Bài toán đặt ra: Làm thế nào để phát hiện ung thư tuyến giáp sớm và chính xác hơn?
Ung thư tuyến giáp đang trở thành một vấn đề đáng quan tâm tại Việt Nam. Theo số liệu Globocan 2024 được VNPT AI dẫn lại, căn bệnh này đứng thứ 6 trong nhóm các loại ung thư phổ biến tại Việt Nam theo số liệu năm 2022. Mỗi năm ghi nhận khoảng 6.122 ca mắc mới và 858 trường hợp tử vong.
Tuy nhiên, việc phát hiện ung thư tuyến giáp không phải lúc nào cũng đơn giản. Nhân tuyến giáp là một tình trạng khá phổ biến, được ước tính xuất hiện ở khoảng 19–68% dân số, trong khi chỉ khoảng 3–7% các trường hợp nhân tuyến giáp được xác định là ung thư.
Điều này tạo ra một bài toán quan trọng cho ngành y tế: làm thế nào để phân biệt nhanh những tổn thương có nguy cơ ác tính với các nhân lành tính, từ đó đưa ra quyết định kiểm tra chuyên sâu đúng đối tượng?
Hiện nay, siêu âm là một trong những phương pháp quan trọng được sử dụng để đánh giá nhân tuyến giáp. Trong những trường hợp cần thiết, bác sĩ có thể chỉ định chọc hút tế bào để có thêm cơ sở xác định tình trạng bệnh.
Tuy nhiên, việc đọc và đánh giá hình ảnh siêu âm phụ thuộc đáng kể vào chuyên môn và kinh nghiệm của bác sĩ. Trong khi đó, không phải cơ sở y tế nào cũng có đội ngũ chuyên gia và trang thiết bị đồng đều, đặc biệt là tại tuyến dưới.
Hệ quả có thể là một số bệnh nhân phải thực hiện các thủ thuật kiểm tra chuyên sâu dù không thực sự cần thiết. Ngược lại, những trường hợp đáng nghi ngờ cũng có thể phải chuyển lên tuyến trên để được đánh giá lại. Điều này vừa làm tăng chi phí và thời gian cho người bệnh, vừa góp phần tạo áp lực lên các bệnh viện tuyến trung ương.
AI được đưa vào quy trình chẩn đoán như thế nào?
Trước bài toán đó, Bệnh viện Nội tiết Trung ương và VNPT AI đã phối hợp phát triển một hệ thống hỗ trợ chẩn đoán ung thư tuyến giáp dựa trên hình ảnh siêu âm, sử dụng công nghệ xử lý hình ảnh của VNPT SmartVision.
Thay vì chỉ dựa vào đánh giá trực quan, hệ thống AI có thể phân tích hình ảnh siêu âm để tìm kiếm những đặc điểm bất thường bên trong nhân tuyến giáp.
Từ kết quả phân tích, hệ thống đưa ra đánh giá về khả năng nhân tuyến giáp thuộc nhóm lành tính hoặc ác tính. Kết quả này không thay thế bác sĩ mà đóng vai trò như một nguồn thông tin hỗ trợ, giúp bác sĩ có thêm cơ sở khi quyết định có cần thực hiện các bước kiểm tra tiếp theo hay không.
Theo cách tiếp cận này, AI trở thành một lớp hỗ trợ trong quy trình khám chữa bệnh: máy tính đảm nhiệm việc phân tích hình ảnh dựa trên mô hình đã được huấn luyện, còn bác sĩ vẫn là người xem xét tổng thể và đưa ra quyết định chuyên môn.
Nền tảng dữ liệu phía sau hệ thống AI
Một yếu tố quan trọng trong quá trình xây dựng hệ thống là dữ liệu dùng để huấn luyện và phát triển mô hình.
Theo VNPT AI, nhóm phát triển đã xây dựng bộ dữ liệu gồm khoảng 30.000 hình ảnh siêu âm của hơn 10.000 bệnh nhân, được thu thập từ ba khu vực của Việt Nam.
Nguồn dữ liệu bao gồm:
- Bệnh viện Nội tiết Trung ương – đại diện khu vực miền Bắc.
- Bệnh viện Đại học Y Dược Huế – đại diện khu vực miền Trung.
- Bệnh viện Chợ Rẫy – đại diện khu vực miền Nam.
Các bác sĩ chuyên môn tham gia vào quá trình khoanh vùng, phân tích và gán nhãn dữ liệu. Đây là bước quan trọng bởi chất lượng dữ liệu đầu vào có ảnh hưởng trực tiếp đến khả năng học và nhận diện của mô hình AI.
Việc dữ liệu đến từ nhiều cơ sở y tế ở các khu vực khác nhau cũng giúp hệ thống có cơ sở dữ liệu đa dạng hơn thay vì chỉ dựa trên hình ảnh từ một bệnh viện duy nhất.
Deep Learning giúp AI nhận diện đặc điểm bất thường
Sau khi được chuẩn hóa và gán nhãn, dữ liệu hình ảnh được đưa vào VNPT SmartVision để phát triển mô hình.
Hệ thống sử dụng Deep Learning – học sâu, một phương pháp thuộc lĩnh vực trí tuệ nhân tạo, để học các đặc trưng xuất hiện trong hình ảnh siêu âm tuyến giáp.
Mô hình tập trung vào những đặc điểm liên quan đến hình thái và kết cấu của nhân tuyến giáp. Sau quá trình học, AI có thể phân tích hình ảnh mới, nhận diện những dấu hiệu bất thường và tính toán khả năng tổn thương thuộc nhóm lành tính hay ác tính.
