thư vú hay không sẽ do bác sỹ quyết định. Khi giải pháp CAD được sử dụng, độ chính xác phát hiện ung thư vú của bác sỹ có thể tăng từ 10-15% [22].
Những khó khăn, thách thức do các tổn thương hình khối trên ảnh chụp X-quang vú có nhiều biểu hiện hình dạng, đường bao khác nhau [21] (xem hình 1.12) và thường bị che bởi các mô tuyến dầy đặc cũng chính là động lực thúc đẩy các nghiên cứu về giải pháp hỗ trợ phát hiện các dấu hiệu tổn thương hình khối trên ảnh chụp X-quang vú.
Hiện nay, một số công ty trên thế giới đã xây dựng các giải pháp hỗ trợ phát hiện dấu hiệu ung tổn thương hình khối trên ảnh chụp X-quang vú. Các giải pháp này đã được tổ chức Quản lý thuốc và Dược phẩm FDA của Mỹ [52] công nhận đủ điều kiện để thương mại hóa. Có thể kể đến ImageChecker của Hologic® [53], MammoReader hay SecondLook của iCAD® [54]. Tuy nhiên gần như không có bất cứ thông tin nào về phương pháp và thuật toán được sử dụng trong các giải pháp này được công bố. Trong khi đó, lại có rất nhiều thông tin mô tả về lợi ích của những giải pháp này.
Nhìn chung, giải pháp hỗ trợ phát hiện các dấu hiệu tổn thương hình khối trên ảnh chụp X-quang vú có cấu trúc gồm mô đun phát hiện vùng nghi ngờ và mô đun phân loại vùng nghi ngờ như được minh họa ở hình 1.14. Ảnh chụp X-quang vú đầu vào có thể là ảnh chụp X-quang vú thông thường được số hóa hoặc ảnh chụp X-quang vú kỹ thuật số. Tại mô đun phát hiện vùng nghi ngờ, các vùng trên ảnh chụp X-quang vú nghi ngờ (có khả năng cao) là chứa tổn thương hình khối được tìm kiếm, phát hiện ra. Những vùng nghi ngờ này còn được gọi là vùng quan tâm ROI (Region of Interest). Yêu cầu đối với mô đun này là độ nhậy phát hiện vùng nghi ngờ (tỷ lệ số vùng nghi ngờ được phát hiện đúng là tổn thương hình khối) cần rất cao. Trong mô đun này cần có thêm bước tiền xử lý, tăng cường chất lượng cho ảnh chụp X-quang vú nhằm tăng hiệu quả của bước phát hiện vùng nghi ngờ tiếp sau. Bên cạnh yêu cầu độ nhậy phát hiện vùng nghi ngờ đạt được là rất cao có thể xuất hiện 1 số lượng lớn các vùng dương tính giả (vùng được phát hiện ra nhưng không phải là tổn thương hình khối). Tuy nhiên điều này là có thể chấp nhận được. Bởi vì tại mô đun phân loại, các vùng nghi ngờ này sẽ được phân loại thành vùng chứa tổn thương hình khối hay chứa mô vú bình thường dựa trên những đặc trưng được trích chọn ra của chúng. Nhờ vậy những vùng dương tính giả xuất hiện ở mô đun phát hiện sẽ được giảm thiểu.
Hình 1.14.Cấu trúc giải pháp hỗ trợ phát hiện các dấu hiệu tổn thương hình khối trên ảnh chụp X -quang vú.