Chia sẻ dữ liệu y tế giữa các phòng thí nghiệm và các chuyên gia y tế có vai trò quan trọng đối với lĩnh vực nghiên cứu y học. Tuy nhiên, việc chia sẻ dữ liệu thường phức tạp và đôi khi thậm chí là không thể do các quy định pháp luật về quản lý dữ liệu. Các nhà nghiên cứu tại Phòng thí nghiệm trí tuệ nhân tạo về sức khỏe của Đại học Jyväskylä đã giải quyết vấn đề này và phát triển một mạng thần kinh nhân tạo tạo ra các hình ảnh X-quang tổng hợp có thể “đánh lừa” cả các chuyên gia y tế. Nhóm các nhà nghiên cứu cũng đã phát triển phương pháp dựa trên AI kết hợp X-quang để tạo ra hình ảnh X-quang đầu gối tổng hợp nhằm thay thế hoặc bổ sung hình ảnh X-quang thực trong phân loại thoái hóa khớp gối.
Những phát triển gần đây của trí tuệ nhân tạo (AI) và điện quang đã tác động đến khoa học y tế. Tuy nhiên, các vấn đề về quyền riêng tư và khung pháp lý mới cản trở việc chia sẻ và thu thập dữ liệu y tế. Tuy nhiên, việc tạo dữ liệu tổng hợp chính xác về mặt y tế có thể làm giảm bớt các vấn đề về quyền riêng tư và có khả năng tăng cường các quy trình nghiên cứu. Các nhà khoa học đã tiến hành thu thập 320.000 hình ảnh X-quang tổng hợp từ quá trình chẩn đoán với 5.556 hình ảnh thực. Họ đã xác thực các mô hình về độ chính xác y tế với 15 chuyên gia y tế và phân loại mức độ nghiêm trọng của viêm xương khớp. Kết quả cho thấy tính chính xác của hình ảnh X-quang AI đủ để phân loại mức độ nghiêm trọng của bệnh viêm xương khớp với dữ liệu thực khan hiếm. Độ lệch chỉ khoảng 3,79% so với X-quang xương khớp thực.
Ảnh X-quang đã được AI điều chỉnh (Nguồn: Đại học Jyväskylä)
Từ các nghiên cứu và đánh giá, các nhà khoa học đã sử dụng hình ảnh X-quang tổng hợp với AI để bổ sung cho bộ dữ liệu hình ảnh X-quang thực từ nghiên cứu viêm xương khớp. Việc kiểm chứng mức độ hiệu quả của hình ảnh X-quang AI được thực hiện bằng các thực hiện khi cho các chuyên gia y tế xác định hình ảnh thực và hình ảnh X-quang AI. Kết quả cho thấy rằng, ngay cả các chuyên gia y tế cũng không thể phân biệt được hình ảnh X-quang thực và nhân tạo. Ông Sami Äyrämö, Trưởng phòng thí nghiệm trí tuệ nhân tạo về sức khỏe tại Đại học Jyväskylä cho biết: việc sử dụng dữ liệu tổng hợp không phải tuân theo các quy định bảo vệ dữ liệu giống như dữ liệu thực. Sử dụng dữ liệu tổng hợp có thể tạo điều kiện hợp tác giữa các nhóm nghiên cứu, công ty và tổ chức giáo dục. Theo Äyrämö, việc sử dụng dữ liệu tổng hợp cũng tăng tốc quá trình cấp phép và do đó, trong số trường hợp có thể tiến hành thử nghiệm các ý tưởng mới.
Việc sử dụng dữ liệu tổng hợp có thể dẫn đến kết quả tốt hơn trong chăm sóc bệnh nhân và phát triển phương pháp y tế. Các phương pháp AI dựa trên dữ liệu có thể được sử dụng để hỗ trợ các bác sĩ chẩn đoán. Mặc dù, tiềm năng kỹ thuật của AI là rất lớn nhưng lượng dữ liệu y tế thường không đủ. Đây là thách thức chính trong việc phát triển các phương pháp hiệu quả về mặt y tế. Fabi Prezja, Nhà nghiên cứu chịu trách nhiệm phát triển mạng lưới thần kinh nhân tạo cho biết: bằng cách trộn các hình ảnh X-quang thực và X-quang AI, chúng tôi đã cải thiện hệ thống phân loại viêm xương khớp. Trong tương lai, dữ liệu tổng hợp có thể mang lại kết quả tốt hơn trong việc phát triển các phương pháp y tế và chăm sóc bệnh nhân, đặc biệt là đối với các tình trạng y tế mà dữ liệu bệnh nhân thực sự bị hạn chế. Prezja cho biết thêm: ngoài ra, mạng nơ-ron có khả năng chuyển đổi hình ảnh X-quang thành các thông số kỹ thuật. Khả năng này cho phép sử dụng cho các ứng dụng giáo dục y tế và thử nghiệm đối với các hệ thống AI khác.
Nghiên cứu được thực hiện với sự cộng tác của Trung tâm chăm sóc sức khỏe Phần Lan, nơi có các phương pháp chẩn đoán dựa trên AI có giá trị chuyển giao từc các bác sĩ giàu kinh nghiệm. Hình ảnh X-quang hiển thị cho thấy khả năng sửa đổi hình ảnh theo các thông số kỹ thuật, được sử dụng để phát hiện sớm các dấu hiệu khó phát hiện của viêm xương khớp.
Từ khóa: X-quang; AI; viêm xương khớp; chẩn đoán;
– CMD&DND –