Điểm đáng chú ý ở đây là AI không được sử dụng như một công cụ tự đưa ra chẩn đoán cuối cùng. Thay vào đó, kết quả từ hệ thống được đưa vào quy trình để hỗ trợ bác sĩ ra quyết định.
Những tác động được kỳ vọng từ việc ứng dụng AI
Theo số liệu do VNPT AI công bố trong case study, việc ứng dụng hệ thống giúp tăng 50% hiệu quả khám chữa bệnh và giảm 25% tỷ lệ chẩn đoán nhầm.
Nếu được triển khai hiệu quả, công nghệ có thể mang lại nhiều lợi ích cho quy trình khám và chẩn đoán:
Thứ nhất, hỗ trợ bác sĩ đánh giá hình ảnh nhanh hơn.
AI có khả năng xử lý hình ảnh và đưa ra kết quả phân tích, giúp bác sĩ có thêm một nguồn tham khảo trong quá trình đánh giá.
Thứ hai, hạn chế những chỉ định không cần thiết.
Khi có thêm thông tin về nguy cơ lành tính hoặc ác tính của nhân tuyến giáp, bác sĩ có thể cân nhắc kỹ hơn trước khi chỉ định các bước kiểm tra chuyên sâu.
Thứ ba, giảm nguy cơ bỏ sót trường hợp đáng nghi ngờ.
AI có thể đóng vai trò như một lớp hỗ trợ bổ sung trong quá trình đọc ảnh, qua đó giúp bác sĩ chú ý hơn tới những dấu hiệu bất thường mà hệ thống phát hiện.
Thứ tư, giảm áp lực cho bệnh viện tuyến trên.
Nếu các cơ sở y tế tuyến dưới có thêm công cụ hỗ trợ phân tích hình ảnh, số trường hợp phải chuyển lên tuyến trên để đánh giá lại có thể được giảm bớt.
Thứ năm, cải thiện trải nghiệm của người bệnh.
Quy trình được rút ngắn và việc hạn chế những kiểm tra không cần thiết có thể giúp người bệnh tiết kiệm thời gian, chi phí và giảm bớt tâm lý lo lắng trong quá trình khám.
Ý nghĩa đối với y tế tuyến dưới
Một trong những giá trị đáng chú ý nhất của giải pháp nằm ở khả năng hỗ trợ những cơ sở y tế còn hạn chế về nhân lực chuyên môn và thiết bị.
Trong mô hình truyền thống, chất lượng đánh giá hình ảnh có thể phụ thuộc nhiều vào kinh nghiệm của từng bác sĩ. AI không thể thay thế chuyên môn y khoa, nhưng có thể cung cấp thêm một công cụ hỗ trợ để bác sĩ tham khảo trong quá trình đưa ra quyết định.
Về lâu dài, cách tiếp cận này mở ra khả năng đưa các công nghệ AI xử lý hình ảnh vào nhiều khâu khác nhau của y tế, đặc biệt trong những lĩnh vực mà hình ảnh chẩn đoán đóng vai trò quan trọng.
Từ xử lý hình ảnh đến mô hình bác sĩ – AI phối hợp
Case study của VNPT AI cho thấy hướng ứng dụng AI trong y tế không nhất thiết phải là việc để máy móc thay thế con người.
Một mô hình thực tế hơn là AI hỗ trợ bác sĩ bằng cách xử lý dữ liệu nhanh, phát hiện đặc điểm đáng chú ý và cung cấp thêm thông tin tham khảo, trong khi bác sĩ vẫn chịu trách nhiệm đánh giá toàn diện dựa trên tình trạng cụ thể của bệnh nhân.
Trong trường hợp chẩn đoán ung thư tuyến giáp, quy trình có thể được hình dung theo chuỗi:
Hình ảnh siêu âm → AI phân tích → nhận diện đặc điểm bất thường → ước tính nguy cơ → bác sĩ đánh giá → quyết định bước chẩn đoán tiếp theo.
Đây cũng là hướng tiếp cận cho thấy giá trị của AI trong y tế không chỉ nằm ở khả năng xử lý dữ liệu nhanh, mà còn ở việc giúp tối ưu hóa quy trình và hỗ trợ con người đưa ra quyết định dựa trên nhiều thông tin hơn.
Kết luận
Việc Bệnh viện Nội tiết Trung ương phối hợp cùng VNPT AI phát triển hệ thống hỗ trợ chẩn đoán ung thư tuyến giáp bằng hình ảnh là một ví dụ về việc đưa trí tuệ nhân tạo vào một bài toán y tế cụ thể.
Với dữ liệu khoảng 30.000 ảnh siêu âm từ hơn 10.000 bệnh nhân tại ba bệnh viện ở ba miền, kết hợp cùng công nghệ Deep Learning của VNPT SmartVision, hệ thống được thiết kế để nhận diện các đặc điểm bất thường của nhân tuyến giáp và hỗ trợ phân loại nguy cơ.
Theo các kết quả được VNPT AI công bố, giải pháp hướng tới việc nâng cao hiệu quả khám chữa bệnh, giảm tỷ lệ chẩn đoán nhầm, hạn chế những can thiệp không cần thiết và góp phần giảm áp lực cho các cơ sở y tế tuyến trên.
Quan trọng hơn, câu chuyện này cho thấy AI có thể trở thành một công cụ hỗ trợ chuyên môn, giúp bác sĩ xử lý thông tin hình ảnh hiệu quả hơn, thay vì được xem như công nghệ thay thế vai trò của bác sĩ.