TTO - Họ là những tiến sĩ, kỹ sư trẻ tuổi cùng đeo đuổi mục tiêu xây dựng phần mềm ứng dụng trí tuệ nhân tạo (AI) vào chẩn đoán hình ảnh y tế. Chỉ mất chừng 1 giây, phần mềm sẽ đọc xong một phim chụp X-quang phổi, dưới 5 giây cho một phim chụp X-quang vú. Họ tin rằng chỉ trong 1 năm, phần mềm này sẽ đọc nhiều phim chụp hơn bất kỳ bác sĩ nào và góp phần vào việc điều trị hiệu quả những căn bệnh ung thư hiện đang gây ám ảnh cho không ít người.

TS. Nguyễn Quý Hà ( trưởng phòng Xử lý ảnh y tế, Viện Nghiên cứu dữ liệu lớn - VinBDI, tập đoàn Vingroup) thuyết trình về dự án VinDr

Ngày 19-6, VinDr - phiên bản đầu tiên của giải pháp phân tích hình ảnh y tế toàn diện ứng dụng công nghệ Trí tuệ nhân tạo (AI), một dự án nghiên cứu ứng dụng của Viện nghiên cứu Dữ liệu lớn (VinBDI), Tập đoàn Vingroup, bắt đầu được thử nghiệm tại ba bệnh viện gồm: Bệnh viện Trung ương Quân đội 108, Bệnh viện Đại học Y Hà Nội và Bệnh viện Đa khoa Quốc tế Vinmec Times City. Điểm đặc biệt của giải pháp này là ứng dụng công nghệ trí tuệ nhân tạo (AI) trên nền tảng lưu trữ và truyền tải hình ảnh y tế (PACS). Trong bước đầu tiên, VinDr sẽ hỗ trợ hai chức năng: Chẩn đoán bệnh lý phổi trên ảnh X-quang lồng ngực và Chẩn đoán ung thư vú trên ảnh X-quang tuyến vú.

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 2.

Dự án này được TS. Nguyễn Quý Hà (Trưởng phòng Xử lý ảnh y tế, Viện Nghiên cứu Dữ liệu lớn - VinBDI, Tập đoàn Vingroup), TS. Phạm Huy Hiệu, Ths. Nguyễn Thành Nhân cùng nhóm cộng sự, những nhà khoa học, chuyên gia công nghệ, kỹ sư chuyên nghiên cứu về AI và phần mềm, phát triển từ tháng 11-2018.

"Dự án có hai mục tiêu: Một là xây dựng cơ sở dữ liệu lớn về hình ảnh y tế của người Việt. Hai là, dựa trên cơ sở dữ liệu đó, chúng tôi phát triển công cụ chẩn đoán hình ảnh hỗ trợ cho các bác sĩ, giúp bác sĩ đưa ra quyết định nhanh chóng và chính xác hơn", TS. Nguyễn Quý Hà mở đầu cuộc đối thoại với Tuổi Trẻ.

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 3.

Từ tháng 11-2018, TS.Hà cùng các cộng sự phát triển dự án với hai mục tiêu lớn: một là xây dựng cơ sở dữ liệu lớn về hình ảnh y tế của người Việt, hai là phát triển công cụ chẩn đoán hình ảnh hỗ trợ cho các bác sĩ

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 4.

* Trong rất nhiều căn bệnh cần đến đánh giá từ phân tích dữ liệu chẩn đoán hình ảnh, tại sao nhóm quyết định chọn ung thư, thưa TS?

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 5.

Những bệnh lý được chẩn đoán trên hệ thống đều được tham vấn bởi các bác sĩ hàng đầu tại Việt Nam. Có thể do đặc thù ở Việt Nam, các bác sĩ hiểu rằng trong thực tế, ung thư luôn là vấn đề nhức nhối, đặc biệt nhất là ung thư gan, phổi, vú. Cả ba loại ung thư nói trên chúng tôi đều hỗ trợ chẩn đoán. Ngoài ra, giải pháp sẽ tiến tới hỗ trợ chẩn đoán ung thư đại trực tràng, dạ dày - đều là các loại ung thư chiếm tỉ lệ cao tại Việt Nam. Chúng tôi hi vọng làm sao phát hiện sớm và chẩn đoán ung thư hiệu quả nhất.

