Phát hiện sớm u buồng trứng
Nhóm sinh viên gồm: Ngô Vân Anh, Tạ Nam Anh, Nguyễn Nam Khánh. Hướng dẫn nhóm là các giảng viên của Trường Điện - Điện tử gồm PGS Lê Thị Lan và PGS Trần Thị Thanh Hải. Đề tài nghiên cứu nằm trong khuôn khổ Đề tài Khoa học và Công nghệ trọng điểm cấp quốc gia KC4.0/19-25 “Nghiên cứu phát triển hệ thống trí tuệ nhân tạo sử dụng hình ảnh siêu âm và kết quả xét nghiệm trong hỗ trợ chẩn đoán ung thư buồng trứng tại Việt Nam”.
Nhóm sinh viên cho biết, theo thống kê, ung thư buồng trứng là bệnh phụ khoa ác tính phổ biến, là nguyên nhân thứ 5 gây tử vong liên quan đến ung thư ở phụ nữ. Tuy nhiên, những trường hợp u buồng trứng được phát hiện sớm và can thiệp kịp thời có thể ngăn chặn một phần đáng kể từ 1/3 - 2/5 trong tổng số trường hợp ung thư. Do vậy, việc phát hiện sớm các khối u rất quan trọng để điều trị hiệu quả, giúp cải thiện tiên lượng và tăng cơ hội kiểm soát bệnh thành công.
Hiện nay, các bác sĩ xác định khối u thông qua phương pháp đọc ảnh thủ công: Từ ảnh siêu âm, các bác sĩ thực hiện khoanh vùng và tính toán các thông số cần thiết để thực hiện các dự đoán tiên lượng tiếp theo.
“Do chất lượng của ảnh siêu âm thấp, có nhiều nhiễu và sự đa dạng của các khối u buồng trứng nên công đoạn đọc ảnh để chẩn đoán thường tốn thời gian và dễ gây sai sót, nhất là đối với những bác sĩ trẻ thiếu kinh nghiệm.
Nhiều khối u buồng trứng không có đặc điểm nổi bật, nhiều trường hợp khối u không phân biệt được với nền ảnh, hình dáng, kích thước khối u không đồng nhất”, trưởng nhóm Ngô Vân Anh giải thích.
Nhóm sinh viên mong muốn xây dựng một hệ thống tự động phân tích hình ảnh siêu âm nhằm hỗ trợ các bác sĩ trong quá trình khoanh vùng và chẩn đoán u. Đề tài được nhóm nghiên cứu tiếp tục cải tiến dựa trên những kết quả thầy cô và các sinh viên khóa trên trong phòng nghiên cứu đã thực hiện trước đây.
Nhóm đã phát triển phương pháp gồm hai khối: Phát hiện và phân vùng u. Kết quả tại khối phát hiện được đưa vào khối phân vùng để xác định chính xác hình dáng, kích thước khối u, là cơ sở để các bác sĩ tiến hành các bước chẩn đoán tiếp theo.
Phương pháp đề xuất đã được tích hợp vào trang web với giao diện cho phép các bác sĩ đưa hình ảnh siêu âm, sau đó hệ thống sẽ phát hiện, lưu trữ kết quả và khoanh vùng tự động.
Tỉ lệ chính xác lên đến 92%
Trong toàn bộ nghiên cứu, nhóm sử dụng bộ dữ liệu OTU-2D - cơ sở dữ liệu đã được công bố trong cộng đồng nghiên cứu gồm 1.469 ảnh siêu âm về 8 loại u buồng trứng.
Đồng thời, nhóm sinh viên cùng Phòng Nghiên cứu xử lý tín hiệu, thông tin và nội dung đa phương tiện (SigM Lab) đã và đang phối hợp với Bệnh viện Phụ sản Trung ương tiến hành thu thập bộ dữ liệu ảnh siêu âm buồng trứng tại Việt Nam.
Trong quá trình nghiên cứu, nhóm đã thử nghiệm một số phương pháp tiền xử lý ảnh siêu âm trước khi đưa vào hệ thống, nhưng kết quả nhận về chưa thực sự nổi bật. Trải qua hơn 1 năm miệt mài nghiên cứu, nhóm đã đạt được tỉ lệ chính xác 92% trong bài toán phân vùng nhị phân, 75% chính xác trong bài toán phát hiện các loại u và duy trì hiệu suất ổn định trên bộ dữ liệu tại Việt Nam.
Sinh viên Tạ Nam Anh chia sẻ, thời điểm khó khăn nhất của nhóm là khi mông lung, không biết nên cải tiến theo hướng nào thì tốt. “Trong việc đánh giá các kết quả dự đoán, chúng tôi mất nhiều thời gian để xác định ưu điểm và hạn chế của các mô hình trên các loại u khác nhau, do đó khó tìm ra phương pháp cải tiến”.
May mắn nhóm có các thầy cô là trụ cột tinh thần để tiếp tục cố gắng. Mỗi lần thất bại rút ra được bài học để thay đổi hướng tiếp cận đạt kết quả tốt nhất có thể.
Nhóm đặt mục tiêu sẽ tiếp tục cải tiến, mở rộng nghiên cứu để có thể đem tới những công cụ hỗ trợ hữu dụng nhất cho các bác sĩ trong quá trình chẩn đoán bệnh được chính xác và nhanh chóng nhất.
PGS.TS Lê Thị Lan, giảng viên Trường Điện - Điện tử, Đại học Bách khoa Hà Nội đánh giá nhóm nghiên cứu đã đề xuất được những mô hình học máy hiệu quả cho bài toán phát hiện và khoanh vùng, có khả năng áp dụng trên đa dạng dữ liệu ảnh siêu âm buồng trứng của bệnh nhân trong nước và trên thế giới.
Các kết quả này có ý nghĩa nhất định trong hỗ trợ các bác sĩ xác định nhanh, tránh những bỏ sót không đáng có khi phải đọc ảnh trong thời gian dài và khi quá tải bệnh nhân.
