Bài viết của Thạc sĩ, Bác sĩ Mai Viễn Phương – Khoa Khám bệnh & Nội khoa – Bệnh viện Đa khoa Quốc tế Vinmec Central Park
Trí tuệ nhân tạo (AI), đặc biệt là mô hình học sâu, là một sự đổi mới đầy hứa hẹn trong nội soi đại tràng. Các nghiên cứu gần đây đã chỉ ra rằng AI không chỉ chính xác trong việc phát hiện polyp đại trực tràng mà còn có thể giảm tỷ lệ bỏ sót. Tuy nhiên, việc áp dụng AI trong phát hiện thời gian thực đã bị cản trở bởi sự không đồng nhất của các mô hình AI và thiết kế nghiên cứu cũng như thiếu kết quả lâu dài.
1. Hệ thống thông minh nhân tạo được sử dụng trong việc phát hiện các polyps đại trực tràng
Trí tuệ nhân tạo (AI) đã được ứng dụng trong lĩnh vực y tế từ đầu những năm 1950. AI được định nghĩa là bất kỳ máy nào có chức năng nhận thức bắt chước con người, ví dụ như giải quyết vấn đề hoặc học tập. Mô hình học máy, là một loại phụ của AI, được đặc trưng bởi một tập hợp các phương pháp có thể tự động phát hiện các mẫu trong dữ liệu và sau đó sử dụng các mẫu chưa được phát hiện để dự đoán kết quả. Các hệ thống AI thông thường sử dụng một loại mô hình học máy được giám sát để trích xuất các hiệp biến của dữ liệu đào tạo để đạt được nhận dạng hoặc phân loại mẫu. Điều quan trọng cần lưu ý là mỗi phần thông tin được đưa vào biểu diễn của bệnh nhân được gọi là hiệp biến, và loại máy học truyền thống, ví dụ:., hồi quy logistic, chỉ kiểm tra các mối quan hệ của “biến cố xác định trước” với kết quả. Tuy nhiên, mô hình học máy không thể thay đổi cách xác định các hiệp biến. Mô hình học sâu thực sự giải quyết vấn đề này bằng cách xác định các hiệp biến và xây dựng các khái niệm phức tạp từ các hiệp biến đơn giản, đặc biệt hữu ích trong việc phân loại hình ảnh và vị trí đối tượng vì các đặc điểm của một nhóm các đối tượng tương tự có thể phức tạp và khó xác định bởi con người (Hình 1 ).
2. Hệ thống trí tuệ nhân tạo có khả năng nhắc nhở bác sĩ về thời gian và tốc độ rút dây soi để tránh bỏ sót polyp
Ngoài hệ thống định vị polyp, Gong và cộng sự đã báo cáo một hệ thống CADe nhằm theo dõi tốc độ rút dây soi theo thời gian thực và để giảm thiểu các điểm mù trong quá trình rút tiền. Nghiên cứu của họ cho thấy ADR cũng được cải thiện từ 8% lên 16% ( P = 0,001) với hệ thống CADe. Tương tự, Su và cộng sự đã báo cáo một hệ thống kiểm soát chất lượng tự động về phát hiện polyp và u tuyến đại trực tràng cũng sẽ nhắc nhở bác sĩ nội soi về thời gian và tốc độ rút dây soi và sự cần thiết phải kiểm tra lại các đoạn ruột kết không rõ ràng trên hệ thống định vị polyp. Hệ thống được phát hiện có ADR cao hơn đáng kể so với nội soi đại tràng thông thường (28,9% so với 16,5%, P < 0,001).
Theo quan điểm của các nghiên cứu ngẫu nhiên có đối chứng mới có sẵn này sau khi công bố phân tích tổng hợp của các tác giả, các tác giả đã tóm tắt kết quả của các nghiên cứu ngẫu nhiên có đối chứng tiềm năng mới nhất tại đây trong một phân tích tổng hợp mới. Trong phân tích gộp sáu nghiên cứu ngẫu nhiên có đối chứng này, OR tổng hợp để cải thiện ADR là 1,91 (KTC 95%: 1,51-2,41) trong mô hình tác động ngẫu nhiên với độ không đồng nhất I 2 = 63% (Hình 2 ). Do đó, có dữ liệu thuyết phục từ nghiên cứu ngẫu nhiên có đối chứng s cho thấy rằng các mô hình AI hiện có đã có thể giúp tăng ADR lên 90%.
