......

Ứng dụng của trí tuệ nhân tạo AI trong chẩn đoán ung thư thực quản

ung thư thực quản

Bài viết bởi Thạc sĩ, Bác sĩ Mai Viễn Phương - Bác sĩ nội soi tiêu hóa - Khoa Khám bệnh & Nội khoa - Bệnh viện Đa khoa Quốc tế Vinmec Central Park

Artificial Intelligence – AI chính là thuật ngữ tiếng anh của trí tuệ nhân tạo, một công nghệ máy tính đang có xu hướng phát triển và sử dụng rộng rãi trong lĩnh vực y tế để nâng cao hiệu quả làm việc. Hiện nay, những ứng dụng của trí tuệ nhân tạo AI trong chẩn đoán ung thư thực quản đang được nghiên cứu và đã có những ghi nhận.

1.Trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo (AI: Artificial Intelligence) có thể được định nghĩa như một ngành của khoa học máy tính liên quan đến việc tự động hóa các hành vi thông minh. AI là một bộ phận của khoa học máy tính, do đó nó phải được đặt trên những nguyên lý, lý thuyết vững chắc, có khả năng ứng dụng được của lĩnh vực này.

2. Sự khác biệt giữa trí tuệ nhân tạo AI, Machine Learning và Deep Learning là gì?

Trí tuệ nhân tạo là nghiên cứu về cách chế tạo những cỗ máy có khả năng thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người. AI(Artificial Intelligence) bao gồm nhiều lĩnh vực nghiên cứu, từ thuật toán di truyền đến các hệ thống chuyên gia và cung cấp phạm vi cho các lập luận về những gì cấu thành AI.

Machine Learning là quá trình dạy máy tính thực hiện một nhiệm vụ, thay vì lập trình nó làm thế nào để thực hiện nhiệm vụ đó từng bước một. Deep Learning là một tập hợp con của Machine Learning, có khả năng khác biệt ở một số khía cạnh quan trọng so với Machine Learning nông truyền thống, cho phép máy tính giải quyết một loạt các vấn đề phức tạp không thể giải quyết được.

Trí tuệ nhân tạo AI ngày càng được ứng dụng nhiều trong y học
Hình 1: Trí tuệ nhân tạo AI ngày càng được ứng dụng nhiều trong y học

3. Tổng quan về ứng dụng của trí tuệ nhân tạo với nội soi tiêu hoá

Do diễn biến nhanh và tiên lượng xấu của ung thư thực quản (EC) nên việc phát hiện và chẩn đoán sớm ung thư thực quản sớm có giá trị rất lớn trong việc cải thiện tiên lượng cho bệnh nhân. Tuy nhiên, nội soi phát hiện sớm ung thư thực quản, đặc biệt là loạn sản Barrett hoặc loạn sản biểu mô vảy thực quản, rất khó. Do đó, yêu cầu về các phương pháp phát hiện các đặc điểm ung thư thực quản sớm hiệu quả hơn đã dẫn đến các nghiên cứu chuyên sâu trong lĩnh vực trí tuệ nhân tạo (AI). Kỹ thuật học và ghi nhớ - Deep learning (DL) đã mang lại những đột phá trong việc xử lý hình ảnh, video và các khía cạnh khác, trong khi hệ thống mạng nơ-ron phức tạp (CNN) đã mở đường cho việc phát hiện hình ảnh và video nội soi có độ phân giải cao.

4. Giới thiệu về ung thư thực quản

Ung thư thực quản (EC) là bệnh ung thư phổ biến thứ tám và là nguyên nhân gây tử vong do ung thư đứng hàng thứ sáu trên toàn thế giới. Ung thư thực quản chủ yếu bao gồm ung thư biểu mô tuyến thực quản (EAC) và ung thư biểu mô tế bào vảy thực quản (ESCC). Ung thư biểu mô tuyến thực quản là loại bệnh lý phổ biến nhất ở các nước phương Tây, hơn 40% bệnh nhân mắc ung thư biểu mô tuyến thực quản được chẩn đoán sau khi bệnh đã di căn, và tỷ lệ sống 5 năm dưới 20%.

