Theo dõi da kỹ thuật số: AI đang thay đổi phát hiện sớm như thế nào

Trí tuệ nhân tạo áp dụng cho phân tích da dựa vào một nhánh của học máy gọi là học sâu, cụ thể là các mạng nơ-ron tích chập đã được đào tạo để nhận diện các mẫu trong hình ảnh. Các hệ thống này học hỏi bằng cách xử lý hàng trăm ngàn bức ảnh dermoscopic và lâm sàng đã được gán nhãn, phát triển khả năng nhận diện các đặc điểm hình ảnh liên quan đến các tình trạng da khác nhau. Quá trình đào tạo bao gồm việc cung cấp cho thuật toán các hình ảnh đã được chẩn đoán bởi các bác sĩ da liễu chuyên gia và xác nhận qua sinh thiết khi cần thiết.

Qua nhiều lần lặp lại, mạng lưới học cách nhận diện các mẫu tinh vi trong phân bố màu sắc, kết cấu, đặc điểm biên giới, các đặc điểm cấu trúc, và các thuộc tính hình ảnh khác có tương quan với các chẩn đoán cụ thể. Kết quả là một hệ thống có thể phân tích một hình ảnh mới và cung cấp đánh giá xác suất về các tình trạng có thể xảy ra. Các hệ thống phân tích da bằng AI hiện đại không chỉ đơn giản là áp dụng quy tắc ABCDE một cách chương trình.

Chúng nhận diện các mẫu phức tạp và tinh vi hơn nhiều so với bất kỳ phương pháp dựa trên danh sách kiểm tra nào. Một số đặc điểm mà AI đánh giá cao có thể thậm chí không có tên trong thuật ngữ lâm sàng vì chúng đại diện cho các mối quan hệ toán học giữa các giá trị pixel có ý nghĩa thống kê nhưng vô hình đối với nhận thức mẫu của con người. Các hệ thống AI hiện tại cho phân loại tổn thương da đã đạt được mức độ chính xác tương đương với các bác sĩ da liễu được chứng nhận trong các nghiên cứu kiểm soát, mặc dù hiệu suất trong thực tế liên quan đến các biến số bổ sung ảnh hưởng đến độ tin cậy.!!

Các hệ thống này xuất sắc trong việc xử lý khối lượng lớn hình ảnh một cách nhanh chóng và nhất quán, mà không bị mệt mỏi hoặc thiên lệch nhận thức có thể ảnh hưởng đến các đánh giá của con người. Tuy nhiên, hiểu cách phân tích AI hoạt động cũng có nghĩa là hiểu những hạn chế của nó. Các hệ thống này sản xuất các đánh giá xác suất, không phải chẩn đoán chắc chắn.

Chúng được đào tạo trên các tập dữ liệu cụ thể có thể không đại diện cho tất cả các tông màu da, loại tổn thương, hoặc điều kiện chụp ảnh một cách công bằng. Chất lượng của hình ảnh đầu vào ảnh hưởng mạnh mẽ đến chất lượng của đánh giá đầu ra, làm cho kỹ thuật chụp ảnh đúng trở nên thiết yếu.

Trong các phòng khám da liễu, AI đang được tích hợp như một công cụ hỗ trợ quyết định nhằm tăng cường chứ không thay thế phán đoán lâm sàng của bác sĩ da liễu. Các hệ thống lâm sàng này thường làm việc với các hình ảnh dermoscopic được chụp bằng thiết bị y tế tiêu chuẩn hóa, cung cấp một mức độ chất lượng hình ảnh và tính nhất quán hỗ trợ độ chính xác phân tích cao hơn. Một số hệ thống AI lâm sàng đã nhận được sự chấp thuận quy định để sử dụng như các công cụ chẩn đoán bổ sung.

Các hệ thống này phân tích các hình ảnh dermoscopic theo thời gian thực trong quá trình khám bệnh nhân và đánh dấu các tổn thương hiển thị các đặc điểm liên quan đến ác tính. Bác sĩ da liễu thấy đánh giá của AI bên cạnh ấn tượng lâm sàng của riêng họ, tạo ra một đánh giá từ hai góc độ có thể phát hiện các phát hiện mà cả con người hoặc máy móc có thể bỏ lỡ khi làm một mình. Các nền tảng chụp ảnh toàn bộ cơ thể được tăng cường bởi AI đại diện cho một ứng dụng lâm sàng khác.

Các hệ thống này chụp toàn bộ bề mặt da của bệnh nhân bằng cách sử dụng một thiết lập đa camera tiêu chuẩn hóa, sau đó sử dụng các thuật toán để xác định, lập danh mục, và theo dõi mọi tổn thương có thể nhìn thấy. Tại các lần tái khám, hệ thống tự động so sánh các bức ảnh mới với cơ sở, làm nổi bật các tổn thương đã thay đổi về kích thước, hình dạng, hoặc màu sắc và đánh dấu các tổn thương mới không có mặt tại lần khám trước đó. Việc phát hiện thay đổi tự động này giải quyết một trong những thách thức lớn nhất trong da liễu: xác định một cách đáng tin cậy các thay đổi tinh vi giữa hàng trăm nốt ruồi trên một bệnh nhân.

