Thuật toán phân biệt tổn thương não: Công cụ mới rút ngắn thời gian chẩn đoán

Con đường đưa TS. Hán Trọng Thanh, một nhà nghiên cứu trong lĩnh vực kĩ thuật viễn thông, đến với nghiên cứu ứng dụng AI trong đọc hình ảnh y tế không hẳn bắt nguồn từ sự tình cờ. Anh đã từng hợp tác với các giáo sư Nhật Bản để thực hiện dự án ứng dụng radar không dây trong y tế để đo chỉ số sinh tồn của con người (nhịp tim, nhịp thở, nhiệt độ, huyết áp). Quá trình quan sát những chuyển động tân tiến của lĩnh vực AI và ứng dụng của nó trong ngành y sinh trên thế giới đã gợi mở cho anh nhiều ý tưởng mới. Ý nghĩ cần phải phát triển những công cụ mới của AI để hỗ trợ các bác sĩ, không chỉ giảm tải công việc của họ mà còn góp phần nâng cao chất lượng chẩn đoán và điều trị, đã thúc đẩy anh tự tìm tòi học hỏi để làm sao có được những ứng dụng đó.

Khả năng ứng dụng AI vào chẩn đoán và sàng lọc bệnh là vô cùng lớn, nhưng điều khiến TS. Hán Trọng Thanh quan tâm là tổn thương não, một tình trạng bệnh lý nguy hiểm nhưng khó phân biệt do xuất phát từ nhiều nguyên nhân khác nhau. Trong đó, có hai nguyên nhân phổ biến là do viêm và trong não xuất hiện khối u. Thông thường, khi vào viện, bệnh nhân sẽ được chỉ định chụp ảnh cộng hưởng từ não (MRI não). Sau khi có kết quả, các bác sĩ sẽ nhìn ảnh chụp để đưa ra chẩn đoán. Khi tìm hiểu sâu hơn, anh nhận thấy việc phát hiện ra tổn thương do đâu là điều tiên quyết để quyết định phương án điều trị cho người bệnh. Tuy thế, đọc ảnh MRI không hề là việc dễ dàng do mức độ phức tạp của cơ thể con người, ngay cả với những bác sĩ giàu kinh nghiệm. Chưa kể, trên thực tế thì mỗi ngày các bác sĩ phải tiếp nhận số lượng bệnh nhân lên đến con số hàng nghìn, trong khi họ buộc phải đưa ra chẩn đoán trong thời gian ngắn. Với những ca phức tạp hơn, các bác sĩ phải tổ chức hội đồng chuyên môn để cùng hội chẩn. Chính vì những bất lợi này, sai sót hay chậm trễ trong việc phát hiện và điều trị là điều khó tránh khỏi.

Đó là những gợi mở cho TS. Hán Trọng Thanh cùng nhóm nghiên cứu của mình tập trung vào phát triển thuật toán tìm ra đặc trưng trên ảnh MRI của tổn thương do viêm và do xuất hiện khối u, dựa trên mạng phức (complex network) với độ phức tạp tính toán thấp, giúp phân biệt tổn thương não do hai loại bệnh lý là viêm và khối u. Chia sẻ lý do sử dụng mạng phức, anh cho biết “đây là một mạng tiên tiến và có hiệu quả cao đang được nhiều nhà khoa học trong và ngoài nước nghiên cứu phát triển”. Nó sẽ khảo sát các điểm ảnh xem có mối liên hệ nào với các điểm ảnh xung quanh không, từ đấy nó thiết lập thông số để tạo nên mạng, mạng lại dựa trên các vị trí điểm ảnh, mật độ, cường độ, lượng thông tin để thiết lập mối quan hệ. Dựa vào mạng phức, hệ thống “nhanh chóng lấy được những đặc trưng của ảnh để đưa vào mô hình, như thế giúp giảm thời gian đào tạo và tăng độ chính xác cho thuật toán”.

Tuy nhiên, từ thuật toán ban đầu cho đến một công cụ hữu hiệu cho các bác sĩ, TS. Hán Trọng Thanh và cộng sự phải đi thêm một chặng đường dài nữa. Đó là một quá trình thử và sai, quá trình tinh chỉnh thuật toán và kiểm nghiệm nó trên các tập dữ liệu về tổn thương não đã có. Bước đầu, anh và đồng nghiệp đã sử dụng bộ cơ sở dữ liệu rất lớn, được công khai trên các website có uy tín như Google, MNIST, Cargo… Các bộ dữ liệu này xuất phát từ các công trình nghiên cứu trên toàn cầu, chúng đã được kiểm chứng và khẳng định là có cơ sở khoa học.

