1. AI đang thay đổi cách tiếp cận bệnh ung thư như thế nào?
Trong ung thư học, một trong những yếu tố quyết định hiệu quả điều trị là phát hiện bệnh càng sớm càng tốt và xác định được phương pháp điều trị phù hợp với từng người bệnh. Đây cũng là lý do trí tuệ nhân tạo (Artificial Intelligence – AI) ngày càng được quan tâm trong lĩnh vực ung thư.
AI có thể được hiểu là tập hợp các phương pháp tính toán giúp máy tính học từ dữ liệu, nhận biết những quy luật hoặc đặc điểm trong dữ liệu và đưa ra dự đoán, phân loại hoặc hỗ trợ quyết định. Trong y tế, AI có thể xử lý lượng thông tin rất lớn mà con người khó phân tích nhanh chóng, chẳng hạn như hình ảnh chẩn đoán, dữ liệu mô bệnh học, thông tin di truyền và dữ liệu lâm sàng.
Đặc biệt, các kỹ thuật như học máy (machine learning) và học sâu (deep learning) đang tạo ra nhiều hướng ứng dụng mới trong ung thư. Thay vì chỉ dựa vào một dấu hiệu riêng lẻ, hệ thống AI có thể kết hợp nhiều đặc điểm khác nhau để tìm ra những mẫu liên quan đến nguy cơ mắc bệnh, đặc điểm khối u hoặc khả năng đáp ứng điều trị.
Mục tiêu cuối cùng không phải là thay thế bác sĩ mà là cung cấp thêm một công cụ hỗ trợ để việc phát hiện, chẩn đoán và lựa chọn phương án điều trị trở nên nhanh chóng và chính xác hơn.
2. Vì sao AI có tiềm năng lớn trong ung thư học?
Ung thư là nhóm bệnh rất phức tạp. Cùng một loại ung thư nhưng biểu hiện, đặc điểm phân tử, tốc độ tiến triển và khả năng đáp ứng thuốc có thể khác nhau giữa từng người.
Trong thực tế, quá trình chăm sóc bệnh nhân ung thư có thể cần xử lý nhiều loại dữ liệu:
- Hình ảnh X-quang, CT, MRI, nhũ ảnh hoặc các phương tiện chẩn đoán hình ảnh khác.
- Hình ảnh mô bệnh học và tế bào học.
- Kết quả xét nghiệm và các dấu ấn sinh học.
- Thông tin về gen và đột biến.
- Tiền sử bệnh và đặc điểm lâm sàng.
- Dữ liệu liên quan đến quá trình điều trị và đáp ứng của người bệnh.
AI có khả năng phân tích những nguồn dữ liệu lớn này để tìm ra các mối liên hệ mà việc quan sát thủ công có thể khó nhận biết.
Theo bài viết của Vinmec, những hướng phát triển quan trọng của AI trong ung thư bao gồm dự đoán nguy cơ, sàng lọc, phân tích hình ảnh khối u, xử lý dữ liệu lớn, hỗ trợ phát hiện thuốc và đánh giá khả năng đáp ứng điều trị.
3. AI hỗ trợ phát hiện ung thư từ giai đoạn sớm
Một trong những hướng ứng dụng đáng chú ý nhất của AI là phát hiện các dấu hiệu bất thường khi bệnh còn ở giai đoạn sớm.
Phân tích hình ảnh
Các thuật toán AI có thể được huấn luyện bằng số lượng lớn hình ảnh y khoa. Sau quá trình học, hệ thống có thể hỗ trợ nhận diện những vùng nghi ngờ hoặc những đặc điểm có khả năng liên quan đến ung thư.
Ví dụ, AI có thể hỗ trợ:
- phát hiện nốt phổi trên hình ảnh ở bệnh nhân ung thư phổi;
- nhận biết những bất thường ở tuyến vú;
- xác định tổn thương nghi ngờ trên các phương tiện chẩn đoán hình ảnh;
- hỗ trợ đánh giá hình ảnh CT hoặc MRI;
- nhận diện và phân vùng khối u.
Điểm đáng chú ý là AI không chỉ có khả năng “nhìn thấy” một tổn thương mà còn có thể phân tích đặc điểm của tổn thương dựa trên dữ liệu đã được dùng để huấn luyện.