Ngay cả bác sĩ da liễu có kinh nghiệm nhất cũng không thể ghi nhớ chính xác hình dạng của từng nốt ruồi giữa các lần khám hàng năm, làm cho việc theo dõi liên tục hỗ trợ AI trở thành một cải tiến thực sự trong khả năng lâm sàng. Nghiên cứu vẫn tiếp tục mở rộng các ứng dụng của AI trong da liễu vượt ra ngoài việc phát hiện ung thư hắc tố. Các thuật toán đang được phát triển và tinh chỉnh để xác định ung thư biểu mô tế bào đáy, ung thư biểu mô tế bào vảy, keratosis actinic, và các tình trạng lành tính khác nhau. Một số hệ thống nhằm phân loại các phàn nàn về da trong các thiết lập chăm sóc chính, giúp các bác sĩ đa khoa quyết định bệnh nhân nào cần chuyển gấp đến da liễu và bệnh nhân nào có thể được theo dõi an toàn.

Phân tích da bằng AI hướng tới người tiêu dùng thông qua các ứng dụng điện thoại thông minh đã làm cho việc sàng lọc hỗ trợ công nghệ trở nên dễ tiếp cận với bất kỳ ai có điện thoại và kết nối internet. Những ứng dụng này cho phép người dùng chụp ảnh một tổn thương da và nhận được đánh giá do AI tạo ra trong vòng vài giây, làm cho việc tiếp cận một hình thức phân tích sơ bộ trở nên phổ biến. Sự hấp dẫn là điều hiển nhiên.

Không phải ai cũng có thể dễ dàng tiếp cận bác sĩ da liễu, cho dù vì khoảng cách địa lý, chi phí, thời gian chờ đợi hay nhận thức. Một ứng dụng điện thoại thông minh có thể đánh dấu những tổn thương đáng lo ngại và khuyến khích người dùng tìm kiếm đánh giá chuyên nghiệp lấp đầy một khoảng trống quan trọng, đặc biệt ở những khu vực thiếu thốn nơi bác sĩ da liễu hiếm. Tuy nhiên, việc sàng lọc dựa trên điện thoại thông minh đi kèm với những cảnh báo đáng kể.

Chất lượng hình ảnh từ camera điện thoại của người tiêu dùng thay đổi rất nhiều tùy thuộc vào thiết bị, điều kiện ánh sáng, độ ổn định của tay và khoảng cách từ tổn thương. Các hệ thống AI được đào tạo trên các hình ảnh dermoscopic chất lượng cao có thể hoạt động khác nhau khi phân tích các bức ảnh được chụp bằng điện thoại thông minh của người tiêu dùng trong các điều kiện thực tế khác nhau.!! Người dùng phải hiểu rằng những công cụ này cung cấp các đánh giá sơ bộ, không phải chẩn đoán.

Các nghiên cứu về độ chính xác trên các ứng dụng phân tích da của người tiêu dùng đã cho thấy kết quả hỗn hợp. Một số ứng dụng hoạt động tốt trong các đánh giá có kiểm soát, trong khi những ứng dụng khác đã cho thấy tỷ lệ âm tính giả đáng lo ngại khi các tổn thương có thể nguy hiểm được phân loại là có nguy cơ thấp. Sự giám sát quy định đối với những ứng dụng này thay đổi theo từng quốc gia, và không phải tất cả các ứng dụng có sẵn trên thị trường đều đã trải qua sự xác thực lâm sàng nghiêm ngặt.

Các ứng dụng phân tích da trên điện thoại thông minh có trách nhiệm nhất định vị mình như những công cụ phân loại giúp người dùng quyết định xem có nên tìm kiếm đánh giá chuyên nghiệp hay không, thay vì là những thay thế chẩn đoán cho bác sĩ da liễu. Họ khuyến khích người dùng nhận được các đánh giá đáng lo ngại để lên lịch hẹn với bác sĩ da liễu, và nhiều ứng dụng bao gồm nội dung giáo dục về tự kiểm tra và các dấu hiệu cảnh báo.

Nguyên tắc quan trọng nhất trong việc hiểu vai trò của AI trong sức khỏe da là những công nghệ này được thiết kế để bổ sung cho chuyên môn của con người chứ không phải thay thế nó. Sự phân biệt này không chỉ mang tính ngoại giao mà còn phản ánh những giới hạn kỹ thuật và thực tiễn thực sự khiến sự giám sát của con người trở nên cần thiết. Các hệ thống AI thiếu khả năng thu thập lịch sử bệnh nhân, hỏi về thời gian triệu chứng, tìm hiểu về lịch sử gia đình, sờ nắn một tổn thương để đánh giá kết cấu và độ sâu, hoặc tích hợp toàn bộ bối cảnh lâm sàng mà thông tin này thông báo cho đánh giá của bác sĩ da liễu.