Tuy nhiên, đó mới chỉ là một phần của câu chuyện, bởi thuật toán này chỉ có ý nghĩa khi được huấn luyện trên dữ liệu của người Việt. Thật may mắn là TS. Hán Trọng Thanh đã có mối quan hệ hợp tác với các bác sĩ ở Trung tâm Điện quang, Bệnh viện Bạch Mai từ trước. Đó là lý do PGS. TS. Vũ Đăng Lưu, Giám đốc Trung tâm Điện quang và là chuyên gia đầu ngành về lĩnh vực xử lý hình ảnh và can thiệp xử lý sâu bằng phẫu thuật, nhận lời làm cố vấn y tế cho dự án của TS. Hán Trọng Thanh.

Sự tham gia của các nhà chuyên môn ngành y là điều tiên quyết cho thành công của dự án. Để huấn luyện thuật toán, PGS. TS. Vũ Đăng Lưu đã cùng đồng nghiệp phải làm một bước quan trọng là xem xét, chọn lọc bộ dữ liệu hàng chục nghìn ảnh chụp não của bệnh nhân cũng như người khỏe. Trên cơ sở này, họ tiếp tục sàng lọc để chọn ra 540 ảnh, trong đó có 279 ảnh có khối u, còn lại 261 ảnh phát hiện viêm. Số lượng sàng lọc ít hơn so với tổng số là vì mỗi lần chụp MRI não sẽ có rất nhiều loại ảnh chụp từ các thời điểm khác nhau, vì thế cần phải thống nhất một loại ảnh để khớp với bộ cơ sở dữ liệu chung, nhóm nghiên cứu cho biết.

Có được dữ liệu đã khó, nhưng thách thức hơn cả với bất kì một chương trình ứng dụng AI trong y tế là phân loại và dán nhãn dữ liệu như đâu là khối u, khối viêm, và khối nhu mô bình thường. Việc phân biệt được đâu là sự hiển thị của khối u, đâu là khối viêm không dễ, nhất là khi ở giai đoạn phát triển sớm thì khối u cũng có nhiều điểm tương đồng với khối viêm. “Về lâm sàng, khối viêm tích tụ nhiều nước và gây phù nề, còn khối u chủ yếu là mô đặc, gây phù nề ít hơn khối viêm”, TS. Hán Trọng Thanh nhận xét. Đây là công việc vô cùng khó khăn do cần nhiều bác sĩ tham gia và thực hiện hoàn toàn thủ công; chưa kể tới việc họ vẫn phải đảm bảo công tác chuyên môn của mình là khám, chữa cho bệnh nhân.

Cuối cùng, những nỗ lực đã được đền đáp bằng một bộ dữ liệu quý, dù chưa thật tối ưu về số lượng nhưng “đã giúp chúng tôi tái khẳng định và cải tiến được độ thực tế của nghiên cứu”, TS. Hán Trọng Thanh chia sẻ.

Trên thế giới đã đã xuất hiện nhiều công trình công bố thuật toán phát hiện khối u não, thế nhưng lại hiếm có thuật toán nào phân loại tổn thương não do khối u và do viêm. Đây cũng là lí do để TS. Hán Trọng Thanh theo đuổi dự án mà kết quả là một công cụ “có độ chính xác khi thử nghiệm trên bộ dữ liệu đã có lên đến trên 90% tùy thuộc vào các loại ảnh dữ liệu”. Với mô hình học máy mà nhóm nghiên cứu đã thực hiện, việc xác định bức ảnh cộng hưởng từ có khối u hay khối viêm chỉ mất tầm 0.8 giây.

Mặc dù để thuật toán này ứng dụng trong thực tế sẽ cần thêm rất nhiều bước và nhiều thời gian nữa, nhưng nhóm nghiên cứu đã nghĩ đến lợi ích mà nó đem lại, ví dụ như giảm tải cho các bác sĩ, giúp có được phác đồ điều trị phù hợp và kịp thời cho bệnh nhân. Đây là điều vô cùng quan trọng, bởi nắm bắt được “thời gian vàng” trong điều trị sẽ ngăn cản bệnh tiến triển và gây ra những tổn thương nghiêm trọng hơn cho não bộ, nâng cao tỉ lệ chữa trị hiệu quả của người bệnh. Để gia tăng hơn nữa lợi ích mà công cụ này có thể đem lại, TS. Hán Trọng Thanh cho biết sẽ “tập trung cải thiện độ chính xác cao hơn, tốc độ nhanh hơn và đơn giản hơn” so với các thuật toán đã có. Anh chia sẻ “Thuật toán này sẽ được tiếp tục phát triển, mở rộng bộ cơ sở dữ liệu nhờ sự trợ giúp của các thuật toán AI”. Cụ thể, dựa vào bộ ảnh dữ liệu đã có, anh sẽ tạo ra những bức ảnh nhân tạo có khả năng xuất hiện khối u ở những vị trí hiếm thấy hay kích cỡ rất nhỏ, đến mức bác sĩ không thể nhận biết bằng mắt thường.