Các nhà nghiên cứu tại Trung tâm Y tế Tây Nam thuộc trường Đại học Texas đã tạo ra công cụ phần mềm sử dụng trí tuệ nhân tạo để nhận diện các tế bào ung thư từ hình ảnh số về bệnh lý, cung cấp cho các bác sĩ lâm sàng một phương pháp hiệu quả để dự đoán tình trạng của bệnh nhân.

Sự phân bố theo không gian của nhiều loại tế bào khác nhau có thể tiết lộ mô hình phát triển của bệnh ung thư, mối quan hệ của nó với môi trường vi mô xung quanh và phản ứng miễn dịch của cơ thể. Nhưng quá trình xác định tất cả các tế bào trong slide bệnh lý tốn nhiều công sức và dễ bị lỗi.

 "Vì thường có hàng triệu tế bào trong một mẫu mô, nên một nhà nghiên cứu bệnh học chỉ có thể phân tích rất nhiều slide trong một ngày. Để chẩn đoán, các nhà giải phẫu bệnh thường chỉ kiểm tra chi tiết một số vùng “đại diện” thay vì toàn bộ slide. Tuy nhiên, một số chi tiết quan trọng có thể bị phương pháp này bỏ qua", TS. Guanghua "Andy" Xiao, đồng tác giả nghiên cứu nói.

TS. Xiao bổ sung, não người khó tiếp nhận các mẫu hình thái đột ngột. Do đó, thách thức kỹ thuật lớn trong việc nghiên cứu một cách có hệ thống môi trường vi mô ở khối u là làm thế nào để tự động phân loại nhiều loại tế bào khác nhau và định lượng sự phân bố của chúng theo không gian.

Thuật toán trí tuệ nhân tạo mà nhóm nghiên cứu đã phát triển, được gọi là ConvPath, khắc phục được những trở ngại này bằng cách sử dụng trí tuệ nhân tạo để phân loại các loại tế bào từ hình ảnh bệnh lý ung thư phổi.

Thuật toán ConvPath có thể "nhìn" vào các tế bào và xác định chủng loại dựa vào sự xuất hiện của chúng trong các hình ảnh bệnh lý nhờ có thuật toán trí tuệ nhân tạo do các nhà nghiên cứu bệnh học ở người tạo ra. Thuật toán này chuyển đổi hiệu quả hình ảnh bệnh lý thành "bản đồ" hiển thị sự phân bố theo không gian và tương tác của các tế bào khối u, tế bào cơ địa (tức là tế bào mô liên kết) và tế bào lympho (tức là tế bào bạch cầu) trong mô khối u.

Các tế bào khối u kết hợp tốt với nhau hoặc lan vào các hạch bạch huyết là một yếu tố tiết lộ phản ứng miễn dịch của cơ thể. Vì thế, việc nắm được thông tin đó sẽ giúp các bác sỹ điều chỉnh kế hoạch điều trị và xác định đúng liệu pháp miễn dịch trị liệu.

Cuối cùng, thuật toán giúp các nhà giải phẫu bệnh học thu được phân tích tế bào ung thư chính xác nhất theo cách nhanh hơn nhiều.

TS. Xiao cho rằng: "Các nhà giải phẫu bệnh tốn nhiều thời gian và gặp khó khăn khi xác định vị trí các khối u rất nhỏ trong hình ảnh mô. Vì vậy, công cụ mới có thể làm giảm đáng kể thời gian mà các nhà giải phẫu bệnh cần dành cho mỗi hình ảnh". 
P.K.L (NASATI), theo https://www.eurekalert.org/pub_releases/2019-12/usmc-nst120919.php, 12/2019