Ung thư thực quản giai đoạn sớm được nhìn thấy qua nội soi
Hình 2: Ung thư thực quản giai đoạn sớm được nhìn thấy qua nội soi
Phân chia giai đoạn của ung thư sớm thực quản
Hình 3: Phân chia giai đoạn của ung thư sớm thực quản

4.1 Barrett thực quản (BE)

Barrett thực quản (BE) là một tình trạng tiền ác tính được đặc trưng bởi sự thay thế biểu mô thực quản vảy bình thường bằng biểu mô ruột chuyển sản có chứa các tế bào hình cốc. Đây là kết quả của tình trạng viêm mãn tính thực quản, làm tăng nguy cơ mắc bệnh ung thư biểu mô tuyến thực quản. Theo dõi nội soi đối với bệnh nhân Barrett thực quản để phát hiện sớm loạn sản hoặc ung thư biểu mô đã được khuyến nghị bởi các hiệp hội tiêu hóa của các nước phương Tây. Theo dõi nội soi ở bệnh nhân Barrett thực quản được yêu cầu với các mẫu sinh thiết ngẫu nhiên 4 góc phần tư thu được cứ sau 1 đến 2cm để phát hiện chứng loạn sản. Phương pháp này xâm lấn, tốn thời gian và khó tuân thủ.

Hình ảnh Barrett's thực quản
Hình 4: Hình ảnh Barrett's thực quản

5. Vai trò của nội soi thực quản dạ dày trong chẩn đoán ung thư thực quản giai đoạn sớm

Nội soi dạ dày vẫn là cách chính để phát hiện ESCC sớm. Tuy nhiên, các đặc điểm nội soi của những tổn thương ban đầu này rất tinh vi và dễ bị bỏ sót so với nội soi ánh sáng trắng thông thường (WLE). Các vòng mao mạch nội tâm mạc (IPCLs) là các vi mạch, được coi là dấu hiệu của ung thư biểu mô tế bào vảy thực quản ESCC, bởi vì những thay đổi về hình thái của chúng tương quan với độ sâu xâm lấn của ung thư biểu mô tế bào vảy thực quản. Các phương thức hình ảnh nội soi tiên tiến, chẳng hạn như hình ảnh dải hẹp trên nội soi (NBI), kết hợp với nội soi phóng đại, giúp cải thiện hình ảnh của các mô hình vi mạch tế bào trong niêm mạc thực quản của bệnh nhân ung thư biểu mô tế bào vảy thực quản. Mặc dù NBI đã cho thấy độ nhạy cao trong việc phát hiện ung thư biểu mô tế bào vảy thực quản, nhưng hiệu quả trong việc xác định các tổn thương này vẫn còn hạn chế.

Hình 5: Hình ảnh các quai mao mạch trong ung thư thực quản
Hình 5: Hình ảnh các quai mao mạch trong ung thư thực quản

6. Ứng dụng của thuật toán Machine learning và Deep learning trong ung thư thực quản

