AI phân tích khuôn mặt giúp dự đoán khả năng sống sót ở bệnh nhân ung thư

Theo Finacial Times, công nghệ này, được gọi là FaceAge, sử dụng thuật toán học sâu để ước tính “tuổi sinh học” của bệnh nhân dựa trên đặc điểm khuôn mặt. Kết quả nghiên cứu cho thấy bệnh nhân ung thư thường có tuổi sinh học trung bình lớn hơn khoảng năm tuổi so với tuổi thực. Nghiên cứu được công bố trên tạp chí Lancet Digital Health cho thấy tiềm năng ứng dụng của công nghệ AI trong hỗ trợ quyết định lâm sàng.

Công cụ công nghệ mới, được gọi là FaceAge, bổ sung vào nỗ lực sử dụng ước tính về quá trình lão hóa ở các cơ quan trong cơ thể như là dấu hiệu sinh học cho các nguy cơ mắc bệnh tiềm ẩn - Ảnh: Finacial Time

Dữ liệu có giá trị lâm sàng

Tiến sĩ Hugo Aerts, Giám đốc chương trình AI trong y học tại Bệnh viện đa khoa Massachusetts Brigham (Mỹ) và là đồng tác giả cấp cao của nghiên cứu, cho biết hình ảnh khuôn mặt có thể cung cấp thông tin quan trọng, mang ý nghĩa lâm sàng trong việc lập kế hoạch điều trị.

“Tuổi của một người không chỉ là con số trên giấy tờ. Kết quả cho thấy những bệnh nhân có tuổi sinh học (FaceAge) trẻ hơn tuổi thật sẽ có tiên lượng sống tốt hơn sau điều trị ung thư”, ông Aerts nói.

Công cụ FaceAge được huấn luyện từ một tập dữ liệu gồm 58.851 bức ảnh của những người khỏe mạnh, được thu thập từ các cơ sở dữ liệu công cộng. Sau đó, hệ thống được kiểm tra trên 6.196 bệnh nhân ung thư, với hình ảnh khuôn mặt được chụp tại thời điểm bắt đầu xạ trị.

Phân tích từ AI cho thấy mối liên hệ rõ ràng giữa tuổi sinh học do FaceAge dự đoán và tỷ lệ sống sót. Cụ thể, những bệnh nhân có FaceAge cao hơn tuổi thật thường có kết quả điều trị kém hơn, ngay cả sau khi đã điều chỉnh theo các yếu tố như giới tính và loại ung thư. Mối liên hệ này đặc biệt rõ ở nhóm bệnh nhân có FaceAge trên 85 tuổi.

Để kiểm tra khả năng hỗ trợ lâm sàng của FaceAge, nhóm nghiên cứu đã tiến hành một thử nghiệm nhỏ với 10 bác sĩ và nhà nghiên cứu. Những người này được yêu cầu dự đoán liệu một số bệnh nhân ung thư đang xạ trị giảm nhẹ có còn sống sau 6 tháng hay không, chỉ dựa vào ảnh chụp khuôn mặt.

Khi không có trợ giúp từ AI, độ chính xác trung bình của các bác sĩ là 61%. Tuy nhiên, khi kết hợp với phân tích của FaceAge, tỷ lệ này tăng lên đến 80%. Điều này cho thấy AI có thể đóng vai trò bổ sung đáng kể trong việc đưa ra các quyết định lâm sàng có độ chính xác cao hơn.

Tuy nhiên, nhóm nghiên cứu cũng cảnh báo rằng mô hình FaceAge vẫn có những hạn chế nhất định. Các rủi ro tiềm ẩn bao gồm sai lệch trong dữ liệu đào tạo và nguy cơ một số kết quả có thể phản ánh lỗi mô hình thay vì sự khác biệt thực sự giữa tuổi sinh học và tuổi theo niên đại.

Công cụ đánh giá lão hóa

FaceAge là một phần trong làn sóng nghiên cứu sử dụng các chỉ dấu sinh học liên quan đến quá trình lão hóa, đặc biệt là “tuổi sinh học” nhằm đánh giá nguy cơ bệnh tật hoặc tử vong ở người cao tuổi và bệnh nhân mắc bệnh mạn tính.

Một trong những hướng tiếp cận phổ biến là đánh giá mức độ lão hóa của các cơ quan nội tạng, thường thông qua các xét nghiệm sinh học hoặc hình ảnh học. Vào tháng 2 năm nay, một nghiên cứu riêng biệt đã công bố xét nghiệm máu đơn giản giúp phát hiện tốc độ lão hóa của nhiều cơ quan trong cơ thể và xác định nguy cơ mắc hơn 30 loại bệnh, trong đó có ung thư phổi.

Ngoài ra, khái niệm “lão hóa được nhận thức”, tức là ấn tượng về tuổi của một người khi nhìn bằng mắt thường, cũng đang thu hút sự quan tâm trong y học. Một số nghiên cứu cho thấy lão hóa được nhận thức có thể dự đoán khả năng tử vong và nguy cơ mắc bệnh liên quan đến tuổi tác. Tuy nhiên, phương pháp này đòi hỏi sự đánh giá chủ quan của chuyên gia và tốn kém thời gian cũng như chi phí.

AI như FaceAge giúp vượt qua những hạn chế đó bằng khả năng xử lý khối lượng lớn hình ảnh nhanh chóng, đồng thời mang lại kết quả có tính nhất quán cao hơn.

Minh bạch hơn trong cơ chế AI

Một số chuyên gia độc lập đánh giá nghiên cứu FaceAge là một bước tiến đáng kể. Tiến sĩ Jaume Bacardit, chuyên gia về AI tại Đại học Newcastle (Anh), người cũng đang nghiên cứu mối liên hệ giữa AI và quá trình lão hóa khuôn mặt, cho rằng phương pháp của nhóm nghiên cứu “có vẻ khá kỹ lưỡng”.

Tuy nhiên, ông Bacardit lưu ý rằng cần có thêm dữ liệu về cách thức hoạt động của mô hình để bảo đảm minh bạch và kiểm tra những yếu tố có thể làm sai lệch kết quả.

“Cần xác định chính xác mô hình đang tập trung vào bộ phận nào trên khuôn mặt để đưa ra đánh giá, chẳng hạn như nếp nhăn, vùng mắt, hay đặc điểm da. Nếu không rõ, các yếu tố gây nhiễu có thể bị bỏ sót”, ông nói.

Nhóm nghiên cứu hiện đang mở rộng thử nghiệm FaceAge trên nhiều nhóm bệnh nhân hơn, đồng thời đánh giá khả năng dự đoán tình trạng sức khỏe tổng thể và tuổi thọ. Đây được xem là một trong nhiều ứng dụng tiềm năng của AI trong cá nhân hóa chăm sóc y tế.

Nghiên cứu FaceAge cho thấy phân tích khuôn mặt bằng trí tuệ nhân tạo có thể cung cấp thông tin bổ ích trong dự báo kết quả điều trị ung thư, vượt qua một số giới hạn của đánh giá truyền thống. Mặc dù còn cần thêm kiểm nghiệm và minh bạch về cơ chế hoạt động, công cụ này mở ra triển vọng mới trong việc kết hợp công nghệ AI với y học cá thể hóa, giúp hỗ trợ ra quyết định hiệu quả và chính xác hơn cho cả bác sĩ lẫn bệnh nhân.

Hoàng Vũ