Phân đoạn khối u não
Trong bệnh lý thần kinh và ung thư não, việc xác định chính xác vị trí cũng như phạm vi khối u rất quan trọng đối với quá trình lập kế hoạch điều trị.
Các thuật toán phân đoạn tự động có thể hỗ trợ bác sĩ xác định vùng có khối u trên hình ảnh, từ đó cung cấp thêm thông tin cho quá trình đánh giá và lập kế hoạch điều trị cá nhân hóa.
Hỗ trợ đánh giá hạch và di căn
Đối với một số loại ung thư, chẳng hạn ung thư đại tràng, việc xác định tình trạng hạch có ý nghĩa quan trọng trong phân giai đoạn và lựa chọn phương pháp điều trị.
AI có thể được sử dụng để hỗ trợ phát hiện và phân tích các đặc điểm liên quan đến hạch hoặc tổn thương di căn, góp phần bổ sung thông tin cho bác sĩ trong quá trình đánh giá bệnh.
4. AI và mô bệnh học kỹ thuật số
Một hướng phát triển khác là đưa AI vào phân tích hình ảnh mô bệnh học.
Thay vì chỉ đánh giá tiêu bản theo phương pháp truyền thống, hình ảnh mô bệnh học có thể được số hóa và đưa vào hệ thống máy tính. AI sau đó có thể phân tích những đặc điểm hình thái của tế bào và mô.
Điều này đặc biệt có ý nghĩa vì mô ung thư thường rất đa dạng và không đồng nhất.
Bên cạnh việc nhận diện hình thái khối u, các nghiên cứu còn cho thấy AI có tiềm năng dự đoán một số đặc điểm phân tử dựa trên hình ảnh mô bệnh học.
Trong bài viết được Vinmec đề cập, mô bệnh học số hóa đã được nghiên cứu để dự đoán một số đột biến gen liên quan đến ung thư phổi, trong đó có STK11, EGFR, FAT1, SETBP1, KRAS và TP53.
Nếu những phương pháp này tiếp tục được xác nhận và hoàn thiện, hình ảnh mô bệnh học có thể cung cấp thêm thông tin về đặc điểm sinh học của khối u, hỗ trợ quá trình chẩn đoán và tiên lượng.
5. AI trong đánh giá dấu ấn sinh học và đặc điểm ung thư
AI cũng có thể hỗ trợ nghiên cứu và phân tích các dấu ấn sinh học.
Một ví dụ được bài viết đề cập là Ki-67, một chỉ dấu liên quan đến hoạt động tăng sinh của tế bào và có ý nghĩa trong đánh giá ung thư vú.
Ngoài ra, những thay đổi hoặc đột biến liên quan đến các gen như KRAS và TP53 cũng có thể được nghiên cứu bằng các phương pháp phân tích dựa trên AI.
Điểm quan trọng ở đây là AI không chỉ được dùng để trả lời câu hỏi “có ung thư hay không”, mà còn hướng tới việc tìm hiểu:
- khối u thuộc nhóm nào;
- bệnh có đặc điểm sinh học gì;
- nguy cơ tiến triển ra sao;
- người bệnh có khả năng đáp ứng với phương pháp điều trị nào.
Đây chính là nền tảng để chuyển từ cách điều trị mang tính đại trà sang mô hình điều trị phù hợp hơn với đặc điểm của từng bệnh nhân.
6. AI hỗ trợ chẩn đoán lâm sàng
Trong thực hành lâm sàng, AI có thể đóng vai trò như một hệ thống hỗ trợ bác sĩ.
Các công cụ này có thể được tích hợp với những phương pháp chẩn đoán quen thuộc như:
- chụp nhũ ảnh;
- X-quang;
- CT;
- MRI;
- các hệ thống xử lý hình ảnh y khoa khác.
AI có thể đánh dấu vùng bất thường, phân loại tổn thương hoặc đưa ra mức độ nghi ngờ để bác sĩ xem xét.
Một số hệ thống đã được phát triển và đánh giá trên các tập dữ liệu lớn. Bài viết của Vinmec cũng đề cập đến việc một số nền tảng AI đã được phát triển và phê duyệt để sử dụng trong những ứng dụng y tế nhất định tại Hoa Kỳ, bao gồm hỗ trợ phát hiện tổn thương đáng ngờ và phân tích hình ảnh.