Yêu cầu về các phương pháp phát hiện và xác định đặc điểm ung thư thực quản sớm hiệu quả hơn đã dẫn đến các nghiên cứu chuyên sâu trong lĩnh vực trí tuệ nhân tạo (AI), có thể được xác định bằng trí thông minh do máy móc thiết lập trái ngược với trí thông minh tự nhiên được hiển thị bởi con người và động vật khác. Học máy (ML) và học sâu (DL) là những phần quan trọng của AI. Học máy có thể được chia thành các phương pháp có giám sát và không được giám sát. Học không giám sát là xác định các nhóm trong dữ liệu theo những điểm chung, thiếu kiến ​​thức về số lượng các nhóm hoặc ý nghĩa của chúng. Khi gói đào tạo chứa các cặp đầu vào, đầu ra cần có một mô hình học có giám sát để ánh xạ đầu vào mới đến đầu ra. Các kỹ thuật ML thông thường bị hạn chế về khả năng xử lý dữ liệu tự nhiên ở dạng thô. Trong giai đoạn đầu của nghiên cứu và phát triển, việc đào tạo mô hình chủ yếu là với ML, qua đó các nhà nghiên cứu phải trích xuất thủ công các đặc điểm bệnh có thể xảy ra dựa trên kiến ​​thức lâm sàng. Sức mạnh của hệ thống chẩn đoán có sự hỗ trợ của máy tính (CAD) này yếu và không đủ để áp dụng trong chẩn đoán thời gian thực lâm sàng.

7. Vai trò của Mạng nơ-ron chuyển đổi (CNN)

Mạng nơ-ron chuyển đổi (CNN) là mô hình học máy được giám sát lấy cảm hứng từ vỏ não thị giác của não người xử lý và nhận dạng hình ảnh. Mỗi nơ-ron nhân tạo là một đơn vị tính toán và tất cả chúng được kết nối với nhau, tạo thành một mạng lưới. Bằng nhiều lớp mạng, CNN có thể trích xuất các tính năng chính từ một hình ảnh với quá trình xử lý trước tối thiểu và sau đó cung cấp phân loại cuối cùng thông qua các lớp được kết nối đầy đủ dưới dạng đầu ra. Sự cạnh tranh về hiệu suất ngày càng tăng đã dẫn đến sự phức tạp ngày càng tăng của các lớp gộp dẫn đến khái niệm học sâu. Khía cạnh quan trọng của học sâu là các lớp tính năng này không được thiết kế bởi các kỹ sư con người. Chúng được học từ dữ liệu bằng quy trình học tập có mục đích chung. Học sâu đã mang lại những đột phá trong việc xử lý hình ảnh, video và các khía cạnh khác, trong khi các CNN lặp lại đã chiếu sáng cho việc phát hiện các hình ảnh và video nội soi.

8. Vai trò của trí tuệ nhân tạo AI trong phát hiện ung thư sớm thực quản

Trí tuệ nhân tạo AI dựa trên hệ thống nội soi ánh sáng trắng (WLE) và hệ thống nội soi dải tần số hẹp NBI. Có một số hạn chế để nhận ra các tổn thương ung thư sớm liên quan đến Barrett thực quản bằng WLE, một công nghệ thông thường. WLE độ nét cao (HD-WLE) và hệ thống nội soi NBI đã từng được coi là để nâng cao độ chính xác của việc chẩn đoán các tổn thương ung thư sớm liên quan đến Barrett thực quản. Tuy nhiên sự cải tiến vẫn chưa làm hài lòng các bác sĩ nội soi. Tình huống này đã kích thích sự phát triển của hệ thống CAD cho các tổn thương ung thư sớm ở Barrett thực quản dựa trên thuật toán học máu ML được giám sát.

6
Hình 6: Hình ảnh loạn sản thực quản được đánh giá qua hệ thống nội soi có sử dụng trí tuệ nhân tạo AI, máy tính sẽ tìm khu trú tổn thương tự động (ô màu đỏ), đánh giá tổn thương đó có bao nhiêu phần trăm là ung thư