3. Vai trò của AI trong các polyps bị bỏ sót
Ngoài vai trò của nó trong việc tăng cường phát hiện polyp đại trực tràng, có những dữ liệu mới nổi cho thấy AI cũng có thể giúp giảm thiểu các tổn thương bị bỏ sót trong quá trình nội soi đại tràng. Trong nghiên cứu gần đây của các tác giả, các tác giả đã chỉ ra rằng mô hình AI học sâu theo thời gian thực đã được xác thực có thể giúp các nhà nội soi ngăn ngừa các tổn thương đại trực tràng bị bỏ sót. Đầu tiên, các tác giả áp dụng hệ thống AI đã được xác thực để xem lại 65 video về các cuộc kiểm tra song song của đại tràng gần (từ manh tràng đến chỗ uốn lách) và nhận thấy rằng hệ thống AI có thể phát hiện tới 79,1% u tuyến mà bác sĩ nội soi đã bỏ sót trong lần vượt cạn đầu tiên. kiểm tra. Trong phần thứ hai của nghiên cứu tiền cứu, mô hình AI học sâu tương tự có thể phát hiện các u tuyến bị bỏ sót ở 26,9% bệnh nhân trong quá trình kiểm tra thời gian thực. Trong phân tích đa biến, u tuyến bị bỏ sót có liên quan đến phát hiện nhiều polyp trong quá trình nội soi đại tràng (OR hiệu chỉnh, 1,05) hoặc nội soi do các bác sĩ nội soi ít kinh nghiệm thực hiện (OR hiệu chỉnh, 1,30).
Một nghiên cứu ngẫu nhiên có đối chứng đơn trung tâm gần đây của Wang và cộng sự cũng cho thấy việc sử dụng phương pháp nội soi đại tràng có hỗ trợ CADe có thể làm giảm AMR từ 40,0% xuống 14,0%. Đặc biệt, đã có những cải tiến đáng kể ở đại tràng đi lên, đi ngang và đi xuống. Tuy nhiên, AMR trong nghiên cứu ngẫu nhiên có đối chứng này (lên đến 40%) cao hơn nhiều so với báo cáo trước đây. Do đó, một thử nghiệm đa trung tâm vẫn sẽ được yêu cầu để xác nhận kết quả này.
AI có thể đóng vai trò như một “con mắt” bổ sung cho bác sĩ nội soi
Trong khi hỗ trợ vai trò của AI trong việc giảm các tổn thương bị bỏ sót, những kết quả này cho thấy lý do chính gây ra u tuyến bị bỏ sót vẫn có thể là do yếu tố con người, vì gần 80% các tổn thương bị bỏ sót này thực sự được hiển thị trên màn hình và không được các nhà nội soi phát hiện nhiều lý do khác nhau, chẳng hạn như thiếu kinh nghiệm, mệt mỏi hoặc mất tập trung. Do đó, AI có thể đóng vai trò như một “con mắt” bổ sung cho bác sĩ nội soi mà ở đó, sự mất tập trung và mệt mỏi sẽ không bao giờ xảy ra.
Tuy nhiên, nghiên cứu của các tác giả cũng chỉ ra rằng khoảng 20% các u tuyến bị bỏ sót vẫn không được phát hiện bởi AI. Những tổn thương bị bỏ sót này thường không được hiển thị “trên màn hình”. Chúng nằm sau một nếp gấp hoặc ở một vị trí khó uốn cong hoặc ẩn dưới chất chứa phân ở những bệnh nhân có quá trình chuẩn bị ruột không tốt. Trong một phân tích tổng hợp gần đây của Zhao và cộng sự bao gồm 43 nghiên cứu và 15000 ca nội soi song song, việc sử dụng các kỹ thuật phụ trợ và chuẩn bị ruột tốt có liên quan đến ít u tuyến bị bỏ sót hơn. Về mặt trực giác, sự kết hợp giữa AI và các thiết bị phụ trợ với sự chuẩn bị ruột đạt yêu cầu có thể là cần thiết để loại bỏ hoàn toàn nguy cơ bỏ sót tổn thương đại tràng trong quá trình nội soi đại tràng.
Sử dụng trí tuệ nhân tạo trong đánh giá đặc điểm mô bệnh học của polyp
Ngoài việc phát hiện các polyp đại trực tràng, AI cũng đã được chứng minh là chính xác trong dự đoán mô học và xác định đặc điểm của polyp trong một số nghiên cứu. Mặc dù có mức độ không đồng nhất cao trong các thuật toán và thiết kế, cùng với các sai lệch về lựa chọn tiềm ẩn, các nghiên cứu sử dụng mô hình học sâu làm cơ sở thường hoạt động tốt hơn so với các nghiên cứu sử dụng các loại thuật toán khác. Một nghiên cứu của Byrne và cộng sự đã chỉ ra rằng việc sử dụng mô hình học sâu có thể đạt được độ chính xác 94% trong việc phân loại polyp theo thời gian thực. Một kết quả tương tự đã được tái tạo bởi một nghiên cứu sử dụng phương pháp soi đại tràng phóng đại và cả hai nghiên cứu đều sử dụng hình ảnh dải hẹp làm kỹ thuật hình ảnh. Phân tích tổng hợp gần đây của các tác giả cho thấy thêm rằng độ chính xác tổng hợp từ các nghiên cứu sử dụng hình ảnh dải hẹp nói chung tốt hơn so với các nghiên cứu hình ảnh không dải hẹp trong đặc điểm mô học.
4. Hạn chế và hướng đi cho tương lai
Mặc dù đã có những thử nghiệm tiềm năng đầy hứa hẹn hỗ trợ việc sử dụng AI trong phát hiện polyp thời gian thực trong quá trình nội soi đại tràng, nhưng có một số vấn đề cần được giải quyết trước khi AI có thể được triển khai trong thực hành lâm sàng thông thường. Bởi vì các thuật toán của AI và các mô hình học sâu vẫn đang phát triển và có sự không đồng nhất đáng kể giữa các mô hình và dữ liệu đào tạo khác nhau, một xác nhận tiềm năng độc lập sẽ được yêu cầu cho mỗi hệ thống AI. Hướng dẫn mới nhất được ban hành bởi Hiệp hội Nội soi Tiêu hóa Châu Âu đề xuất rằng khả năng kết hợp chẩn đoán với sự hỗ trợ của máy tính (phát hiện và xác định đặc điểm của tổn thương) vào nội soi đại tràng nên được hỗ trợ bởi độ chính xác có thể chấp nhận được và tái tạo đối với ung thư đại trực tràng, như được chứng minh trong đa trung tâm chất lượng cao nghiên cứu lâm sàng. Một câu hỏi quan trọng khác liên quan đến việc sử dụng AI trong nội soi đại tràng là tác động thực tế đến kết quả lâm sàng lâu dài. Vẫn chưa rõ liệu việc sử dụng phương pháp nội soi đại tràng có sự hỗ trợ của AI có thể làm giảm tỷ lệ PCCRC hay kéo dài khoảng thời gian theo dõi được khuyến nghị hiện tại sau khi nội soi đại tràng hay không, điều này sẽ cần các nghiên cứu thuần tập tiền cứu dài hạn để giải quyết.
Vai trò hiện tại của AI trong nội soi đại tràng có thể hoạt động như một trợ lý ảo cho bác sĩ nội soi trong quá trình nội soi thời gian thực
Vai trò hiện tại của AI trong nội soi đại tràng có thể hoạt động như một trợ lý ảo cho bác sĩ nội soi trong quá trình nội soi thời gian thực, đặc biệt là trong việc theo dõi thời gian rút và phát hiện polyp. Triển vọng về một hệ thống nội soi đại tràng độc lập hoàn toàn tự động vẫn còn quá sớm ở giai đoạn này. Hơn nữa, bản chất “hộp đen” của thuật toán AI, đặc biệt là mô hình học sâu, có thể đòi hỏi nỗ lực đáng kể để thuyết phục cơ quan quản lý chấp thuận cho sử dụng thường xuyên. Các vấn đề về trách nhiệm pháp lý và bồi thường liên quan đến các nhà sản xuất hệ thống AI cũng cần được giải quyết. Do đó, vẫn còn những trở ngại đáng kể cần vượt qua trước khi việc áp dụng phương pháp nội soi đại tràng có sự hỗ trợ của AI trở nên phổ biến trong thực tế hàng ngày.
Kết luận
Hệ thống AI được xác nhận bên ngoài có thể là một trong những giải pháp đầy hứa hẹn để tăng khả năng phát hiện u tuyến và giảm thiểu các tổn thương bị bỏ sót trong quá trình nội soi đại tràng thời gian thực. Tuy nhiên, các phương tiện để đảm bảo tiếp xúc đầy đủ với niêm mạc, chẳng hạn như các thiết bị bổ sung và chuẩn bị ruột tối ưu, cũng rất quan trọng trong việc giảm tỷ lệ bỏ sót polyp trong thực hành nội soi đại tràng hàng ngày. Dữ liệu dài hạn cũng cần thiết để xác định lợi ích lâm sàng thực tế của công nghệ mới nổi này trong việc giảm PCCRC.
Tài liệu tham khảo
Lui TKL, Leung WK. Is artificial intelligence the final answer to missed polyps in colonoscopy? World J Gastroenterol 2020; 26(35): 5248-5255 [PMID: 32994685 DOI: 10.3748/wjg.v26.i35.5248]