Công cụ AI mới cho điều trị ung thư

• Các nhà khoa học tại Trường Y Harvard đã thiết kế một mô hình AI đa năng giống ChatGPT có thể thực hiện nhiều tác vụ chẩn đoán khác nhau trên nhiều loại ung thư
• Hệ thống AI mới này tiến thêm một bước so với nhiều cách tiếp cận AI hiện nay trong chẩn đoán ung thư
• Các hệ thống AI hiện tại thường được huấn luyện để thực hiện những tác vụ cụ thể như phát hiện sự hiện diện của ung thư hoặc dự đoán hồ sơ gen của khối u, và có xu hướng chỉ hoạt động trên một số ít loại ung thư
• Ngược lại, mô hình mới có thể thực hiện phạm vi tác vụ rộng hơn, đã được thử nghiệm trên 19 loại ung thư và có tính linh hoạt tương tự các mô hình ngôn ngữ lớn như ChatGPT
• Gần đây đã xuất hiện các mô hình AI nền tảng khác cho chẩn đoán y khoa dựa trên hình ảnh bệnh lý, nhưng đây được xem là mô hình đầu tiên dự đoán kết quả của bệnh nhân và được xác thực trên nhiều nhóm bệnh nhân quốc tế
• Mô hình AI hoạt động bằng cách đọc các tiêu bản mô khối u
  • Phát hiện tế bào ung thư và dự đoán hồ sơ phân tử của khối u dựa trên các đặc điểm tế bào nhìn thấy trong ảnh với độ chính xác vượt trội hơn phần lớn các hệ thống AI hiện nay
  • Dự đoán khả năng sống sót của bệnh nhân trên nhiều loại ung thư, đồng thời xác định chính xác các đặc điểm của mô xung quanh khối u (vi môi trường khối u) liên quan đến phản ứng của bệnh nhân với các phương pháp điều trị tiêu chuẩn như phẫu thuật, hóa trị, xạ trị và liệu pháp miễn dịch
  • Dường như có thể tạo ra các hiểu biết mới, chẳng hạn xác định những đặc điểm khối u cụ thể vốn trước đây chưa được biết là có liên quan đến khả năng sống sót của bệnh nhân
• Nhóm nghiên cứu cho biết ngày càng có nhiều bằng chứng cho thấy kết quả này có thể nâng cao năng lực của bác sĩ lâm sàng trong việc đánh giá ung thư một cách hiệu quả và chính xác, bao gồm xác định những bệnh nhân có thể không đáp ứng tốt với điều trị ung thư tiêu chuẩn
• Kun-Hsing Yu cho biết: “Nếu được xác thực thêm và triển khai rộng rãi, cách tiếp cận của chúng tôi và các cách tiếp cận tương tự có thể giúp nhận diện sớm bệnh nhân ung thư có thể hưởng lợi từ các liệu pháp thử nghiệm nhắm vào các biến thể phân tử cụ thể”

Huấn luyện và hiệu năng

• Nghiên cứu mới nhất của nhóm này được xây dựng dựa trên công trình trước đây của Yu về các hệ thống AI để đánh giá ung thư đại trực tràng và u não. Công trình trước đó đã chứng minh tính khả thi của cách tiếp cận này trong các loại ung thư và tác vụ cụ thể
• Mô hình mới có tên CHIEF (Clinical Histopathology Imaging Evaluation Foundation) được huấn luyện bằng cách chia 15 triệu hình ảnh chưa gán nhãn thành các vùng quan tâm
• Công cụ này tiếp tục được huấn luyện thêm trên 60.000 ảnh whole-slide của mô, bao gồm phổi, vú, tuyến tiền liệt, đại trực tràng, dạ dày, thực quản, thận, não, gan, tuyến giáp, tuyến tụy, cổ tử cung, tử cung, buồng trứng, tinh hoàn, da, mô mềm, tuyến thượng thận và bàng quang
• Bằng cách huấn luyện mô hình để quan sát cả các vùng cụ thể của ảnh lẫn toàn bộ ảnh, mô hình có thể liên hệ các thay đổi cụ thể ở một khu vực với bối cảnh tổng thể. Các nhà nghiên cứu cho biết cách tiếp cận này cho phép CHIEF diễn giải hình ảnh toàn diện hơn, có tính đến bối cảnh rộng hơn thay vì chỉ tập trung vào những vùng cụ thể
• Sau khi huấn luyện, nhóm nghiên cứu đã kiểm thử hiệu năng của CHIEF trên hơn 19.400 ảnh whole-slide trong 32 bộ dữ liệu độc lập được thu thập từ 24 bệnh viện và các cohort bệnh nhân trên toàn thế giới
• Nhìn chung, CHIEF vượt qua các phương pháp AI tiên tiến khác tới 36% trong các tác vụ như phát hiện tế bào ung thư, xác định nguồn gốc khối u, dự đoán kết quả bệnh nhân và nhận diện các mẫu gen và DNA liên quan đến đáp ứng điều trị
• Nhờ được huấn luyện đa dạng, CHIEF hoạt động tốt như nhau bất kể tế bào khối u được lấy qua sinh thiết hay cắt bỏ bằng phẫu thuật
• Độ chính xác cũng không thay đổi bất kể công nghệ được dùng để số hóa mẫu tế bào ung thư
• Các nhà nghiên cứu cho biết khả năng thích ứng này khiến CHIEF có thể được sử dụng trong nhiều môi trường lâm sàng khác nhau và là một bước tiến quan trọng vượt lên trên các mô hình hiện tại vốn chỉ có xu hướng hoạt động tốt khi đọc mô được thu nhận bằng những công nghệ nhất định