Trí tuệ nhân tạo AI dựa trên chụp cắt lớp quang học nội soi và nội soi bằng laser đồng tiêu. Ngoài WLE và NBI, kỹ thuật chụp cắt lớp quang kết hợp qua nội soi (EOCT) và nội soi bằng laser đồng tiêu (CLE) cũng được sử dụng để chẩn đoán sớm chứng loạn sản liên quan đến EAC /BE. EOCT có thể xác định các tổn thương khối u sớm liên quan đến Barrett thực quản bằng cách phân tích các cấu trúc niêm mạc và dưới niêm mạc thực quản. CLE có thể quan sát mô niêm mạc và hình thái tế bào để đạt được sinh thiết quang học. Tuy nhiên, sự phức tạp của hai công nghệ hình ảnh này, việc đọc hình ảnh mất nhiều thời gian và yêu cầu bác sĩ nội tay nghề cao đã hạn chế việc sử dụng chúng trên lâm sàng. Để giải quyết vấn đề này, Qi và cộng sự đã trích xuất nhiều đặc điểm hình ảnh EOCT và kết hợp một hoặc nhiều đặc điểm để phân loại tổn thương nhưng kết quả không khả quan. Sau đó, Swagger và cộng sự đã sử dụng hình ảnh nội soi bằng laser thể tích (VLE, tích hợp với OCT thế hệ thứ hai) để đào tạo và thử nghiệm và kết quả cho thấy hệ thống CAD vượt trội hơn so với các chuyên gia VLE.

7
Hình 7: Hình ảnh của chụp cắt lớp quang kết hợp qua nội soi (EOCT) và nội soi bằng laser đồng tiêu (CLE)
8
Hình 8: Sử dụng AI trong hệ thống nội soi: Ô vuông màu xanh là máy tính tự động khu trú hình ảnh tổn thương khi đưa máy soi đến.

9. Loạn sản vảy thực quản và ung thư tế bào vảy thực quản giai đoạn sớm


Trí tuệ nhân tạo AI dựa trên WLE và NBI: Nội soi sắc tố của Lugol là phương pháp sàng lọc tiêu chuẩn cho ung thư biểu mô tế bào vảy thực quản, tuy nhiên, do độ đặc hiệu thấp và thời gian tiêu thụ lâu nên cần phải áp dụng các kỹ thuật nội soi mới. Mặc dù WLE đã được chứng minh là không phù hợp để sàng lọc ung thư biểu mô tế bào vảy thực quản sớm một mình nhưng xét về tính phổ biến lâm sàng một số nhà nghiên cứu vẫn hy vọng giới thiệu AI để cải thiện độ chính xác của WLE.

IPCLs
Hình 9: Hình ảnh rằng cấu trúc quai mao mạch IPCL được nhìn thấy trên nội soi NBI

10. Vai trò của trí tuệ nhân tạo AI trong phương pháp soi nội bào

Trí tuệ nhân tạo AI dựa trên phương pháp soi nội bào và nội soi vi mô độ phân giải cao. Nội soi nội bào (nội soi ở mức độ tế bào) là một công nghệ mới kết hợp nội soi phóng đại với phương pháp nhuộm quan trọng. Do khả năng phóng đại tuyệt vời nên người nội soi có thể quan sát rõ các tế bào biểu mô của niêm mạc thực quản để đạt được hiệu quả tương tự như chẩn đoán bệnh lý. Tuy nhiên, nếu các bác sĩ nội soi muốn sử dụng nội soi để hoàn thành việc phát hiện thời gian thực một cách độc lập, họ cần một nền tảng vững chắc về bệnh lý, điều này rõ ràng là không thực tế. Do đó, AI có thể là lựa chọn tốt nhất để hỗ trợ chẩn đoán nội soi. Kumagai và cộng sự đã chỉ ra rằng hiệu suất của hệ thống sử dụng ảnh có độ phóng đại cao hơn tốt hơn so với hệ thống sử dụng ảnh có độ phóng đại thấp hơn. Tuy nhiên, không có phân tích phân tầng ung thư thực quản nông và ung thư thực quản tiến triển trong nghiên cứu này. Kết quả không thể phản ánh chính xác khả năng của nội soi kết hợp với AI trong chẩn đoán ung thư thực quản sớm. Kính hiển vi có độ phân giải cao (HRME) có thể được sử dụng để quan sát mô niêm mạc thực quản và hình thái tế bào. Shin và cộng sự đã thử nghiệm khả năng của các đặc điểm hình ảnh khác nhau để phân biệt khối u với các tổn thương không phải khối u, và các đặc điểm tốt nhất được chọn có độ nhạy 84% và độ đặc hiệu 95%.

