Đột phá AI: Dự báo khả năng sống của bệnh nhân ung thư qua ảnh chụp

Ảnh: Addictive Stock Creatives/Alamy

Các chuyên gia tại Mass General Brigham, hệ thống chăm sóc sức khỏe học thuật phi lợi nhuận có trụ sở tại bang Massachusetts, Mỹ, đã phát triển một hệ thống AI có khả năng phân tích ảnh khuôn mặt để ước tính tuổi sinh học và dự đoán khả năng sống sót của bệnh nhân ung thư.

Nghiên cứu được công bố trên tạp chí The Lancet Digital Health ngày 19/10, sử dụng dữ liệu huấn luyện gồm hơn 40 triệu ảnh khuôn mặt thuộc nhiều nhóm sắc tộc và độ tuổi. Kết quả cho thấy công nghệ phân tích khuôn mặt có thể cung cấp thêm thông tin về tình trạng sức khỏe, qua đó mở ra hướng tiếp cận mới trong đánh giá nguy cơ và hỗ trợ quyết định điều trị.

Hai công cụ, hai cách đánh giá nguy cơ

Nhóm nghiên cứu phát triển hai công cụ bổ trợ cho nhau từ cùng một mô hình AI nền tảng. FAHR-FaceAge ước tính tuổi sinh học của bệnh nhân và sử dụng thông tin này để dự đoán khả năng sống sót. Trong khi đó, FAHR-FaceSurvival dự đoán trực tiếp khả năng sống sót từ ảnh khuôn mặt, không cần suy luận thông qua tuổi sinh học.

Hai công cụ khai thác những đặc điểm khác nhau trên khuôn mặt. FAHR-FaceAge tập trung vào các nếp nhăn kéo dài từ hai bên cánh mũi xuống khóe miệng, vùng trán phía trên hốc mắt và hai bên thái dương. FAHR-FaceSurvival chú ý đến vùng dưới mắt và khu vực quanh sống mũi.

Theo ông Hugo Aerts, một trong những tác giả chính của nghiên cứu, FAHR-FaceSurvival đánh dấu bước tiến trong lĩnh vực AI nhận diện sức khỏe qua khuôn mặt khi có thể học cách dự đoán nguy cơ sống sót trực tiếp từ ảnh của bệnh nhân ung thư.

“Đây là lần đầu tiên, theo hiểu biết của chúng tôi, một mô hình AI được chứng minh có thể trực tiếp dự đoán khả năng sống sót của bệnh nhân ung thư chỉ từ một bức ảnh đơn giản”, ông Aerts cho biết.

Một kết quả đáng chú ý được ghi nhận ở nhóm bệnh nhân ung thư tại Mỹ được điều trị bằng xạ trị. Trong thời gian theo dõi trung bình 4 năm, những người có diện mạo già hơn tuổi thực từ 5 năm trở lên theo đánh giá của FAHR-FaceAge có nguy cơ tử vong cao hơn 21% so với những bệnh nhân còn lại. Ngược lại, nhóm có diện mạo trẻ hơn tuổi thực từ 5 năm trở lên có nguy cơ tử vong thấp hơn 17%.

Những con số này cho thấy đặc điểm khuôn mặt có thể chứa thông tin hữu ích về tình trạng thể chất và tiên lượng của người bệnh. Tuy nhiên, kết quả nghiên cứu không có nghĩa chỉ cần nhìn vào khuôn mặt là có thể xác định chính xác thời gian sống của một bệnh nhân.

Hỗ trợ cá thể hóa điều trị, không thay thế bác sĩ

Theo nhóm nghiên cứu, tuổi sinh học - phản ánh mức độ lão hóa của cơ thể thay vì số năm đã sống - có thể liên quan đến tình trạng sức khỏe thể chất và khả năng chịu đựng các phương pháp điều trị chuyên sâu.

Tiến sĩ Raymond Mak, bác sĩ chuyên khoa ung thư xạ trị tại Mass General Brigham cho rằng, khi dân số ngày càng già hóa, các bác sĩ cần những phương pháp tốt hơn để đánh giá khả năng dự trữ thể chất và mức độ suy yếu của bệnh nhân trước khi đề xuất xạ trị, phẫu thuật hoặc điều trị toàn thân.

Việc đánh giá này đặc biệt có ý nghĩa với những bệnh nhân lớn tuổi hoặc có thể trạng yếu, bởi lợi ích và rủi ro của một phương pháp điều trị không giống nhau ở tất cả mọi người. Nếu được kiểm chứng và ứng dụng phù hợp, công cụ AI có thể cung cấp thêm dữ liệu để bác sĩ cân nhắc nguy cơ tử vong hoặc biến chứng sau phẫu thuật lớn và các phương pháp điều trị ung thư khác.

Ông Mak nhấn mạnh mục tiêu của nhóm là giúp việc đánh giá sức khỏe từ ảnh khuôn mặt trở nên định lượng, nhất quán và có thể triển khai trên quy mô rộng hơn, qua đó hỗ trợ quyết định điều trị cá thể hóa, chứ không thay thế nhận định chuyên môn của bác sĩ.

Đáng chú ý, FAHR-FaceAge vẫn cho kết quả tương đối nhất quán trước những thay đổi thường gặp của ảnh chụp, như góc chụp, ánh sáng, biểu cảm và trang điểm. Công cụ này cũng duy trì tính ổn định trong hầu hết các loại phẫu thuật thẩm mỹ được thử nghiệm, dù nhóm nghiên cứu ghi nhận một thay đổi nhỏ sau phẫu thuật tạo hình mũi.

Dù vậy, các nhà nghiên cứu cảnh báo công nghệ vẫn cần được đánh giá thêm trước khi triển khai rộng rãi trong thực hành lâm sàng. Khả năng dự đoán của mô hình cần được kiểm chứng trên những nhóm bệnh nhân và bối cảnh điều trị khác nhau, đồng thời phải được xem xét cùng các dữ liệu lâm sàng hiện có.

Một bức ảnh khuôn mặt có ưu điểm là dễ thu thập và chi phí thấp, nhưng không thể thay thế các xét nghiệm, đánh giá thể trạng toàn diện hay quá trình trao đổi giữa bác sĩ và bệnh nhân. Giá trị lớn nhất của công nghệ này, nếu được chứng minh qua các nghiên cứu tiếp theo, có thể nằm ở việc cung cấp thêm một công cụ hỗ trợ để bác sĩ hiểu rõ hơn tình trạng người bệnh trước khi đưa ra những quyết định điều trị quan trọng.