Tuy nhiên, kết quả do AI cung cấp vẫn cần được đặt trong bối cảnh lâm sàng và được nhân viên y tế đánh giá. AI nên được xem là công cụ hỗ trợ chứ không phải một phương pháp độc lập để tự xác định chẩn đoán cho người bệnh.
7. AI giúp xử lý dữ liệu lớn trong ung thư
Một trong những lợi thế lớn nhất của AI là khả năng xử lý dữ liệu với quy mô rất lớn.
Trong ung thư học, các nhà nghiên cứu có thể phải phân tích hàng nghìn hoặc hàng triệu dữ liệu liên quan đến hình ảnh, gen, mô bệnh học và điều trị.
Nếu được xây dựng và huấn luyện phù hợp, các thuật toán học máy có thể tìm kiếm mối liên hệ giữa những dữ liệu này và kết quả điều trị.
Điều này mở ra khả năng:
- tìm kiếm dấu ấn sinh học mới;
- dự đoán nguy cơ mắc bệnh;
- phân loại bệnh nhân;
- dự đoán tiên lượng;
- đánh giá khả năng đáp ứng với điều trị;
- hỗ trợ lựa chọn bệnh nhân phù hợp cho thử nghiệm lâm sàng.
AI cũng có thể giúp rút ngắn một số bước trong quá trình nghiên cứu thuốc bằng cách phân tích dữ liệu sinh học và tìm kiếm các mối quan hệ tiềm năng giữa đặc điểm của bệnh và phương pháp điều trị.
8. Từ chẩn đoán đến y học cá nhân hóa
Một trong những mục tiêu quan trọng nhất của AI trong ung thư là thúc đẩy y học cá nhân hóa.
Thay vì áp dụng cùng một phương pháp cho tất cả bệnh nhân mắc cùng một loại ung thư, y học cá nhân hóa hướng đến việc lựa chọn phương án dựa trên đặc điểm riêng của từng người.
AI có thể kết hợp:
Thông tin bệnh nhân → hình ảnh → mô bệnh học → gen → dấu ấn sinh học → dữ liệu điều trị → kết quả đáp ứng
Từ đó, hệ thống có thể hỗ trợ bác sĩ đánh giá nguy cơ, tiên lượng và khả năng đáp ứng với những phương pháp điều trị khác nhau.
Về lâu dài, cách tiếp cận này có thể giúp lựa chọn đúng bệnh nhân cho đúng phương pháp điều trị vào thời điểm thích hợp, đồng thời hạn chế những lựa chọn điều trị không đem lại lợi ích.
9. AI trong phát triển thuốc và điều trị ung thư
AI không chỉ xuất hiện ở giai đoạn chẩn đoán.
Công nghệ này còn có tiềm năng hỗ trợ quá trình nghiên cứu và phát triển thuốc, phân tích dữ liệu sinh học, tìm kiếm mục tiêu điều trị và lựa chọn liệu pháp.
Khi kết hợp dữ liệu lớn với các thuật toán học máy, các nhà nghiên cứu có thể xây dựng những mô hình dự đoán về quá trình sinh học hoặc phản ứng của bệnh nhân với một phương pháp điều trị.
AI cũng có thể hỗ trợ xác định những bệnh nhân có đặc điểm phù hợp với các thử nghiệm lâm sàng nhất định.
Theo hướng này, AI trở thành một phần của chuỗi liên tục:
phát hiện bệnh → chẩn đoán → phân loại → tiên lượng → lựa chọn điều trị → theo dõi đáp ứng.
10. AI và các công nghệ y tế mới
Sự phát triển của AI diễn ra đồng thời với sự gia tăng mạnh mẽ của dữ liệu y tế kỹ thuật số.
Điện thoại thông minh, thiết bị đeo, hệ thống lưu trữ dữ liệu y khoa và các nền tảng chăm sóc sức khỏe kỹ thuật số có thể tạo ra lượng dữ liệu ngày càng lớn.