Nói rộng ra trên thế giới, nếu tính riêng ung thư vú, mỗi năm có tới 2 triệu ca mắc mới và hơn nửa triệu ca tử vong. Riêng tại Hoa Kỳ, trong tổng số 33 triệu lần chụp nhũ ảnh được thực hiện hàng năm, có khoảng 20% các ca ung thư được phát hiện ở giai đoạn muộn. Trong khi đó tại Việt Nam, trong 15.000 ca ung thư vú mắc mới mỗi năm, đáng tiếc, có tới 70% là phát hiện muộn, làm gia tăng đáng kể tỷ lệ tử vong. Việc sàng lọc trên diện rộng và phát hiện sớm ung thư thông qua chẩn đoán hình ảnh, vì thế, đóng một vai trò quan trọng trong việc điều trị thành công các bệnh nhân ung thư. Ở Vingroup, việc đón đầu và ứng dụng những công nghệ hiện đại, nhất là trong lĩnh vực y tế rất được quan tâm và đầu tư. Việc ứng dụng của AI trong lĩnh vực này được kì vọng sẽ trở thành công cụ hỗ trợ hiệu quả cho các chương trình sàng lọc ung thư hoặc các bệnh nan y khác trong tương lai không xa.

* Thưa TS, ứng dụng AI sẽ có tác động như thế nào đến độ chính xác trong việc chẩn đoán hình ảnh? Có những lợi thế nào nếu chúng ta áp dụng giải pháp này vào các bệnh viện của Việt Nam?

Nhiều nghiên cứu quốc tế đã cho thấy sự trợ giúp của AI có thể làm tăng độ chính xác của chẩn đoán, đặc biệt trong ngành chẩn đoán hình ảnh. Trong ứng dụng tại bệnh viện, chúng tôi kỳ vọng rằng các bác sĩ khi đọc phim xong, có thể tham khảo ý kiến của máy. Độ chính xác của máy và bác sĩ sẽ bù trừ cho nhau. Nói như vậy để có thể hiểu chính xác rằng VinDr không thay thế bác sĩ, mà sẽ là một công cụ hỗ trợ đắc lực, đóng vai trò như một người cùng hội chẩn với bác sĩ.

Vậy máy có lợi thế gì so với con người? Rõ ràng là, máy có tốc độ xử lý cao. Như ta biết, các bệnh viện ở Việt Nam thường quá tải, và bác sĩ phải làm việc với cường độ rất cao, sự mỏi mệt chắc chắn sẽ ảnh hưởng đến chất lượng công việc. Trong khi đó, máy hoàn toàn không bị ảnh hưởng bởi tình trạng này. Bởi vậy, chúng tôi hy vọng rằng sự trợ giúp của AI giảm áp lực cho các bác sĩ và hạn chế đáng kể số lần đọc lỗi. Theo thử nghiệm, tốc độ chẩn đoán phim X-quang phổi là dưới 1 giây, chẩn đoán phim X-quang vú là dưới 5 giây.

Đặc biệt, phần mềm này có thể chẩn đoán đồng thời nhiều ca chụp một lúc. Khác với bác sĩ chỉ đọc lần lượt từng ca chụp trong lúc làm việc, phần mềm sẽ đọc suốt ngày đêm với độ chính xác và tốc độ không đổi, do đó có thể phục vụ sàng lọc trên diện rộng.

Hiện nay các chẩn đoán bệnh lý về phổi đã đạt độ chính xác (trong ngành y dùng hai chỉ số là độ nhạy và độ đặc hiệu) trên 95%. Chẩn đoán ung thư vú trên X-quang đạt độ chính xác trên 85%. Đây là các thuật toán có hiệu năng tương đương với những thuật toán tốt nhất trên thế giới hiện nay. Nói thêm là đọc phim X-quang vú khó hơn khá nhiều so với phim X-quang phổi, ngay cả đối với các bác sĩ có kinh nghiệm.

