Quét võng mạc, AI chẩn đoán từ chứng suy tim đến bệnh Parkinson

Các nhà khoa học đã phát triển một mô hình có khả năng tự học cách phân biệt giữa võng mạc “bình thường” và võng mạc “bị bệnh”, sau đó đưa ra chẩn đoán.

Các nhà khoa học từ Imperial College London và Bệnh viện mắt Moorfield/London, đã phát triển một công cụ trí tuệ nhân tạo (AI) có thể chẩn đoán và dự đoán nguy cơ phát triển nhiều loại bệnh - từ bệnh về mắt đến suy tim và bệnh Parkinson - dựa trên hình ảnh võng mạc của con người.

Các công cụ AI đã được đào tạo để phát hiện bệnh từ hình ảnh võng mạc, nhưng điều khiến công cụ mới, có tên RETFound, trở nên độc đáo là nó được phát triển bằng phương pháp được gọi là học không giám sát. Các nhà nghiên cứu không cần phải phân tích từng hình ảnh trong số 1,6 triệu hình ảnh võng mạc được sử dụng để đào tạo và phân loại chúng là “bình thường” hoặc “bất thường”. Các trình tự như vậy được gọi là gắn thẻ dữ liệu và đòi hỏi nhiều thời gian và tiền bạc.

Thay vào đó, họ đã sử dụng một phương pháp tương tự cách được sử dụng để huấn luyện các Mô hình ngôn ngữ lớn (BLM) như ChatGPT. BLM sử dụng một lượng lớn văn bản để học cách dự đoán từ tiếp theo trong câu dựa theo ngữ cảnh. Tương tự, RETFound sử dụng nhiều loại ảnh võng mạc khác nhau để dự đoán những phần hình ảnh bị thiếu.

Võng mạc của con người có thể đóng vai trò như một “cửa sổ” vào cơ thể và tiết lộ nhiều điều về sức khỏe, vì đây là bộ phận duy nhất của cơ thể con người mà qua đó mạng lưới mao mạch của các mạch máu nhỏ có thể được quan sát trực tiếp.

Nếu một người mắc bệnh tim mạch, chẳng hạn như tăng huyết áp, mọi mạch máu trong cơ thể có khả năng bị ảnh hưởng, mà có thể thấy điều đó trực tiếp qua hình ảnh võng mạc. Võng mạc cũng là một phần mở rộng của hệ thần kinh trung ương, có nghĩa là hình ảnh của võng mạc có thể được sử dụng để đánh giá sức khỏe của mô thần kinh.

Sau khi đào tạo RETFound trên 1,6 triệu hình ảnh võng mạc không được gắn nhãn, các nhà nghiên cứu có thể nhập một số lượng nhỏ hình ảnh được gắn nhãn để đào tạo mô hình nhận biết các bệnh cụ thể. Các nhà nghiên cứu cho biết, bằng cách tìm hiểu từ tất cả các hình ảnh không được gắn nhãn, mô hình có thể dễ dàng tìm hiểu các đặc điểm của võng mạc liên quan đến một căn bệnh cụ thể.

Hiện nay, mô hình này đã bắt đầu được công bố rộng rãi và các trung tâm y khoa trên khắp thế giới có thể ứng dụng mô hình này trên các nhóm bệnh nhân riêng biệt.