Một bức ảnh chỉ ghi lại thông tin hình ảnh, trong khi một đánh giá da liễu hoàn chỉnh bao gồm thông tin xúc giác, lịch sử và hệ thống mà không có AI dựa trên hình ảnh nào có thể truy cập. Bác sĩ da liễu mang lại lý luận bối cảnh mà các hệ thống AI hiện tại không thể tái tạo. Họ hiểu rằng một tổn thương ở lòng bàn chân của một bệnh nhân cao tuổi mang lại những ý nghĩa khác với một tổn thương tương tự trên thân của một thanh thiếu niên.

Họ nhận ra khi nào lịch sử thuốc của bệnh nhân, tình trạng miễn dịch hoặc nền tảng di truyền thay đổi xác suất của nhiều chẩn đoán khác nhau. Họ nhận thấy các dấu hiệu của tổn thương do ánh nắng mặt trời, các mẫu lão hóa và các manh mối bối cảnh khác có thể nhìn thấy trên bề mặt da rộng hơn. Mô hình tối ưu đặt AI như một trợ lý có khả năng cao giúp nâng cao chăm sóc da liễu ở nhiều cấp độ.

Đối với bệnh nhân, các công cụ tự theo dõi bằng AI tăng cường nhận thức và cung cấp sàng lọc sơ bộ giữa các lần khám chuyên nghiệp. Đối với các bác sĩ chăm sóc chính, các hệ thống phân loại AI giúp xác định bệnh nhân cần được giới thiệu khẩn cấp đến chuyên gia. Đối với các bác sĩ da liễu, các hệ thống hỗ trợ quyết định AI cung cấp một ý kiến thứ hai có thể phát hiện những phát hiện tinh tế và cải thiện tính nhất quán chẩn đoán.

Mô hình hợp tác này đã cho thấy kết quả hứa hẹn trong các nghiên cứu mà sự kết hợp giữa bác sĩ da liễu và AI vượt trội hơn so với bác sĩ da liễu một mình hoặc AI một mình. Những điểm mạnh bổ sung của lý luận lâm sàng của con người và nhận dạng mẫu thuật toán tạo ra một hệ thống phát hiện mạnh mẽ hơn so với bất kỳ phương pháp nào hoạt động độc lập.

Hướng đi của AI trong sức khỏe da chỉ ra rằng các hệ thống ngày càng tích hợp, dễ tiếp cận và chính xác sẽ định hình lại cách các tình trạng da được phát hiện và theo dõi trong thập kỷ tới. Một số phát triển mới nổi gợi ý hướng đi mà công nghệ này đang hướng tới. Các hệ thống AI đa phương thức không chỉ phân tích hình ảnh mà còn cả triệu chứng do bệnh nhân báo cáo, lịch sử y tế, yếu tố nguy cơ di truyền và dữ liệu môi trường đang được phát triển.

Những hệ thống toàn diện hơn này nhằm cung cấp các đánh giá gần giống như đánh giá toàn diện mà bác sĩ da liễu thực hiện, tích hợp nhiều luồng dữ liệu thay vì chỉ dựa vào phân tích hình ảnh. Các phương pháp học tập liên kết có thể giải quyết một trong những hạn chế hiện tại của phân tích da bằng AI: thiên lệch trong tập dữ liệu. Bằng cách đào tạo các thuật toán trên các quần thể đa dạng mà không tập trung hóa các hình ảnh y tế nhạy cảm, học tập liên kết có thể tạo ra các mô hình đại diện hơn có thể hoạt động đáng tin cậy trên tất cả các tông màu và loại da.

Các hệ thống hiện tại thường hoạt động kém trên các tông màu da tối hơn do dữ liệu đào tạo nghiêng về các quần thể có làn da sáng hơn, và việc giải quyết sự bất bình đẳng này là một ưu tiên nghiên cứu. Công nghệ đeo có thể cho phép theo dõi da liên tục hoặc bán liên tục trong tương lai. Các thiết bị có khả năng hình ảnh có thể chụp và phân tích bề mặt da định kỳ, tự động phát hiện các thay đổi và cảnh báo người dùng về những tổn thương cần chú ý.

Sự chuyển đổi từ tự kiểm tra định kỳ sang theo dõi liên tục thụ động có thể phát hiện các thay đổi ở giai đoạn sớm hơn. Việc tích hợp với hồ sơ sức khỏe điện tử sẽ cho phép kết quả phân tích da bằng AI trở thành một phần của hồ sơ y tế dài hạn của bệnh nhân, có sẵn cho tất cả các nhà cung cấp dịch vụ chăm sóc sức khỏe của họ. Sự kết nối này sẽ cho phép chăm sóc được phối hợp tốt hơn và theo dõi các xu hướng sức khỏe da trong suốt cuộc đời của bệnh nhân.

Các khung quy định đang phát triển để theo kịp công nghệ. Khi các công cụ phân tích da bằng AI trở nên tinh vi hơn và được sử dụng rộng rãi, các tiêu chuẩn rõ ràng hơn về xác thực, báo cáo độ chính xác và vị trí lâm sàng sẽ giúp cả người tiêu dùng và nhà cung cấp dịch vụ chăm sóc sức khỏe hiểu rõ vai trò thích hợp của những công cụ này trong hệ sinh thái chăm sóc sức khỏe rộng lớn hơn.