Một lợi thế ở Việt Nam là các bệnh viện hay bác sĩ hàng đầu tương đối cởi mở trong việc chia sẻ dữ liệu và hợp tác nghiên cứu.

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 6.

TS. Nguyễn Quý Hà (giữa, trưởng phòng Xử lý ảnh y tế, Viện Nghiên cứu dữ liệu lớn - VinBDI, tập đoàn Vingroup), TS. Phạm Huy Hiệu (trái) và Ths. Nguyễn Thành Nhân cùng nhóm cộng sự phát triển dự án VinDr - phiên bản đầu tiên của giải pháp phân tích hình ảnh y tế toàn diện ứng dụng công nghệ Trí tuệ nhân tạo (AI)

* Quy trình là bác sĩ sẽ đọc chẩn đoán, nhập dữ liệu trước, sau đó mới đến bước chẩn đoán AI. Liệu phần mềm có đưa ra được chẩn đoán độc lập, khách quan không, hay sẽ dựa theo chẩn đoán của bác sĩ, thưa TS?

Thật ra, ban đầu chúng tôi thiết kế theo hướng AI đưa ra gợi ý chẩn đoán trước rồi bác sĩ đọc lại và kết luận sau. Tuy nhiên, theo ý kiến của nhiều bác sĩ, quy trình này có thể làm cho người đọc phim bị ám thị bởi kết quả của AI. Do đó, chúng tôi đã điều chỉnh phần mềm theo luồng để bác sĩ đọc trước và đưa ra kết quả AI sau cho bác sĩ tham khảo. Tuy nhiên, một khi bác sĩ đã tin tưởng vào máy rồi, mình có thể chuyển chẩn đoán của máy lên trước, giúp phân luồng ngay bệnh nhân nặng - nhẹ.

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 7.
Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 8.

* Như TS đã nhìn nhận, một trong những ưu điểm của phần mềm này là hỗ trợ chẩn đoán từ xa và hỗ trợ cho bệnh viện tuyến dưới. Vậy ở tuyến dưới có thể ứng dụng giải pháp này như thế nào trong điều kiện còn nhiều hạn chế của hệ thống y tế Việt Nam như hiện nay, thưa TS?

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 9.

Mong muốn của chúng tôi là cho phần mềm "học" từ các bác sĩ giỏi rồi sau đó sử dụng để hỗ trợ cho nhiều cơ sở y tế khác. Rất may mắn là dự án của chúng tôi nhận được sự tư vấn và tham gia đọc phim của nhiều bác sĩ chẩn đoán hình ảnh đầu ngành, trong đó có thể kể đến GS.TS Phạm Minh Thông (Bệnh viện Bạch Mai), PGS.TS Lâm Khánh (Bệnh viện Trung ương Quân đội 108), TS. Lê Tuấn Linh (Bệnh viện Đại học Y Hà Nội), TS. Nguyễn Thu Hương (Bệnh viện Đa khoa Quốc tế Vinmec Times City), Bác sĩ Hồ Hoàng Phương (Bệnh viện Đại học Y Dược TP.HCM Cơ sở 2),...

Quan trọng nhất là phần mềm phải được thử nghiệm càng nhiều nơi càng tốt. Các thuật toán AI sử dụng để chẩn đoán hình ảnh rất nhạy cảm với dữ liệu ở những cơ sở khác nhau. Do đó, để triển khai ở mỗi bệnh viện, chỉ có cách là mang phần mềm đến chạy thử. Sẽ có hai giai đoạn, đầu tiên là thu thập dữ liệu từ càng nhiều nơi càng tốt để, nói nôm na là, dạy cho máy học xong chương trình đại học, sau đó đến lúc đi làm thì "sếp" ở nơi làm việc sẽ chỉ ra đúng - sai ở đâu. Máy ban đầu được học từ nhiều dữ liệu nhưng đến nơi nào sẽ được tối ưu theo cách làm việc của nơi ấy.

