Ứng dụng của trí tuệ nhân tạo AI trong chẩn đoán ung thư thực quản (Phần 2)

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

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.

1.1 Chứng loạn sản Barrett và ung thư biểu mô tuyến thực quản giai đoạn sớm

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, nhưng 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.

1.2 Vai trò của chụp cắt lớp quang kết hợp qua nội soi (EOCT) và nội soi bằng laser đồng tiêu (CLE)

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 soi cao cấp 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, Swager và cộng sự đã sử dụng hình ảnh nội soi bằng laser thể tích (VLE, tích hợp với OCT thế hệ thứ 2) để đào tạo và thử nghiệm, và kết quả cho thấy hệ thống CAD vượt trội hơn so với các chuyên gia VLE.

1.3 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 của nó, một số nhà nghiên cứu vẫn hy vọng giới thiệu AI để cải thiện độ chính xác của WLE.

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.

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 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 được chọn có độ nhạy 84% và độ đặc hiệu 95%.

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 2 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), đặc điểm của bệnh nhân Barrett thực quản BE. 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 và 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.

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 và Yu và cộng sự đã sử dụng microRNA 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.

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.

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 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.

Hiện nay, khám sàng lọc ung thư đường tiêu hoá là biện pháp khoa học và hiệu quả để phát hiện sớm ung thư đường tiêu hóa (ung thư thực quản, ung thư dạ dày, ung thư đại tràng) và đưa ra phác đồ điều trị tốt. Hiện tại, Bệnh viện Đa khoa Quốc tế Vinmec có Gói tầm soát và phát hiện sớm ung thư đường tiêu hóa (thực quản - dạ dày - đại tràng) kết hợp khám lâm sàng và cận lâm sàng để đem lại kết quả chính xác nhất có thể.

Khi sàng lọc ung thư đường tiêu hóa tại Vinmec, Quý khách sẽ được:

• Khám Chuyên khoa Nội tiêu hóa với bác sĩ chuyên khoa ung bướu (có hẹn).
• Nội soi dạ dày và 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 thrombin 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

Nguồn tham khảo:

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