Kỹ thuật AI trong tái tạo hình ảnh y tế có thể dẫn đến chẩn đoán không chính xác
Một nhóm nghiên cứu do các nhà khoa học ở Đại học Cambridge và Đại học Simon Fraser dẫn dắt đã thiết kế một loạt thử nghiệm các thuật toán tái tạo hình ảnh y tế dựa trên AI và học sâu. Họ nhận thấy những kỹ thuật này tạo ra vô số ảnh giả hoặc gây biến đổi dữ liệu, bên cạnh không ít lỗi nghiêm trọng khác trong hình ảnh đầu ra. Những lỗi này thường ít gặp trong những kỹ thuật tái tạo hình ảnh không dựa trên AI.
Hiện tượng này đã lan rộng trên các loại mạng thần kinh nhân tạo khác nhau, cho thấy vấn đề này sẽ không dễ khắc phục. Các nhà nghiên cứu cảnh báo rằng việc phụ thuộc vào kỹ thuật tái tạo hình ảnh dựa trên AI để đưa ra chẩn đoán và xác định phương pháp điều trị có thể gây hại cho bệnh nhân. Nhóm nghiên cứu đã công bố kết quả này trong tạp chí Proceedings of the National Academy of Sciences.
“Nhiều người hào hứng với ứng dụng AI trong tái tạo hình ảnh y tế vì cho rằng có thể nó có tiềm năng cách mạng hóa y học hiện đại. Tuy nhiên, chúng ta không thể phớt lờ những cạm bẫy tiềm ẩn”, TS. Anders Hansen ở Khoa Vật lý lý thuyết & Toán ứng dụng, ĐH Cambridge, người phụ trách nghiên cứu cùng TS. Ben Adcock ở ĐH Simon Fraser cho biết. “Chúng tôi thấy, kỹ thuật AI có độ bất định cao trong chẩn đoán hình ảnh y tế, do vậy một sự biến đổi nhỏ ở đầu vào cũng có thể dẫn đến thay đổi lớn ở kết quả đầu ra”.
Mỗi lần chụp cộng hưởng từ (MRI) có thể mất 15 phút – 2 tiếng đồng hồ, tùy thuộc vào kích thước khu vực chụp và số lượng hình ảnh chụp. Bệnh nhân ở trong máy càng lâu thì chất lượng hình ảnh càng cao. Tuy nhiên, thực tế cần rút ngắn thời gian bệnh nhân ở trong máy để giảm rủi ro cho bệnh nhân và tăng số lần sử dụng máy.
Việc sử dụng AI để cải thiện chất lượng ảnh chụp MRI hoặc các loại chiếu chụp y tế khác là phương thức hấp dẫn để giải quyết bài toán có được chất lượng hình ảnh cao nhất trong khoảng thời gian ngắn nhất. Về lý thuyết, AI có thể đưa những hình ảnh có độ phân giải thấp thành hình ảnh có độ phân giải cao. Các thuật toán AI “học” cách tái tạo hình ảnh dựa trên việc đào tạo từ những dữ liệu trước đó. Quá trình này nhằm tối ưu hóa chất lượng tái tạo hình ảnh. Đây là điểm khác biệt cơ bản so với kỹ thuật tái tạo hình ảnh truyền thống chỉ dựa trên lý thuyết toán chứ không sử dụng các dữ liệu đã có. Đặc biệt, kỹ thuật truyền thống không có quá trình “học” như AI.
Bất kì một thuật toán AI đáng tin nào cũng cần độ chính xác và độ ổn định. Một thuật toán AI thường sẽ phân loại hình ảnh con mèo là con mèo. Tuy nhiên, những thay đổi rất nhỏ, gần như vô hình trong ảnh có thể khiến thuật toán xếp hình ảnh con mèo thành xe tải hoặc cái bàn. Trong ví dụ phân loại hình ảnh này, kết quả sai duy nhất là bị phân loại sai. Tuy nhiên, trong tái tạo hình ảnh y tế có thể xuất hiện nhiều loại lỗi sai khác nhau, chẳng hạn như các khối u bị biến mất hoặc thêm vào, các chi tiết nhỏ có thể bị che khuất và những hình ảnh giả không mong muốn có thể xuất hiện trong phim chụp.
Hansen và các đồng nghiệp đã thiết kế một loạt thử nghiệm để tìm ra những lỗi sai trong các hệ thống tái tạo hình ảnh y tế dựa trên AI, bao gồm MRI, CT và NMR. Họ xem xét 3 vấn đề chính: sự bất ổn liên quan đến những nhiễu loạn nhỏ hoặc chuyển động; sự bất ổn đối với những thay đổi cấu trúc nhỏ, chẳng hạn một hình ảnh não bộ có hoặc không có khối u nhỏ; và sự bất ổn liên quan đến thay đổi số lượng mẫu.
Họ nhận thấy, những chuyển động nhỏ nhất định dẫn đến vô số sai lệch trong những hình ảnh cuối cùng, các chi tiết bị mờ hoặc biến mất, chất lượng tái tạo hình ảnh giảm xuống với bước lấy mẫu phụ lặp đi lặp lại (subsampling). Những lỗi sai này đã lan rộng trên các kiểu mạng thần kinh khác nhau.
Theo các nhà nghiên cứu, những lỗi sai đáng lo ngại nhất là khi bác sĩ hình ảnh nghĩ rằng đó là vấn đề bệnh lý, trái với những lỗi sai có thể dễ dàng loại bỏ vì vấn đề kỹ thuật. □
Thanh An dịch
Nguồn tin và ảnh: https://techxplore.com/news/2020-05-ai-techniques-medical-imaging-incorrect.htm