Tuy nhiên không phải đơn vị nào cũng cởi mở trong việc ứng dụng công nghệ mới, đặc biệt là trong ngành có liên quan đến tính mạng con người như ngành y. Thuật toán dù có tốt đến đâu, lúc mới đưa ra kiểu gì cũng có sai sót. Chỉ còn cách là thuyết phục các bệnh viện chấp nhận cho chạy thử phần mềm một thời gian, nhận phản hồi của các bác sĩ thì mới tốt lên được. Chỉ có nơi nào chào đón, kỳ vọng vào sự giúp đỡ của máy móc, thì công nghệ mới áp dụng được.

* Nếu được tạo điều kiện, nhóm nghiên cứu của TS tự tin trong bao lâu sẽ áp dụng được ứng dụng này ở các cơ sở y tế tuyến dưới?

Điều này tôi nghĩ còn tùy thuộc vào kỳ vọng và yêu cầu của các cơ sở khám chữa bệnh. Chúng tôi luôn tin tưởng có thể chạy ngay được nhưng còn tùy thuộc vào thực tế. Với sự ủng hộ, đầu tư bài bản của lãnh đạo Tập đoàn Vingroup, cùng năng lực của đội ngũ hiện tại, việc tinh chỉnh thuật toán cho từng bệnh viện có thể được thực hiện nhanh chóng. Điều đặc biệt ở đây là phần mềm sẽ "được học mãi mãi". Có thể sau một, hai tháng chúng ta sử dụng được, nhưng phần mềm sẽ tiếp tục tự tối ưu, và trở nên tốt hơn theo thời gian.

* Hiện tại, giải pháp này đang được triển khai như thế nào, thưa TS?

- Hiện tại chúng tôi đang triển khai trên nền tảng web. Lấy ví dụ, với các phim chụp đã được số hóa, các bác sĩ hoặc sinh viên Y khoa có thể linh hoạt tải hình ảnh lên hệ thống, chẩn đoán và tham vấn hệ thống mọi lúc mọi nơi. Chỉ cần có máy tính kết nối internet và tài khoản là có thể kết nối với giải pháp của chúng tôi để sử dụng.

Hiện có hai hình thức triển khai là triển khai tại chỗ và đẩy lên đám mây (Cloud). Đa phần các bệnh viện chọn hình thức triển khai tại chỗ. Hình thức thứ hai là sử dụng điện toán đám mây, với dữ liệu được truyền tải và lưu trữ tập trung trên một máy chủ chung. Máy chủ này có thể được truy cập từ tất cả mọi nơi trên thế giới thông qua mạng internet.

Trong tương lai xa hơn, khi việc triển khai bệnh án điện tử, theo dõi hồ sơ sức khỏe điện tử, cho mọi bệnh nhân đi vào thực tế, công cụ AI có thể được sử dụng từ xa để hỗ trợ theo dõi lịch sử khám chữa bệnh và kiểm soát tình trạng sức khoẻ của bệnh nhân...

* Ứng dụng sẽ khai thác trực tiếp dữ liệu bệnh nhân, vậy vấn đề bảo mật thông tin cá nhân, bảo vệ quyền riêng tư của bệnh nhân có được đặt ra khi nhóm nghiên cứu phát triển giải pháp này, thưa TS?

Bảo mật thông tin, đặc biệt là dữ liệu và danh tính cá nhân luôn là vấn đề được Tập đoàn Vingroup đặt ưu tiên hàng đầu. Ngay từ khi bắt đầu, chúng tôi đã ký các thỏa thuận hợp tác với bệnh viện trong việc bảo mật tuyệt đối thông tin bệnh nhân. Chúng tôi không giữ bất kỳ thông tin cá nhân nào của bệnh nhân ngoài hình ảnh phim chụp. Tất cả thông tin xác định danh tính bệnh nhân đều được xóa bỏ và mã hóa trước khi đưa hình ảnh chẩn đoán vào huấn luyện thuật toán.

