Mô hình AI dự đoán bệnh ung thư

Theo tạp chí y tế JAMA Network Open, các nhà nghiên cứu từ Đại học British Columbia và BC Cancer đã tạo ra một mô hình AI dự đoán khả năng sống sót của bệnh nhân ung thư với độ chính xác cao hơn và sử dụng dữ liệu dễ truy cập hơn so với các phương pháp trước đây.

Mô hình AI sử dụng quá trình xử lý ngôn ngữ tự nhiên (NLP), một lĩnh vực AI có thể hiểu ngôn ngữ của con người, để kiểm tra các ghi chú của bác sĩ ung thư sau khi tư vấn ban đầu cho bệnh nhân. Những phát hiện trong hành trình của bệnh nhân ung thư sau khi được chẩn đoán cho thấy mô hình này có thể xác định các đặc điểm khác biệt cho từng bệnh nhân, dẫn đến dự đoán khả năng sống sót với độ chính xác hơn 80% trong 6 tháng, 36 tháng và 60 tháng.

Tiến sĩ John-Jose Nunez, bác sĩ tâm thần và nghiên cứu lâm sàng tại Trung tâm rối loạn tâm trạng UBC và Ung thư BC, cho biết: “Dự đoán khả năng sống sót của bệnh ung thư là một yếu tố quan trọng có thể được sử dụng để cải thiện việc chăm sóc bệnh ung thư. Nó có thể gợi ý các nhà cung cấp dịch vụ y tế giới thiệu sớm hơn đến các dịch vụ hỗ trợ hoặc đưa ra lựa chọn điều trị tích cực hơn từ trước. Chúng tôi hy vọng rằng một công cụ như thế này có thể được sử dụng để cá nhân hóa và tối ưu hóa dịch vụ chăm sóc mà bệnh nhân nhận được ngay lập tức, mang lại cho họ kết quả tốt nhất có thể”.

Tỷ lệ sống sót sau ung thư đã được tính toán hồi cứu và chỉ phân loại theo một số yếu tố chung như vị trí ung thư và loại mô. Mặc dù đã quen thuộc với các tỷ lệ này, nhưng các bác sĩ chuyên khoa ung thư có thể khó dự đoán chính xác khả năng sống sót của từng bệnh nhân do nhiều yếu tố phức tạp ảnh hưởng đến kết quả của bệnh nhân.

Thử nghiệm mô hình

Mô hình được phát triển bởi Tiến sĩ John-Jose Nunez và các cộng sự của ông, bao gồm các nhà nghiên cứu từ Khoa Ung thư BC và khoa khoa học máy tính và tâm thần học của UBC, có thể thu thập các manh mối duy nhất trong tài liệu tư vấn ban đầu của bệnh nhân để đưa ra đánh giá chi tiết hơn. Nó cũng có thể áp dụng cho tất cả các bệnh ung thư, trong khi các mô hình trước đây chỉ giới hạn ở một số loại ung thư nhất định.

Tiến John-Jose Nunez cho biết: “Về cơ bản, AI đọc tài liệu tư vấn tương tự như cách con người đọc nó. Những tài liệu này có nhiều chi tiết như tuổi của bệnh nhân, loại ung thư, tình trạng sức khỏe tiềm ẩn, quá khứ sử dụng chất gây nghiện và tiền sử gia đình. AI kết hợp tất cả những điều này lại với nhau để vẽ nên một bức tranh hoàn chỉnh hơn về kết quả của bệnh nhân”.

Các nhà nghiên cứu đã đào tạo và thử nghiệm mô hình này bằng cách sử dụng dữ liệu từ 47.625 bệnh nhân trên tất cả sáu địa điểm Ung thư BC nằm trên khắp British Columbia. Để bảo vệ quyền riêng tư, tất cả dữ liệu bệnh nhân vẫn được lưu trữ an toàn tại BC Cancer và được trình bày ẩn danh. Không giống như đánh giá biểu đồ của các trợ lý nghiên cứu con người, phương pháp AI mới có thêm lợi ích là duy trì tính bảo mật hoàn toàn cho hồ sơ bệnh nhân.

Tỷ lệ sống sót được tính bằng số tháng giữa tài liệu đã chọn và thời điểm bệnh nhân tử vong hoặc ngày giới hạn tử vong là ngày 6 tháng 4 năm 2022.

Các nhà nghiên cứu đã so sánh 4 mô hình: thuật toán túi từ phi thần kinh (BoW) và 3 mô hình thần kinh bao gồm: mạng thần kinh tích chập (CNN), bộ nhớ ngắn hạn dài (LSTM) và biểu diễn bộ mã hóa hai chiều từ máy biến áp (BERT).

Kết quả cho thấy hiệu suất tương tự về số đối với BoW, CNN và LSTM (độ chính xác cân bằng [BAC] > 0,800; diện tích dưới đường cong [AUC] > 0,900). BERT có hiệu suất thấp hơn.

BoW hoạt động tốt nhất để dự đoán tỷ lệ sống sót sau 6 tháng (BAC, 0,856; AUC, 0,928). CNN có hiệu suất tốt nhất để dự đoán tỷ lệ sống 36 tháng (BAC 0,842; AUC 0,918) và tỷ lệ sống 60 tháng (BAC 0,837; AUC 0,918).

Kết quả cho thấy có thể dự đoán khả năng sống sót của bệnh nhân ung thư mà không cần phải xây dựng các bộ dữ liệu có cấu trúc hoặc giới hạn dự đoán đối với các loại hoặc vị trí ung thư cụ thể. Với sự sẵn có rộng rãi của các tài liệu tư vấn bác sĩ ung thư ban đầu, điều này mở ra khả năng đào tạo dễ dàng hơn và sử dụng các mô hình như vậy trên các loại ung thư tại các trung tâm ung thư khác nhau.

Tương lai mô hình NLP thần kinh

Trong tương lai, công nghệ này có thể được áp dụng tại các phòng khám ung thư trên khắp Canada và trên toàn thế giới.

Tiến sĩ John-Jose Nunez nhận xét: “Điều tuyệt vời về các mô hình NLP thần kinh là chúng có khả năng mở rộng cao, di động và không yêu cầu các bộ dữ liệu có cấu trúc”.“Chúng tôi có thể nhanh chóng đào tạo các mô hình này bằng cách sử dụng dữ liệu cục bộ để cải thiện hiệu suất ở một khu vực mới. Tôi cho rằng những mô hình này cung cấp một nền tảng tốt ở bất cứ đâu trên thế giới nơi bệnh nhân có thể gặp bác sĩ chuyên khoa ung thư”.

Ông nhận định: “Tôi thấy AI hoạt động gần giống như một trợ lý ảo cho các bác sĩ. Khi y học ngày càng phát triển, việc có AI để giúp sắp xếp và hiểu ý nghĩa của tất cả dữ liệu sẽ giúp cung cấp thông tin cho các quyết định của bác sĩ. Cuối cùng, điều này sẽ giúp cải thiện chất lượng cuộc sống và kết quả cho bệnh nhân”.

Tag: AI ung thư NLP