Tái tạo ảnh bằng học sâu: rút ngắn thời gian chụp và cái giá đi kèm

Đây là mảng ứng dụng AI mà người bệnh cảm nhận trực tiếp nhất: thời gian nằm trong máy ngắn hơn, hoặc liều tia thấp hơn.

Nó cũng là mảng có một rủi ro đặc thù mà các ứng dụng khác không có.

Nguyên lý

Trong chụp cắt lớp và cộng hưởng từ, chất lượng ảnh phụ thuộc vào lượng dữ liệu thu được — liều tia trong cắt lớp, thời gian thu tín hiệu trong cộng hưởng từ.

Giảm liều hoặc rút ngắn thời gian thì dữ liệu thô ít hơn, và với thuật toán tái tạo truyền thống, ảnh sẽ nhiễu hơn.

Mô hình học sâu được huấn luyện trên các cặp dữ liệu: dữ liệu thu ở mức thấp và ảnh chất lượng cao tương ứng. Nó học cách chuyển từ cái đầu sang cái sau.

Lợi ích thực tế

• Giảm liều bức xạ — có ý nghĩa đặc biệt với trẻ em và với người phải chụp nhiều lần.
• Rút ngắn thời gian chụp cộng hưởng từ — tăng số ca mỗi máy, giảm thời gian chờ, giảm ảnh nhiễu do người bệnh cử động.
• Chụp được cho người khó hợp tác — trẻ nhỏ, người đau nhiều, người sợ không gian kín.
• Giảm ảo ảnh do kim loại hoặc cử động.

Điểm thứ ba đáng chú ý: với người không nằm yên được đủ lâu, việc rút ngắn thời gian có thể là khác biệt giữa có ảnh dùng được và không có gì.

Rủi ro đặc thù: chi tiết không có thật

Đây là vấn đề riêng của phương pháp này và cần được hiểu rõ.

Mô hình học một ảnh bình thường trông như thế nào. Khi dữ liệu đầu vào thiếu, nó điền vào phần thiếu dựa trên những gì đã học.

Hai hệ quả:

Tạo ra chi tiết không tương ứng dữ liệu thật

Ảnh trông sắc nét và hợp lý, nhưng một số chi tiết là sản phẩm của mô hình chứ không phải của tín hiệu thu được.

Làm mờ tổn thương không điển hình

Đây là rủi ro nghiêm trọng hơn. Một tổn thương nhỏ và bất thường không giống các mẫu mà mô hình đã học có thể bị làm trơn đi — vì mô hình có xu hướng kéo ảnh về phía những gì nó coi là bình thường.

Nghịch lý: ảnh trông đẹp hơn trong khi thông tin chẩn đoán có thể ít hơn.

Vì sao chỉ số chất lượng ảnh thông thường không đủ

Các chỉ số kỹ thuật như tỷ số tín hiệu trên nhiễu hay độ tương phản có thể rất tốt với ảnh tái tạo bằng học sâu — vì mô hình được tối ưu để làm ảnh trông sạch.

Nhưng đây không phải tiêu chí đúng. Tiêu chí đúng là: khả năng phát hiện tổn thương có được giữ nguyên không?

Việc đánh giá phải dựa trên hiệu năng chẩn đoán thực tế, không dựa trên vẻ ngoài của ảnh.

Cách kiểm định trước khi chuyển đổi

Kiểm trên ca có tổn thương, không chỉ ca bình thường

Điểm quan trọng nhất. Một bộ kiểm định gồm chủ yếu ảnh bình thường sẽ không phát hiện được vấn đề mất tổn thương.

Ưu tiên các tổn thương nhỏ và không điển hình

Đây chính là nhóm có nguy cơ bị làm mờ cao nhất — và cũng là nhóm mà việc phát hiện có giá trị lâm sàng cao nhất.

Đối chiếu song song

Trong giai đoạn chuyển đổi, tái tạo cùng một bộ dữ liệu bằng cả hai phương pháp và so sánh. Việc này tốn công nhưng cho bằng chứng trực tiếp.

Giữ lại khả năng tái tạo truyền thống

Khi có nghi ngờ về một chi tiết, cần tái tạo lại bằng thuật toán truyền thống để đối chiếu. Nếu hệ thống không giữ dữ liệu thô đủ lâu để làm việc này, đó là một hạn chế cần biết trước.

Theo dõi sau khi chuyển đổi

• Tỷ lệ phát hiện các tổn thương nhỏ có thay đổi không so với giai đoạn trước?
• Tỷ lệ phải chụp lại vì ảnh không đủ chất lượng?
• Phản hồi của bác sĩ đọc phim — có cảm giác ảnh trông khác không?
• Các ca bỏ sót được phát hiện sau — có mẫu hình chung nào không?

Mục thứ ba đáng coi trọng hơn vẻ ngoài của nó: người đọc phim hằng ngày thường nhận ra sự thay đổi về đặc tính ảnh trước khi nó hiện ra trong số liệu.

Ghi chép

Nên ghi trong báo cáo phương pháp tái tạo đã dùng và phiên bản phần mềm.

Lý do thực tế: khi so sánh với phim cũ được tái tạo bằng phương pháp khác, một số khác biệt về hình ảnh có thể đến từ thuật toán chứ không từ bệnh. Người đọc lần sau cần biết điều này.

Một cách nhìn

Tái tạo bằng học sâu là công nghệ có lợi ích rõ ràng và đang được triển khai rộng. Vấn đề không phải là có nên dùng hay không.

Vấn đề là nó thuộc loại công nghệ mà chất lượng bề ngoài và chất lượng chẩn đoán có thể tách rời nhau — và đó là điều hiếm gặp trong chẩn đoán hình ảnh.

Nên cách kiểm định phải nhắm vào cái thứ hai, dù cái thứ nhất là thứ dễ nhìn thấy hơn nhiều.

Câu hỏi thường gặp