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 10.
Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 11.

* Ngoài việc thuyết phục các bệnh viện đón nhận công nghệ rất mới này, nhóm nghiên cứu của TS còn gặp những khó khăn nào trong quá trình triển khai?

Một trong những khó khăn nữa trong quá trình triển khai là chúng tôi phải xây dựng hạ tầng dữ liệu, xây dựng công cụ để lưu trữ, quản lý và khai thác nhiều phương thức dữ liệu khác nhau từ bệnh viện. Có thể nói vui là chúng tôi có một khoa chẩn đoán hình ảnh ngay tại đây với sự giúp đỡ của khoảng 30 bác sĩ để đọc các phim chụp ở bệnh viện.

Bản thân chúng tôi cũng phải nhờ các bác sĩ dạy một số kiến thức nhất định về giải phẫu, và chẩn đoán hình ảnh, trong những seminar hàng tuần. Để khi phần mềm đưa ra kết quả, bản thân chúng tôi cũng phải áng chừng được mức độ chính xác của nó là bao nhiêu, hay bị sai ở đâu.

* Với những kết quả đã đạt được, TS và nhóm nghiên cứu dự định sẽ theo đuổi dự án này bao lâu nữa?

Bước đầu, chúng tôi vạch ra dự án thực hiện trong khoảng 5 năm. Nhưng chắc chắn sẽ còn mở rộng nhiều nữa. Bởi vì cho dù chúng tôi có hoàn thành 6 nhóm bệnh đang nghiên cứu hiện tại thì cũng chỉ là phần nhỏ so với số lượng bệnh tật và phương thức thăm khám trong thực tế.

Nhu cầu hỗ trợ cho bác sĩ chẩn đoàn hình ảnh và thăm dò chức năng ở Việt Nam là rất lớn, do lượng bệnh nhân đông. Lấy ví dụ, một bác sĩ ở Việt Nam có thể phải thực hiện khoảng 200 ca siêu âm, chụp chiếu mỗi ngày, trong khi các nước phát triển tỉ lệ này chỉ bằng khoảng 1/10.

* Và các anh có kế hoạch không chỉ phát triển giải pháp này ở Việt Nam mà sẽ bán ra thế giới chứ?

Có chứ!

Để so sánh thì hiện nay nhóm chúng tôi không kém bất kỳ nhóm nào trên thế giới. Thuật toán của VinDr đã xếp thứ hạng cao ở nhiều cuộc thi uy tín thế giới như: Số 01 cuộc thi CheXpert - chẩn đoán 13 mặt bệnh và dấu hiệu trên X-quang phổi do Đại học Stanford tổ chức; Giải Nhất cuộc thi phát hiện bất thường trên ảnh nội soi thuộc hội thảo ISBI 2020; Top 10 trên tổng số 1345 đơn vị dự thi tại cuộc thi chẩn đoán chảy máu não trên ảnh CT do RSNA (Hiệp hội điện quang Bắc Mỹ) tổ chức… Tuy nhiên, ở nước ngoài, các phần mềm liên quan đến y tế yêu cầu quy chuẩn rất nghiêm ngặt. Để bán được, chúng tôi cũng xác định trước hết phải vượt qua các kiểm định và đạt được các chứng chỉ cần thiết của họ.

Bước tiến mới đưa trí tuệ nhân tạo vào chẩn đoán hình ảnh y tế tại Việt Nam - Ảnh 12.


THANH HÀ - HÀ THANH
NGUYỄN KHÁNH
ĐÌNH CHIẾN
29/06/2020

Trở thành người đầu tiên tặng sao cho bài viết 0 0 0
Bình luận (0)
thông tin tài khoản
Được quan tâm nhất Mới nhất Tặng sao cho thành viên