Sức khỏe tổng quát

Con đường để triển khai trí tuệ nhân tạo vào thực tiễn cuộc sống Update 07/2021

Pinterest LinkedIn Tumblr

Bài viết của Thạc sĩ, Bác sĩ Mai Viễn Phương – Bác sĩ nội soi tiêu hóa – Khoa Khám bệnh & Nội khoa – Bệnh viện Đa khoa Quốc tế Vinmec Central Park.

<!– –>

Để đạt được việc triển khai trí tuệ nhân tạo trên lâm sàng, cần xem xét một số bước. Colling và cộng sự đã trình bày một lộ trình dự kiến ​​cho việc sử dụng thường quy trí tuệ nhân tạo trong thực hành bệnh học. Họ đã làm nổi bật những khía cạnh chính của việc thiết kế và ứng dụng trí tuệ nhân tạo vào thực tế hàng ngày. Các bước liên quan đến sáng tạo thiết kế, đạo đức, tài chính, phát triển, xác nhận, quy định, thực hiện và hiệu quả đối với lực lượng lao động đã được xem xét chặt chẽ. Đối với phân tích hình ảnh bệnh lý, các vấn đề khác nhau tồn tại trong quá trình thực hiện các bước này, điều này sẽ ngăn cản trí tuệ nhân tạo được triển khai trong thực hành lâm sàng đối với bệnh ung thư tiêu hoá.

1. Xác định nhu cầu thực sự trong thực tế hàng ngày

Các ứng dụng trí tuệ nhân tạo có thể thực hiện các công việc thường ngày và thường được thực hiện bởi các nhà bệnh lý học hoặc cung cấp những hiểu biết mới về các bệnh mà các nhà nghiên cứu bệnh học ở người không thể thực hiện được. Các ứng dụng này cần thiết để lấp đầy khoảng trống và giải quyết các nhu cầu chưa được đáp ứng mà không ảnh hưởng đến quy trình làm việc hàng ngày trong khoa bệnh lý. Các nhu cầu bao gồm phát hiện nguyên phân, tính toán tỷ lệ phần trăm khối u, di căn hạch bạch huyết và các hoạt động khác được coi là đơn điệu, lặp đi lặp lại hoặc dễ bị tổn thương do sự thay đổi giữa các máy chủ cao hơn.

2. Bước đầu tiên trong quá trình phát triển ứng dụng trí tuệ nhân tạo

Các ứng dụng trí tuệ nhân tạo trong y tế mới có thể được phát triển bởi nhiều bên liên quan, bao gồm các nhà nghiên cứu bệnh học, bác sĩ, nhà khoa học máy tính, kỹ sư, công ty CNTT và công ty dược phẩm. Tuy nhiên, quan điểm giữa các chuyên gia trong giới hàn lâm và ngành công nghiệp khác nhau. Ví dụ, các cá nhân trong học viện và doanh nghiệp có các mục tiêu khác nhau, chẳng hạn như tài trợ tài trợ, các ấn phẩm học thuật và các sản phẩm thương mại có lợi nhuận.

Ngay cả khi có một vấn đề mà các nhà nghiên cứu bệnh học đang mong muốn giải quyết, quy mô thị trường của vấn đề có thể nhỏ. Nếu chi phí phát triển một ứng dụng trí tuệ nhân tạo để giải quyết vấn đề không thể thu hồi được bằng lợi nhuận sau đó từ việc bán ứng dụng, công ty có thể không phát triển nó. Có một loạt các nhiệm vụ phân loại trong chẩn đoán bệnh lý và rất khó để đảm bảo một thị trường thích hợp cho một ứng dụng trí tuệ nhân tạo chỉ chuyên về một nhiệm vụ duy nhất.

Ví dụ, một thuật toán trí tuệ nhân tạo có thể phát hiện di căn hạch bạch huyết trong ung thư vú một cách đáng tin cậy như các nhà nghiên cứu bệnh học ở người. Tuy nhiên, công cụ này vẫn chưa được sử dụng rộng rãi hoặc được các cơ quan quản lý chấp thuận. Mặc dù, có thể có nhiều lý do và một trong số đó là sự mất cân bằng giữa chi phí thực hiện tổng thể và lợi ích của việc chỉ phát hiện di căn hạch ung thư vú trong thực hành bệnh lý đời thực.

Một mối quan tâm đáng kể khác là có được sự đồng ý cho việc sử dụng dữ liệu bệnh nhân trong phát triển mô hình trí tuệ nhân tạo

Mặc dù, có thể nhận được sự đồng ý cho việc sử dụng nghiên cứu trong hầu hết các nghiên cứu, nhưng bệnh nhân có thể không đồng ý sử dụng thương mại dữ liệu của họ cần thiết để phát triển sản phẩm, điều này có thể là một trở ngại khi phát triển sản phẩm để triển khai lâm sàng.

