Một nghiên cứu mới trên Proceedings of the National Academy of Sciences cho thấy, học máy và AI rất không ổn định trong việc tái tạo hình ảnh y khoa và có thể dẫn đến những chẩn đoán thiếu chính xác.

Cộng hưởng từ MRI là một kỹ thuật tạo hình cắt lớp sử dụng sóng từ trường và sóng radio, mang lại hiệu quả chẩn đoán cao, dùng để phát hiện các khối u hoặc tổn thương ở não, mắt, cột sống, tuyến vú, v.v... Một lần quét MRI thông thường có thể mất từ 15 phút đến hai giờ, tùy thuộc vào kích thước của khu vực được quét và số lượng hình ảnh được chụp. Bệnh nhân dành thời gian bên trong máy càng lâu, hình ảnh cuối cùng có độ chi tiết càng cao. Tuy nhiên, các bác sĩ cũng cần giới hạn thời gian bệnh nhân nằm trong máy, vừa để giảm rủi ro cho bệnh nhân, vừa tăng tổng số lần quét mà cơ sở y tế có thể thực hiện.

Sử dụng các kỹ thuật AI để cải thiện chất lượng hình ảnh từ quét MRI hoặc các loại hình ảnh y khoa khác là phương pháp tiềm năng để có được hình ảnh chất lượng cao trong khoảng thời gian ngắn. Về lý thuyết, AI có thể biến ảnh có độ phân giải thấp thành một phiên bản có độ phân giải cao. Các thuật toán AI 'học' cách tái tạo hình ảnh dựa trên việc được đào tạo từ dữ liệu trước đó. Kỹ thuật này thay đổi căn bản so với các kỹ thuật tái tạo cổ điển vốn chỉ dựa trên lý thuyết toán học mà không phụ thuộc vào các dữ liệu đã có từ trước.

Tuy nhiên tái tạo hình ảnh y khoa dựa trên AI dẫn đến vô số các chi tiết sai, hoặc các thay đổi không mong muốn trong dữ liệu - theo kết quả nghiên cứu mới của một nhóm do Đại học Cambridge và Đại học Simon Fraser đứng đầu. Các lỗi này thường không có trong các kỹ thuật hình ảnh không dựa trên AI.

"Có rất nhiều mối quan tâm đối với AI trong tái tạo hình ảnh y khoa, và nó cũng có khả năng cách mạng hóa y học hiện đại: tuy nhiên, có những cạm bẫy tiềm tàng không thể bỏ qua", theo TS Anders Hansen - Khoa Toán ứng dụng và Vật lý lý thuyết, Đại học Cambridge - người cùng dẫn dắt nghiên cứu với Tiến sĩ Ben Adcock ở Đại học Simon Fraser. "Chúng tôi phát hiện ra, các kỹ thuật AI rất không ổn định trong tái tạo hình ảnh y khoa, do đó những thay đổi nhỏ trong đầu vào có thể dẫn đến những thay đổi lớn trong đầu ra."

Bất kỳ thuật toán AI nào cũng cần hai điều để trở nên đáng tin cậy: độ chính xác và độ ổn định. Thông thường, AI phân loại hình ảnh một con mèo là một con mèo, nhưng những thay đổi nhỏ, gần như vô hình trong ảnh có thể khiến thuật toán phân loại hình ảnh con mèo thành một chiếc xe tải hoặc một cái bàn. Trong ví dụ về phân loại hình ảnh này, nếu thuật toán không chính xác thì hình ảnh sẽ bị phân loại sai. Trong trường hợp tái tạo hình ảnh y khoa, những sai lệch sẽ dẫn đến khả năng các chi tiết như khối u của bệnh nhân bị biến mất hoặc thêm vào.

Hansen và các đồng nghiệp từ Na Uy, Bồ Đào Nha, Canada và Vương quốc Anh đã thiết kế một loạt các thử nghiệm để tìm ra lỗ hổng trong các hệ thống hình ảnh y khoa dựa trên AI, bao gồm kỹ thuật cộng hưởng từ MRI, cắt lớp điện toán CT, và cộng hưởng từ hạt nhân NMR. Kết quả, họ phát hiện ra, một số chuyển động nhỏ nhất định dẫn đến vô số chi tiết sai trong các hình ảnh cuối cùng, các chi tiết bị mờ hoặc hoàn toàn bị loại bỏ... Những lỗi này xuất hiện phổ biến trong các loại mạng thần kinh khác nhau, cho thấy vấn đề sẽ không dễ được khắc phục.

"Chúng tôi thấy rằng những sai lệch nhỏ nhất, chẳng hạn do chuyển động của bệnh nhân, có thể mang lại một kết quả rất khác nếu sử dụng AI và học sâu để tái tạo hình ảnh y khoa - nghĩa là các thuật toán này thiếu sự ổn định cần có", Hansen nói."Với các quyết định quan trọng liên quan đến sức khỏe con người, không thể sử dụng các thuật toán mắc lỗi."

Theo Hansen, có giả thuyết cho rằng, trong một thời gian chụp nhất định, hình ảnh y khoa luôn có giới hạn về độ phân giải. "Bằng một cách nào đó, các kỹ thuật AI hiện đại phá vỡ giới hạn này và kết quả là chúng trở nên không ổn định."

Các nhà nghiên cứu hiện đang tập trung vào việc đặt ra các giới hạn cơ bản cho các kỹ thuật AI. Chỉ khi hiểu rõ những giới hạn này, chúng ta mới có thể biết vấn đề nào có thể được giải quyết bằng AI, Hansen nói.

Nguồn: