INFERVISION – Ứng dụng trí tuệ nhân tạo để phát hiện sớm bệnh ung thư và đột quỵ

Infervision là một công ty Trung Quốc chuyên về lĩnh vực thị giác máy tính. Nó đã áp dụng chuyên môn của mình để có khả năng cứu sống hàng triệu người bằng cách phát hiện các bệnh đe dọa đến tính mạng sớm hơn rất nhiều so với trước đây.

Nó sử dụng công nghệ tương tự như công nghệ đã được phát triển bởi Google, Facebook và các nhà tiên phong về trí tuệ nhân tạo (AI) khác, đó chính là công nghệ có khả năng hiểu và giải thích dữ liệu trực quan.

Công nghệ mà công ty này mô tả như là nền tảng chăm sóc sức khỏe chính xác sử dụng công nghệ AI đầu tiên trên thế giới, đã được sử dụng tại các bệnh viện ở Trung Quốc, Nhật Bản và có thể sẽ sớm được triển khai trên toàn thế giới.

Trí tuệ nhân tạo đã giúp giải quyết những vấn đề gì?

Ung thư là nguyên nhân gây ra tử vong hàng đầu ở Trung Quốc, và chỉ riêng bệnh ung thư phổi thôi cũng được xem là căn bệnh gây chết người hàng đầu tại đất nước này.1

Tỷ lệ được cứu sống cho hầu hết các dạng ung thư cao hơn nhiều khi được phát hiện ở giai đoạn đầu; tuy nhiên, các thiết bị hình ảnh y tế cần thiết để thực hiện những chuẩn đoán này rất đắt tiền, việc vận hành chúng là một quá trình tốn thời gian và chỉ được thực hiện bởi các kỹ thuật viên y tế đã được đào tạo.

Điều này có nghĩa là tỷ lệ được cứu sống ở khu vực nông thôn thường thấp hơn nhiều so với các thành phố nơi được lắp đặt đầy đủ các thiết bị và có sự hiện diện của các chuyên gia.

Vấn đề quan trọng hơn cả, đó là Trung Quốc thiếu hụt nghiêm trọng lực lượng y bác sĩ, đặc biệt là các bác sĩ X quang. Cả nước chỉ có 80.000 bác sĩ X quang được đào tạo với nhiệm vụ kiểm tra 1,4 tỷ lần chụp X quang mỗi năm.2

Trí tuệ nhân tạo được sử dụng như thế nào trong thực tế?

Infervision sử dụng học sâu (deep learning) để diễn giải các hình ảnh quét, hình chụp X-quang và các dữ liệu y tế khác.

Tương tự các thuật toán tìm kiếm hình ảnh của Google, nó sẽ phân loại hình ảnh bằng cách tìm kiếm các hình dạng mà nó có thể nhận ra, ví dụ: mèo, chó hoặc các địa danh nổi tiếng trên thế giới, các thuật toán của Infervision tìm kiếm các hình dạng cảnh báo rằng bệnh ung thư có thể đang phát triển ở giai đoạn đầu trong cơ thể bệnh nhân.3

Ngay cả những người bác sĩ X quang giỏi nhất cũng dễ bị mệt mỏi, do đó sai số chủ quan sẽ suất hiện khi họ phải kiểm tra hàng trăm hình ảnh mỗi ngày trong ca làm việc của mình. AI không bao giờ mệt mỏi và nếu được cung cấp dữ liệu huấn luyện chính xác, nó sẽ không phạm sai lầm hoặc chẩn đoán sai.

Chen Kuan, người sáng lập và giám đốc điều hành Infervision nói với tôi: “Những gì tôi thấy là rất nhiều người Trung Quốc, đặc biệt là những người sống bên ngoài các thành phố lớn, không được kiểm tra y tế thường xuyên bao gồm cả việc kiểm tra hình ảnh y tế. Vì vậy, họ thường phải đợi cho đến khi họ cảm thấy có gì đó không ổn với cơ thể mình trước khi họ đến một bệnh viện lớn, nơi căn bệnh có thể được chẩn đoán – lúc đó, thường đã quá muộn để có thể làm bất cứ điều gì. Thế nên, những gì chúng tôi muốn làm là sử dụng công nghệ học sâu để giảm bớt vấn đề lớn này. Nếu chúng ta có thể sử dụng nó để học hỏi từ quá khứ và hỗ trợ cho việc chẩn đoán được chính xác hơn, chúng ta có thể giúp giải quyết được vấn đề này.”

Phát hiện ung thư là ứng dụng đầu tiên của công nghệ Infervision. Tiếp theo, đội ngũ của Kuan sẽ chuyển sự tập trung của mình sang giải quyết một nguyên nhân gây chết người to lớn khác – đột quỵ.

Những công nghệ, công cụ và dữ liệu nào đã được sử dụng?

Nguồn dữ liệu chính là hồ sơ hình ảnh y tế, cụ thể là chụp X-quang và hình chụp CT cho bệnh nhân – Infervision đã xử lý hơn 100.000 dữ liệu của mỗi loại hình ảnh.4

Infervision sử dụng mô hình học sâu có giám sát, có nghĩa là nó được huấn luyện dựa trên các bộ dữ liệu mà kết quả đã được xác định. Trong trường hợp này, điều đó có nghĩa là các mạng lưới nơ-ron nhân tạo sâu tăng cường sức mạnh cho các thuật toán được cung cấp những hình ảnh y tế được lấy từ bệnh nhân, những người đã được chuẩn đoán ung thư. Từ hình ảnh của phổi khỏe mạnh, hệ thống thiết lập đường cơ sở “bình thường” – sau đó có thể đưa ra cảnh báo khi thấy xuất hiện dữ liệu nằm ngoài ranh giới của những gì được cho là bình thường đó.

Khi nó xử lý nhiều dữ liệu (hình ảnh y tế) hơn, các thuật toán có thể “học tập” để trở nên hiệu quả hơn trong việc phát hiện bệnh ung thư ở các giai đoạn sớm hơn, khi chúng học hỏi được ngày càng nhiều hơn về cách thức xuất hiện của các dấu hiệu ung thư.

Trên thực tế, nền tảng này có thể sử dụng hình ảnh X quang và CT, thay vì chỉ quét MRI, đây là điều rất đáng kể, bởi vì chi phí để có được các hình ảnh X quang và CT rẻ hơn nhiều và có sẵn nhiều dữ liệu của nhiều người hơn. Quét MRI đòi hỏi những thiết bị máy móc đắt tiền hơn và nhiều giờ làm việc hơn bởi những người được đào tạo đặc biệt, có nghĩa là dữ liệu này ít có sẵn, đặc biệt là trong các khu vực chưa được phục vụ bởi các bệnh viện lớn.

Kết quả đạt được là gì?

Infervision đã thông báo rằng họ có quan hệ đối tác với hơn 200 bệnh viện trên khắp thế giới và công nghệ này hiện đang được sử dụng để phân tích 20.000 hình chụp mỗi ngày.

Eliot Siegel, Chủ tịch Hiệp hội Tài nguyên hình ảnh y tế Bắc Mỹ (Radiological Society of North America’s Medical Imaging Resource Committee) cho biết: “Ứng dụng AI này sẽ dẫn đến một sự dịch chuyển số thực sự trong lĩnh vực hình ảnh y học truyền thống, đòi hỏi AI và con người phải hợp tác cùng nhau để đáp ứng những thách thức của ngành y tế. Trong quá trình sàng lọc hạch phổi, Infervision đang cung cấp các giải pháp phòng ngừa cho phép bác sĩ đáp ứng nhu cầu của bệnh nhân trong một khoảng thời gian ngắn.”5

Sau khi chứng minh công nghệ này mang lại hiệu quả trong việc phát hiện ung thư phổi, Infervision đã chuyển sang áp dụng nó để phát hiện các dấu hiệu sớm của đột quỵ – một nguyên nhân gây tử vong rất lớn ở người. Nó cũng đang làm việc không ngừng nghỉ để phát hiện ra các loại ung thư khác.

Những thách thức và bài học chính được rút ra

  • Công nghệ thị giác máy tính không chỉ dành riêng cho việc tìm kiếm những hình ảnh thú vị và hoạt động marketing, nó còn có khả năng cứu sống con người.
  • Mạng lưới nơ-ron nhân tạo sâu cho phép các thuật toán máy tính trở nên ngày càng hiệu quả hơn trong việc sắp xếp hình ảnh dựa vào cách thức mà chúng đi xa dần khỏi đường sơ sở “bình thường”.
  • Giá trị mới có thể được trích xuất từ dữ liệu cũ khi các công nghệ tiên tiến như học sâu được áp dụng trên các bộ dữ liệu hiện có – phần lớn hình ảnh X quang được sử dụng để huấn luyện nền tảng Infervision đã được tạo ra trong đợt đại dịch SARS vào năm 2003.
  • ●     Infervision nhấn mạnh rằng công nghệ của nó không nhằm thay thế bác sĩ, mà là cho phép họ làm việc nhanh hơn và hiệu quả hơn so với trước đây.

Tham khảo

  1. World Atlas, Leading causes of death in China: https://www.worldatlas.com/articles/leading-causes-of-death-in-china.html
  2. Forbes, How AI and Deep Learning is now used to Diagnose Cancer: https://www.forbes.com/sites/bernardmarr/2017/05/16/how-ai-and-deep-learning-is-now-used-to-diagnose-cancer/#24e50af6c783
  3. Infervision, About Us: https://www.infervision.com/en/about
  4. TechCrunch, Chinese startup Infervision emerges from stealth with an AI tool for diagnosing lung cancer: https://techcrunch.com/2017/05/08/chinese-startup-infervision-emerges-from-stealth-with-an-ai-tool-for-diagnosing-lung-cancer/
  5. Digital Journal, Infervision Reaches 200-Hospital Milestone, Advances Global Medical Imaging Capabilities: http://www.digitaljournal.com/pr/3928429
ứng dụng trí tuệ nhân tạo để dẫn đầu

Leave a Reply