Hình ảnh nội soi tế bào
Hình 10: Hình ảnh nội soi tế bào

11. Vai trò của AI trong chẩn đoán mô bệnh học của ung thư sớm thực quản

Mặc dù AI kết hợp chẩn đoán nội soi đã có nhiều tiến bộ nhưng chẩn đoán nội soi vẫn không thể thay thế tiêu chuẩn vàng trong chẩn đoán bệnh lý. Tuy nhiên, có một vấn đề trong việc chẩn đoán bệnh lý của tân sinh thực quản sớm nghĩa là, độ chính xác của việc chẩn đoán loạn sản không phải là lý tưởng với sự thay đổi đáng kể giữa máy chủ quan sát. Để giải quyết vấn đề này, Sabo và cộng sự đã thiết lập hai mô hình để phân biệt không loạn sản (ND) với loạn sản cấp thấp (LGD) và LGD từ loạn sản cấp cao (HGD) bằng cách trích xuất hình ảnh phần bệnh lý nhuộm màu hematoxylin và eosin (HE). Kết quả cho thấy hai mô hình thực hiện tốt trong chẩn đoán tổn thương đường viền không phân biệt được. Baak và cộng sự đã kết hợp các đặc điểm hình ảnh mặt cắt bệnh lý nhuộm HE với các chỉ số hóa mô miễn dịch P53 / Ki67 và sử dụng các mẫu bệnh phẩm của phẫu thuật cắt bỏ quan nội soi tiêu hoá cùng mẫu sinh thiết nội soi của Barrett thực quản để xét nghiệm. Người ta thấy rằng hệ thống hoạt động tốt trong việc phân biệt ND từ LGD và LGD với HGD, tuy nhiên độ chính xác của việc phân biệt HGD với ung thư biểu mô trong niêm mạc cần được cải thiện. Hiệu suất của hệ thống tốt hơn so với của bác sĩ bệnh lý nói chung và chỉ kém hơn một chút so với bác sĩ bệnh lý có kinh nghiệm.

12. Vai trò của AI trong chẩn đoán gen của ung thư sớm thực quản

Như đã đề cập ở trên, tính xâm lấn của chẩn đoán nội soi và sự biến đổi của chẩn đoán bệnh lý, cùng với những tiến bộ gần đây trong sinh bệnh học của ung thư thực quản và sự phát triển của các công nghệ omics khác nhau, đã khiến chẩn đoán gen EC sớm trở thành một chủ đề nghiên cứu nóng hổi. Zhang và cộng sự cùng Yu và cộng sự đã sử dụng micro RNA và RNA không mã hóa dài biểu hiện cụ thể ở bệnh nhân ung thư biểu mô tế bào vảy thực quản để thiết lập các mô hình chẩn đoán và kết quả cho thấy cả hai đều có thể được sử dụng để phân biệt sớm hiệu quả với các khối u tiến triển.

12.1 Vai trò của AI trong phân tầng nguy cơ của ung thư sớm thực quản

Người ta đánh giá rằng chỉ 0,12% -0,43% bệnh nhân Barrett thực quản có thể tiến triển thành ung thư thực quản sớm mỗi năm, đặc biệt cần thiết phải thiết lập một mô hình hiệu quả để dự đoán nguy cơ ung thư thực quản sớm mỗi năm ở bệnh nhân Barrett thực quản. Sự phân tầng nguy cơ trước đây chủ yếu dựa trên sự hiện diện của chứng loạn sản, nhưng hiệu quả của nó không lý tưởng. Critchley-Thorne và cộng sự đã thiết lập một mô hình dự đoán dựa trên sự khác biệt đặc trưng của các dấu hiệu miễn dịch mô huỳnh quang và hình ảnh mô bệnh học giữa bệnh nhân Barrett thực quản đã phát triển ung thư thực quản sớm mỗi năm và những người không mắc bệnh. Kết quả không khả quan, với hơn 30% bệnh nhân Barrett thực quản phát triển ung thư thực quản sớm mỗi năm được phân loại là nguy cơ thấp. Li và cộng sự đã thiết lập một mô hình dự đoán dựa trên sự khác biệt về đa hình nucleotide đơn trong các mô sinh thiết của bệnh nhân Barrett thực quản có hiệu suất tốt để dự đoán ung thư thực quản sớm mỗi năm.