Phát hiện ung thư

• CHIEF đạt độ chính xác gần 94% trong phát hiện ung thư và vượt trội đáng kể so với các cách tiếp cận AI hiện tại trên 15 bộ dữ liệu bao gồm 11 loại ung thư
• Trên 5 bộ dữ liệu sinh thiết được thu thập từ các cohort độc lập, CHIEF đạt độ chính xác 96% trên nhiều loại ung thư như thực quản, dạ dày, đại trực tràng và tuyến tiền liệt
• Khi các nhà nghiên cứu thử nghiệm CHIEF trên các tiêu bản khối u đã được cắt bỏ bằng phẫu thuật của đại trực tràng, phổi, vú, nội mạc tử cung và cổ tử cung mà trước đó mô hình chưa từng thấy, mô hình vẫn đạt độ chính xác trên 90%

Dự đoán hồ sơ phân tử của khối u

• Thành phần di truyền của khối u cung cấp những manh mối quan trọng để xác định hành vi trong tương lai và phương pháp điều trị tối ưu
• Để có được thông tin này, các bác sĩ ung bướu thường yêu cầu giải trình tự DNA của mẫu khối u, nhưng trên toàn cầu, việc lập hồ sơ hệ gen chi tiết như vậy cho mô ung thư chưa được thực hiện thường xuyên hoặc đồng đều do chi phí và thời gian
• CHIEF vượt trội hơn các phương pháp AI hiện tại trong việc dự đoán các biến thể hệ gen của khối u từ việc quan sát các tiêu bản dưới kính hiển vi
• Cách tiếp cận AI mới này đã thành công trong việc nhận diện các đặc điểm liên quan đến một số gen quan trọng có liên quan đến sự phát triển và ức chế ung thư, đồng thời dự đoán các biến thể di truyền chủ chốt liên quan đến mức độ đáp ứng của khối u với nhiều phương pháp điều trị tiêu chuẩn
• CHIEF cũng phát hiện các mẫu DNA cụ thể liên quan đến khả năng khối u đại trực tràng đáp ứng với một dạng liệu pháp miễn dịch gọi là ức chế điểm kiểm soát miễn dịch
• Khi quan sát toàn bộ ảnh mô, CHIEF nhận diện các đột biến trong 54 gen ung thư thường xuyên biến đổi với độ chính xác tổng thể trên 70%, qua đó vượt qua phương pháp AI tiên tiến nhất hiện nay cho dự đoán ung thư theo hệ gen. Độ chính xác đối với những gen cụ thể trong các loại ung thư cụ thể còn cao hơn
• Nhóm nghiên cứu cũng kiểm tra khả năng của CHIEF trong việc dự đoán các đột biến liên quan đến đáp ứng với liệu pháp nhắm trúng đích đã được FDA phê duyệt đối với 18 gen trên 15 vị trí giải phẫu. CHIEF đạt độ chính xác cao trên nhiều loại ung thư, bao gồm 96% trong phát hiện đột biến gen EZH2 thường gặp ở ung thư máu gọi là lymphoma tế bào B lớn lan tỏa, 89% đối với đột biến gen BRAF trong ung thư tuyến giáp và 91% đối với đột biến gen NTRK1 trong ung thư đầu và cổ

Dự đoán khả năng sống sót của bệnh nhân

• CHIEF đã dự đoán thành công khả năng sống sót của bệnh nhân dựa trên hình ảnh mô bệnh học của khối u được lấy tại thời điểm chẩn đoán ban đầu
• Trên tất cả các loại ung thư và các nhóm bệnh nhân trong nghiên cứu, CHIEF phân biệt được giữa bệnh nhân sống sót dài hạn và bệnh nhân sống sót ngắn hạn
• CHIEF cho hiệu năng tốt hơn 8% so với các mô hình khác, và ở bệnh nhân ung thư giai đoạn tiến triển thì tốt hơn 10% so với các mô hình AI khác
• Khả năng dự đoán nguy cơ tử vong cao so với nguy cơ tử vong thấp của CHIEF đã được kiểm tra và xác nhận trên các mẫu bệnh nhân từ 17 tổ chức khác nhau