Do đó, cần đạt được sự đồng ý khi bắt đầu nghiên cứu, chuyển tải khả năng sử dụng thương mại của nó để phát triển sản phẩm, một khuôn khổ để chia sẻ dữ liệu toàn cầu cần được phát triển. Để phát triển các thuật toán trí tuệ nhân tạo, ít nhất ba bên cần hợp tác, bao gồm các nhà nghiên cứu bệnh học biết nhu cầu thực sự, các chuyên gia học thuật có thể phát triển công nghệ và các công ty sẽ quảng bá các ứng dụng trí tuệ nhân tạo như các sản phẩm. Ngoài ra, để có được một thị trường đủ quy mô, điều quan trọng là phải phát triển các mạng toàn cầu và các dịch vụ trực tuyến sử dụng đám mây.

trí tuệ nhân tạo

Ứng dụng trí tuệ nhân tạo trong y tế

3. Phát triển trí tuệ nhân tạo

Sau khi khái niệm về trí tuệ nhân tạo đã được hình thành và hợp tác thiết lập, việc phát triển trí tuệ nhân tạo được thực hiện qua các bước sau: xác định đầu ra, thiết kế thuật toán, thu thập mẫu theo dõi thí điểm hoặc lớn hơn, chú thích và xử lý dữ liệu và thực hiện phân tích thống kê dữ liệu. Quản lý tập dữ liệu chất lượng cao là một trong những rào cản lớn trong việc phát triển các ứng dụng trí tuệ nhân tạo AI.

Nói chung, CNN yêu cầu hàng trăm hoặc hàng nghìn bộ dữ liệu về hình ảnh bệnh lý để đạt được hiệu suất đáng kể và đủ cho khả năng lizability. Đối với các khối u hiếm gặp, các nhà nghiên cứu có thể thu được một số lượng hình ảnh rất hạn chế. Do đó, nó đòi hỏi các kỹ thuật nâng cao dữ liệu hiệu quả và các phương pháp học tập để giải quyết vấn đề này. Ngược lại, trong trường hợp học chuyển giao, các bộ dữ liệu quy mô nhỏ bao gồm <100 slide kỹ thuật số có thể đủ

Ngoài ra, các bộ dữ liệu có sẵn công khai nên được phát triển để chia sẻ dữ liệu toàn cầu. Tuy nhiên, rất ít bộ dữ liệu như vậy có sẵn trong bệnh lý, một phần do vấn đề bảo mật, bản quyền và tài chính. Ngay cả trong những trường hợp như vậy, TCGA cung cấp nhiều WSI và dữ liệu phân tử liên quan. Tuy nhiên, ngay cả dữ liệu TCGA cũng không bao gồm đủ số lượng trường hợp đào tạo các ứng dụng trí tuệ nhân tạo để triển khai lâm sàng. Một nguồn bộ dữ liệu tiềm năng khác có thể là những thách thức công khai được cung cấp cho việc phát triển các thuật toán học sâu .

4. Những thách thức lớn đối với việc triển khai trí tuệ nhân tạo vào thực tế

Việc phát triển các ứng dụng trí tuệ nhân tạo với đủ hiệu suất cần được đào tạo về bộ dữ liệu khổng lồ chứng minh khả năng quét và khả năng thay đổi giao thức nhuộm. Những thách thức lớn đối với việc triển khai nó vào thực tế là cơ sở hạ tầng phòng thí nghiệm, khả năng tái tạo và tính mạnh mẽ của mô hình trí tuệ nhân tạo.

Gần đây, các phương pháp tự động để giảm độ mờ trong hình ảnh đã được phát triển. Các thuật toán tự động (ví dụ: HistoQC và DeepFocus có thể báo cáo tiêu chuẩn hóa chất lượng của WSI; các ứng dụng trí tuệ nhân tạo này tự động phát hiện các vùng chất lượng tối ưu và loại bỏ các vùng mất nét hoặc liên quan đến tạo tác. Tiêu chuẩn hóa màu sắc, hiển thị bằng các slide mô bệnh học, rất quan trọng đối với độ chính xác của trí tuệ nhân tạo. Sự khác biệt về màu sắc thường được tạo ra do sự khác biệt về lô hoặc nhà sản xuất thuốc thử nhuộm. Sự thay đổi về độ dày của các phần mô, sự khác biệt về quy trình nhuộm và sự khác biệt về đặc điểm quét.

Những biến thể này dẫn đến việc phân loại không đầy đủ bởi các ứng dụng trí tuệ nhân tạo. Các thuật toán trí tuệ nhân tạo đã được phát triển để chuẩn hóa dữ liệu, bao gồm khả năng nhuộm màu và đặc điểm màu sắc.

