Trí tuệ nhân tạo phát hiện Alzheimer trong các bản chụp cắt lớp não sớm 6 năm so với chẩn đoán

Đến nay, bệnh Alzheimer vẫn chưa có thuốc chữa trị, nhưng nhiều loại thuốc đầy hứa hẹn đã xuất hiện trong vài năm gần đây, có thể giúp đẩy lùi quá trình phát triển bệnh. Tuy nhiên, những phương thức điều trị này phải được áp dụng sớm trong quá trình tiến triển bệnh mới đạt được kết quả tốt. "Cuộc đua" này đã khiến các nhà nghiên cứu phải tìm ra những cách để chẩn đoán tình trạng bệnh sớm hơn.

"Một trong những khó khăn với bệnh Alzheimer là đến thời điểm mọi triệu chứng lâm sàng đã biểu hiện rõ ràng và chúng ta có thể đưa ra chẩn đoán chính xác, thì quá nhiều neuron đã chết, khiến tình trạng bệnh về căn bản không thể đảo ngược được" - Jae Ho Sohn, Thạc sỹ, Bác sỹ, và là một thành viên của Khoa X-quang và Y sinh tại Đại học San Francisco cho biết.

Trong một nghiên cứu gần đây, Sohn đã kết hợp hình ảnh thần kinh với thuật toán học máy để thử dự đoán liệu một bệnh nhân có thể phát triển bệnh Alzheimer ngay lần đầu họ bắt đầu gặp tình trạng suy nhược trí nhớ - thời điểm tốt nhất để can thiệp - hay không.

Các bản chụp cắt lớp phát xạ Positron (PET), vốn dùng để đo mức độ của các phân tử cụ thể, như glucose trong não, đã được nghiên cứu để sử dụng như một công cụ giúp chẩn đoán bệnh Alzheimer trước khi các triệu chứng trở nên rõ ràng. Glucose là nguồn nhiên liệu chính cho các tế bào não, và một tế bào càng hoạt động nhiều, nó càng sử dụng nhiều glucose. Khi các tế bào não bị bệnh và chết đi, chúng sử dụng ít dần và cuối cùng là không còn sử dụng glucose nữa.

Các loại bản chụp PET khác được dùng để tìm các protein cụ thể có liên quan đến Alzheimer, nhưng bản chụp PET glucose phổ biến hơn và rẻ hơn nhiều, đặc biệt là tại các cơ sở chăm sóc sử khỏe nhỏ và tại các quốc gia đang phát triển, bởi chúng còn được sử dụng để đánh giá các giai đoạn của bệnh ung thư.

Các bác sỹ X-quang đã sử dụng những bản chụp này để thử phát hiện Alzheimer bằng cách xem mức độ glucose giảm đi trong não, đặc biệt là ở thùy trước và thùy đỉnh của não. Tuy nhiên, bởi căn bệnh này là một dạng rối loại diễn tiến chậm, những thay đổi trong glucose là rất nhỏ và rất khó để phát hiện ra nếu chỉ nhìn bằng mắt thường.

Để giải quyết vấn đề này, Sohn đã ứng dụng một thuật toán học máy lên các bản chụp PET để giúp chẩn đoán giai đoạn đầu của bệnh Alzheimer chính xác hơn.

"Đây là một ứng dụng lý tưởng của học sâu (deep learning) bởi nó đặc biệt mạnh trong việc tìm những quy trình rất nhỏ nhưng phân tán. Các bác sỹ X-quang con người rất giỏi trong việc xác định các chi tiết nhỏ bằng mắt thường như một khối u não, nhưng chúng ta gặp khó khăn trong việc phát hiện những thay đổi chậm hơn, trên phạm vi rộng" - Sohn nói - "Xét khả năng của học sâu trong công việc này, đặc biệt khi so sánh với con người, có vẻ như nó được sinh ra để làm việc này".

Để huấn luyện thuật toán, Sohn đã cho nó những hình ảnh từ Alzheimer's Disease Neuroimaging Initiative (ADNI), một bộ cơ sở dữ liệu công cộng khổng lồ gồm các bản chụp PET từ các bệnh nhân đã thực sự được chẩn đoán mắc bệnh Alzheimer, suy giảm nhận thức mức độ nhẹ, hoặc không hề bị rối loạn. Cuối cùng, thuật toán bắt đầu tự học những đặc điểm nào là quan trọng để dự báo việc chẩn đoán bệnh Alzheimer và đặc điểm nào không.

Não của người bị Alzheimer (trái) so với não người không bị bệnh

Sau khi đã được huẩn luyện với 1.921 bản chụp, các nhà khoa học đã thử nghiệm nó trên hai bộ dữ liệu để đánh giá hiệu quả. Bộ dữ liệu đầu tiên có 188 hình ảnh lấy từ cùng cơ sở dữ liệu ADNI nói trên, nhưng chưa từng được đưa cho thuật toán trước đây. Bộ thứ hai là toàn bộ các bản chụp từ 40 bệnh nhân đã được chuyển đến Trung tâm Trí nhớ và Lão hóa UCSF với chẩn đoán có thể bị suy giảm nhận thức.

Hiệu năng thuật toán quả thật rất ấn tượng. Nó xác định chính xác 92% số bệnh nhân mắc Alzheimer trong bài thử nghiệm đầu tiên và 98% trong bài thứ hai. Chưa hết, nó thực hiện việc dự báo này trong thời gian trung bình 75,8 tháng - tức sớm hơn một chút so với thời gian 6 năm trước khi bệnh nhân nhận được chẩn đoán chính xác cuối cùng của họ.

Sohn cho biết bước tiếp theo là thử nghiệm và cân chỉnh thuật toán trên những bộ dữ liệu lớn hơn, đa dạng hơn, từ nhiều bệnh viện và quốc gia khác nhau.

"Tôi tin thuật toán này có tiềm năng lớn để sử dụng lâm sàng" - ông nói - "Tuy nhiên, trước khi chúng ta có thể làm điều đó, chúng ta cần xác nhận và cân chỉnh thuật toán cho phù hợp với lượng bệnh nhân lớn hơn và đa dạng hơn, từ nhiều lục địa khác nhau và đến từ các bối cảnh khác nhau".

Nếu thuật toán có thể vượt qua những bài thử nghiệm đó, Sohn nghĩ nó có thể được triển khai khi một nhà thần kinh học khám cho một bệnh nhân tại phòng khám, với vai trò làm một công cụ dự báo và chẩn đoán bệnh Alzheimer, giúp bệnh nhân nhận được phác đồ điều trị cần thiết sớm hơn thông thường.

Tham khảo: UCSF