Kết luận, trí tuệ nhân tạo AI đang cố gắng được sử dụng để phát hiện nội soi, chẩn đoán bệnh lý, chẩn đoán gen và dự đoán nguy cơ ung thư của ung thư thực quản sớm. Nó rất hữu ích cho các bác sĩ nội soi và bác sĩ giải phẫu bệnh để cải thiện độ chính xác của chẩn đoán và hỗ trợ bác sĩ điều trị và đưa ra các chiến lược tiếp theo.

Không thể phủ nhận, trí tuệ nhân tạo AI rất hữu ích cho các bác sĩ nội soi và bác sĩ giải phẫu bệnh để cải thiện độ chính xác trong chẩn đoán nhằm hỗ trợ điều trị và đưa ra các chiến lược tiếp theo với mục đích cuối cùng giúp nâng cao chất lượng cuộc sống cho bệnh nhân.

Chủ động khám sàng lọc ung thư đường tiêu hoá là biện pháp khoa học và tốt nhất để phát hiện sớm ung thư đường tiêu hóa, trong đó có những bệnh ung thư thường gặp như: ung thư thực quản, ung thư dạ dày, ung thư đại tràng. Bệnh viện Đa khoa Quốc tế Vinmec hiện có Gói tầm soát và phát hiện sớm ung thư đường tiêu hóa kết hợp khám lâm sàng và cận lâm sàng để đem lại kết quả chính xác nhất có thể.

Ngoài việc được thực hiện bởi đội ngũ chuyên gia, bác sĩ giàu kinh nghiệm, bệnh nhân khi thăm khám sẽ được nội soi dạ dày, nội soi đại tràng với máy nội soi NBI có gây mê. Xét nghiệm tổng phân tích tế bào máu ngoại vi (bằng máy đếm laser). Xét nghiệm thời gian prothrombin bằng máy tự động. Xét nghiệm thời gian thromboplastin một phần hoạt hoá (APTT: Activated Partial Thromboplastin Time) bằng máy tự động. Siêu âm ổ bụng tổng quát... Việc ứng dụng công nghệ cùng điều kiện trang thiết bị hiện đại vào thăm khám sẽ đưa ra kết quả chính xác, giúp việc điều trị trở nên hiệu quả, rút ngắn thời gian nằm viện cho bệnh nhân.

Để được tư vấn trực tiếp, Quý Khách vui lòng bấm số HOTLINE hoặc đăng ký trực tuyến TẠI ĐÂY.

1. Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2018;68:394-424. [PubMed] [DOI]

2. Hur C, Miller M, Kong CY, Dowling EC, Nattinger KJ, Dunn M, Feuer EJ. Trends in esophageal adenocarcinoma incidence and mortality. Cancer. 2013;119:1149-1158. [PubMed] [DOI]

3. Thrift AP. The epidemic of oesophageal carcinoma: Where are we now? Cancer Epidemiol. 2016;41:88-95. [PubMed] [DOI]

4. Lu-Ming Huang, Wen-Juan Yang, Zhi-Yin Huang, Cheng-Wei Tang, Jing Li, Artificial intelligence technique in detection of early esophageal cancer, World J Gastroenterol. Oct 21, 2020; 26(39): 5959-5969

18 lượt đọc

Dịch vụ từ Vinmec

Bài viết liên quan