Nếu những dữ liệu này được thu thập, chuẩn hóa và bảo vệ đúng cách, AI có thể được sử dụng để xây dựng các hệ thống theo dõi sức khỏe liên tục.
Bài viết cũng đề cập đến các ứng dụng AI trong phân tích hình ảnh và video y tế, cũng như những dự án nghiên cứu dữ liệu lớn nhằm kết hợp khoa học dữ liệu với nghiên cứu y sinh. Một số nghiên cứu còn hướng đến việc sử dụng AI để phân tích hình ảnh liên quan đến ung thư tuyến tiền liệt, ung thư vú và u não.
11. Những hạn chế mà AI vẫn phải giải quyết
Mặc dù tiềm năng rất lớn, AI trong ung thư vẫn chưa phải công nghệ hoàn hảo.
Một trong những khó khăn quan trọng là dữ liệu.
Để một thuật toán hoạt động đáng tin cậy, nó cần được huấn luyện và kiểm chứng bằng dữ liệu chất lượng cao. Tuy nhiên, dữ liệu ung thư thường phân tán, khác nhau giữa các cơ sở y tế và đôi khi chưa được chuẩn hóa.
Ngoài ra còn có một số vấn đề:
- thiếu các cơ sở dữ liệu lớn và có chất lượng;
- dữ liệu chưa được chú thích đầy đủ;
- khó giải thích tại sao AI đưa ra một kết quả nhất định;
- khả năng tái lập kết quả giữa các nghiên cứu;
- cần xác nhận hiệu quả trên nhiều nhóm bệnh nhân khác nhau;
- nguy cơ thuật toán hoạt động tốt trên dữ liệu huấn luyện nhưng kém hiệu quả khi áp dụng cho môi trường thực tế.
Vì vậy, việc một hệ thống AI đạt kết quả tốt trong nghiên cứu không đồng nghĩa với việc nó có thể lập tức thay thế quy trình chẩn đoán hiện hành.
12. Triển vọng trong tương lai
Trong tương lai, AI có thể được tích hợp sâu hơn vào hệ thống chăm sóc ung thư.
Một hướng phát triển là xây dựng các cơ sở dữ liệu ung thư được chuẩn hóa, cho phép kết nối dữ liệu hình ảnh, mô bệnh học, gen và thông tin lâm sàng.
Song song với đó, AI có thể xuất hiện trong nhiều nền tảng y tế kỹ thuật số, ứng dụng điện thoại thông minh và thiết bị đeo.
Những hệ thống này có thể giúp theo dõi các chỉ dấu sức khỏe theo thời gian, nhận diện những thay đổi đáng chú ý và cung cấp thêm thông tin cho quá trình chăm sóc.
Tuy nhiên, để đạt được mục tiêu đó, cần giải quyết đồng thời các vấn đề về chất lượng dữ liệu, tính minh bạch của thuật toán, khả năng kiểm chứng, bảo mật thông tin và trách nhiệm chuyên môn.
Kết luận
Trí tuệ nhân tạo đang mở ra một hướng tiếp cận mới trong ung thư học. Từ việc phát hiện tổn thương trên hình ảnh, phân tích mô bệnh học, nhận diện các đặc điểm phân tử cho đến dự đoán tiên lượng và khả năng đáp ứng điều trị, AI có thể hỗ trợ nhiều bước trong quá trình chăm sóc người bệnh.
Giá trị lớn nhất của AI có lẽ không nằm ở việc thay thế bác sĩ, mà ở khả năng xử lý và kết nối một lượng dữ liệu rất lớn để cung cấp thêm thông tin cho quyết định lâm sàng.
Nếu dữ liệu được chuẩn hóa tốt, thuật toán được kiểm chứng nghiêm ngặt và được sử dụng trong một quy trình y khoa phù hợp, AI có tiềm năng góp phần phát hiện ung thư sớm hơn, hỗ trợ chẩn đoán chính xác hơn và thúc đẩy phương pháp điều trị phù hợp với đặc điểm của từng bệnh nhân.
Dù vậy, AI vẫn đang trong quá trình phát triển. Các kết quả nghiên cứu cần tiếp tục được kiểm chứng trên nhiều nhóm bệnh nhân và trong điều kiện thực tế trước khi có thể áp dụng rộng rãi.