Trích xuất hiểu biết mới về hành vi khối u

• Mô hình này đã nhận diện các mẫu đặc trưng trong hình ảnh có liên quan đến mức độ xâm lấn của khối u và khả năng sống sót của bệnh nhân
• Để trực quan hóa các vùng quan tâm này, CHIEF tạo bản đồ nhiệt trên hình ảnh. Khi các bác sĩ giải phẫu bệnh phân tích những điểm nóng do AI tạo ra này, họ nhận thấy các tín hiệu thú vị phản ánh sự tương tác giữa tế bào ung thư và mô xung quanh
• Một đặc điểm như vậy là số lượng tế bào miễn dịch trong vùng khối u của những người sống sót dài hạn nhiều hơn so với những người sống sót ngắn hạn. Yu lưu ý rằng phát hiện này là hợp lý vì sự hiện diện nhiều hơn của tế bào miễn dịch có thể cho thấy hệ miễn dịch đã được kích hoạt để tấn công khối u
• Khi quan sát các khối u của những người sống sót ngắn hạn, CHIEF xác định các vùng quan tâm được đặc trưng bởi tỷ lệ kích thước bất thường giữa các thành phần tế bào khác nhau, nhiều đặc điểm không điển hình hơn trong nhân tế bào, liên kết yếu hơn giữa các tế bào, và sự hiện diện giảm của mô liên kết ở vùng quanh khối u. Những khối u này cũng có nhiều tế bào đang chết hơn ở khu vực xung quanh. Ví dụ, trong khối u vú, CHIEF xác định sự hiện diện của hoại tử mô (chết tế bào sớm) là một vùng quan tâm. Ngược lại, ung thư vú có tỷ lệ sống sót cao thường có xu hướng bảo toàn cấu trúc tế bào giống mô khỏe mạnh hơn. Nhóm nghiên cứu giải thích rằng các đặc điểm trực quan và vùng quan tâm liên quan đến khả năng sống sót khác nhau tùy theo loại ung thư

Bước tiếp theo

Các nhà nghiên cứu cho biết họ có kế hoạch cải thiện hiệu năng và mở rộng chức năng của CHIEF theo các hướng sau:

• Huấn luyện bổ sung trên hình ảnh mô của các bệnh hiếm và các tình trạng không phải ung thư
• Bao gồm các mẫu mô tiền ung thư trước khi tế bào trở thành ung thư hoàn toàn
• Cho mô hình tiếp xúc với nhiều dữ liệu phân tử hơn để nâng cao khả năng nhận diện các loại ung thư có mức độ xâm lấn khác nhau
• Huấn luyện mô hình để dự đoán lợi ích và tác dụng phụ của các liệu pháp điều trị ung thư mới bên cạnh các phương pháp điều trị tiêu chuẩn

Ý kiến của GN⁺

• Nghiên cứu này cho thấy sự tiến bộ của công nghệ AI trong chẩn đoán ung thư và lập kế hoạch điều trị. Đặc biệt, nó có ý nghĩa ở chỗ đã phát triển được một mô hình đa dụng có thể áp dụng trên nhiều loại ung thư
• Tuy nhiên, để áp dụng trong thực tế lâm sàng sẽ cần xác thực với nhiều dữ liệu hơn và xây dựng phương án để bác sĩ và AI có thể cộng tác hiệu quả. Các vấn đề như độ chính xác chẩn đoán và trách nhiệm cũng vẫn là những thách thức cần giải quyết
• Các công nghệ tương tự bao gồm những công ty như Paige.AI và Proscia, vốn chẩn đoán ung thư thông qua phân tích hình ảnh bệnh lý. Họ cung cấp các giải pháp chuyên biệt cho từng loại ung thư, do đó khác với nghiên cứu này ở khía cạnh tính đa dụng
• Khi đưa công nghệ chẩn đoán ung thư dựa trên AI vào sử dụng, sẽ cần có sự đồng thuận xã hội và hoàn thiện thể chế ở nhiều mặt như thay đổi vai trò của nhân viên y tế, cải thiện quy trình chẩn đoán và điều chỉnh cơ chế chi trả y tế. Đồng thời cũng cần xem xét kỹ các rủi ro kỹ thuật và đạo đức như vấn đề thiên lệch AI và quyền riêng tư dữ liệu cá nhân
• Trong tương lai, nếu phát triển được công nghệ AI có thể phân tích toàn diện cả các đặc tính sinh học phân tử của mô ung thư và dự đoán cả đáp ứng thuốc, công nghệ này được kỳ vọng sẽ đóng góp lớn cho việc hiện thực hóa y học chính xác