Các nhà khoa học của Google đã phát triển mô hình deep-learning và áp dụng với 2.763 bộ ảnh chụp CT chưa xác định được bệnh, do tổ chức Northwestern Medicine cung cấp, để kiểm tra độ chính xác của hệ thống mới của mình. Họ đã phát hiện hệ thống nhờ AI hỗ trợ này có thể phát hiện một số u phổi siêu nhỏ với mô hình AUC trong 0,94 trường hợp xét nghiệm. Các trường hợp này được lấy ra từ Kho Dữ liệu điện tử Tây Bắc, cũng như các nguồn dữ liệu khác của tổ chức Northwestern Medicine.
Hệ thống deep learning tối hưu hóa bản chụp CT quan trọng nhất và các bản chụp CT từ trước của bệnh nhân, coi đây là dữ liệu đầu vào. Các bản chụp CT từ trước có thể hữu ích trong việc dự báo ung thư phổi nguy cơ ác tính, vì tỷ lệ gia tăng các u phổi khả nghi có thể là chỉ số của u ác tính. Máy tính được lập trình để sử dụng các bản chụp LDCT chưa được khẳng định đầy đủ đối với bệnh nhân đã được khẳng định qua sinh thiết. Hệ thống mới cũng nhận dạng một vùng đáng quan tâm và xác định liệu vùng này có nguy cơ cao mắc ung thư phổi hay không.
Mô hình trên hiệu quả hơn 6 lần so với máy X quang trong trường hợp các hình ảnh chụp trước đó không thể xác định bệnh, và hiệu quả tương đương với các máy X quang khi đã có hình ảnh xác định được bệnh.
Đồng tác giả nghiên cứu trên, nhà khoa học Mozziyar Etemadi (Mô-di-a Ê-tê-ma-đi) cho biết: "Hệ thống này có thể xếp loại một tổn thương một cách cụ thể hơn. Chúng ta không chỉ chẩn đoán tốt hơn bệnh nhân ung thư, mà còn có thể xác định người không bị ung thư, giúp họ không phải tiến hành các xét nghiệm sinh thiết phổi tốn kém và nhiều nguy cơ". Tuy nhiên, nhà nghiên cứu trên cảnh báo rằng phát hiện này cần được khẳng định lâm sàng trên những người đã mắc bệnh.
Ung thư phổi là nguyên nhân chính dẫn tới những ca tử vong vì ung thư tại Mỹ, khoảng 160.000 người trong năm 2018. Các chương trình thử nghiệm lâm sàng lớn trên khắp nước Mỹ và châu Âu cho thấy biện pháp chụp CT ngực có thể xác định ung thư và giảm tỷ lệ tử vong. Tuy nhiên, tỷ lệ nhầm vẫn cao và khả năng tiếp cận với biện pháp này khiến nhiều ca ung thư phổi thường được phát hiện vào giai đoạn cuối và rất khó xử lý.
Hệ thống deep learning tối hưu hóa bản chụp CT quan trọng nhất và các bản chụp CT từ trước của bệnh nhân, coi đây là dữ liệu đầu vào. Các bản chụp CT từ trước có thể hữu ích trong việc dự báo ung thư phổi nguy cơ ác tính, vì tỷ lệ gia tăng các u phổi khả nghi có thể là chỉ số của u ác tính. Máy tính được lập trình để sử dụng các bản chụp LDCT chưa được khẳng định đầy đủ đối với bệnh nhân đã được khẳng định qua sinh thiết. Hệ thống mới cũng nhận dạng một vùng đáng quan tâm và xác định liệu vùng này có nguy cơ cao mắc ung thư phổi hay không.
Mô hình trên hiệu quả hơn 6 lần so với máy X quang trong trường hợp các hình ảnh chụp trước đó không thể xác định bệnh, và hiệu quả tương đương với các máy X quang khi đã có hình ảnh xác định được bệnh.
Đồng tác giả nghiên cứu trên, nhà khoa học Mozziyar Etemadi (Mô-di-a Ê-tê-ma-đi) cho biết: "Hệ thống này có thể xếp loại một tổn thương một cách cụ thể hơn. Chúng ta không chỉ chẩn đoán tốt hơn bệnh nhân ung thư, mà còn có thể xác định người không bị ung thư, giúp họ không phải tiến hành các xét nghiệm sinh thiết phổi tốn kém và nhiều nguy cơ". Tuy nhiên, nhà nghiên cứu trên cảnh báo rằng phát hiện này cần được khẳng định lâm sàng trên những người đã mắc bệnh.
Ung thư phổi là nguyên nhân chính dẫn tới những ca tử vong vì ung thư tại Mỹ, khoảng 160.000 người trong năm 2018. Các chương trình thử nghiệm lâm sàng lớn trên khắp nước Mỹ và châu Âu cho thấy biện pháp chụp CT ngực có thể xác định ung thư và giảm tỷ lệ tử vong. Tuy nhiên, tỷ lệ nhầm vẫn cao và khả năng tiếp cận với biện pháp này khiến nhiều ca ung thư phổi thường được phát hiện vào giai đoạn cuối và rất khó xử lý.
Bích Liên