5. Xác nhận và quy định

Khi các công nghệ dựa trên trí tuệ nhân tạo ngày càng phát triển, cần phải có phương pháp tiếp cận dựa trên bằng chứng để xác thực chúng. Colling và cộng sự đã trình bày hướng dẫn tóm tắt theo quy định thiết bị in vitro hiện hành và các khuyến nghị của họ đối với các thành phần chính của quá trình xác nhận. Trong phòng thí nghiệm y học, ngoài việc đánh giá lâm sàng, xác nhận phân tích cần được xem xét. Việc thiết lập các bước và tiêu chí để xác nhận các thử nghiệm mới so với các tiêu chuẩn vàng hiện có là điều cần thiết. Để xác thực phân tích hình ảnh, kỹ thuật này thường được so sánh với “sự thật cơ bản” (ví dụ: so sánh công nghệ trí tuệ nhân tạo phân tích biểu hiện HER2 trong khối u với đánh giá chi tiết khối u được thực hiện thủ công).

Sẽ là thích hợp nếu so sánh kỹ thuật bệnh học kỹ thuật số với hiệu suất của các nhà giải phẫu bệnh ở người. Tuy nhiên, nếu xét đến sự thay đổi giữa các quan sát viên và nội bộ trong các đánh giá trực quan của các nhà bệnh lý học ở người, rất khó để xác định sự thật cơ bản. Do đó, nó liên quan đến việc thiết kế cẩn thận việc nghiên cứu và chấp nhận những hạn chế của tiêu chuẩn vàng hiện hành. Hiện tại, hầu hết các ứng dụng trí tuệ nhân tạo dường như gặp khó khăn trong việc thiết lập sự thật nền tảng tuyệt đối.

trí tuệ nhân tạo

Tiềm năng to lớn của trí tuệ nhân tạo trong thực hành bệnh lý

6. Thực hiện

Trước khi triển khai ứng dụng trí tuệ nhân tạo trong thực hành bệnh học đời thực, một số trở ngại phải được giải quyết. Các trường hợp sử dụng kinh doanh đã được thiết lập và sự đảm bảo từ các nhà nghiên cứu bệnh học đối với việc sử dụng hệ thống trí tuệ nhân tạo cần được tính đến trước khi đầu tư đáng kể thời gian, năng lượng và kinh phí cho các ứng dụng trí tuệ nhân tạo và cơ sở hạ tầng CNTT cần thiết.
Những thay đổi cần thiết để thay đổi quy trình làm việc hàng ngày trong khoa giải phẫu bệnh, từ lam kính sang WSI, phải được giải quyết. Bộ sẽ yêu cầu các thiết bị kỹ thuật số liên quan đến bệnh lý mới, một hệ thống quản lý dữ liệu cụ thể, phương tiện lưu trữ dữ liệu và nhân sự bổ sung để xử lý những thay đổi này. Đồng thời, cần có cơ sở hạ tầng CNTT thể chế để cho phép người dùng vận hành thông qua cả hệ thống điện toán tại chỗ và trên nền tảng đám mây. Do đó, trong thế giới thực, các hệ thống bệnh lý kỹ thuật số, đòi hỏi đầu tư đáng kể, có thể cản trở việc triển khai các công nghệ này. Đáng chú ý, kính hiển vi tăng cường, được kết nối trực tiếp với dịch vụ mạng đám mây, có thể giải quyết vấn đề cài đặt toàn bộ máy quét slide. Chen và các đồng nghiệp đã báo cáo kính hiển vi thực tế tăng cường, phủ thông tin dựa trên trí tuệ nhân tạo lên chế độ xem mẫu trong thời gian thực, có thể cho phép tích hợp liền mạch trí tuệ nhân tạo vào quy trình làm việc thường ngày.

Tiềm năng to lớn của trí tuệ nhân tạo trong thực hành bệnh lý có thể được khai thác bằng cách cải thiện quy trình làm việc, loại bỏ những sai lầm đơn giản, tăng khả năng tái tạo chẩn đoán và tiết lộ những dự đoán không thể thực hiện được với việc sử dụng các phương pháp trực quan thông thường của các nhà bệnh lý học. Các ứng dụng trí tuệ nhân tạo được triển khai lâm sàng dự kiến ​​sẽ thân thiện với người dùng, có thể giải thích được, mạnh mẽ, dễ quản lý và tiết kiệm chi phí.

Để được tư vấn trực tiếp, Quý Khách vui lòng bấm số HOTLINE hoặc đăng ký trực tuyến TẠI ĐÂY. Ngoài ra, Quý khách có thể Đăng ký tư vấn từ xa TẠI ĐÂY

Tài liệu tham khảo

Yoshida H, Kiyuna T. Requirements for implementation of artificial intelligence in the practice of gastrointestinal pathology. World J Gastroenterol 2021; 27(21): 2818-2833 [DOI: 10.3748/wjg.v27.i21.2818]

Comments are closed.