Một chương trình phân tích hình ảnh tự động với trí tuệ nhân tạo (AI) hỗ trợ cải thiện độ chính xác chẩn đoán của bác sĩ da liễu, đặc biệt là trong công tác khám chữa bệnh từ xa, đối với các tổn thương trên da đáng lo ngại. Dữ liệu nghiên cứu đã được công bố trên Tạp chí của Học viện Da liễu Hoa Kỳ.
Úc hiện đang thiếu bác sĩ da liễu, dẫn đến thời gian chờ đợi lâu cho bệnh nhân. Trong nỗ lực cải thiện khả năng tiếp cận dịch vụ chăm sóc của bệnh nhân, MoleMap Ltd và Monash eResearch đã phát triển một thuật toán dựa trên mạng nơ-ron tích chập (CNN) tự động phân loại các tổn thương đáng lo ngại từ các hình ảnh.
Để kiểm tra thuật toán CNN, thử nghiệm lâm sàng tiền cứu, cải thiện Quản lý ung thư da bằng trí tuệ nhân tạo (SMARTI), đã tuyển dụng các bệnh nhân (N=214) có 1 hoặc nhiều tổn thương da đáng lo ngại (n=743) từ Viện chăm sóc sức khỏe da và bệnh viện Alfred. ở Úc từ năm 2019 đến năm 2021.
Các tổn thương đã được chẩn đoán và một kế hoạch quản lý được xây dựng bởi bác sĩ nội trú da liễu và bác sĩ da liễu. Hình ảnh của các tổn thương sau đó được phân loại bởi CNN và một bác sĩ da liễu hội chẩn từ xa. Hiệu suất của mô hình CNN được so sánh với ý kiến của bác sĩ da liễu từ xa và bác sĩ da liễu điều trị. Độ chính xác chẩn đoán cho các tổn thương ung thư da có thể được cải thiện bằng chương trình phân tích hình ảnh tự động.
Mô hình CNN có diện tích dưới đường cong đặc tính vận hành (AUC) là 0,837 để chẩn đoán tổn thương, so với AUC là 0,807 đối với chẩn đoán của bác sĩ da liễu từ xa (P = 0,050). Bệnh nhân điều trị trực tiếp có AUC là 0,847 và với kết quả CNN, độ chính xác được cải thiện thành AUC là 0,879 (P = 0,009). Đó là, “CNN đã có tác động tích cực đến các quyết định quản lý nội trú, khiến chúng phù hợp hơn với các quyết định của bác sĩ da liễu điều trị.”
Nhìn chung, CNN đã xác định sai 3 dày sừng quang hóa (AK), 2 khối u ác tính di căn (MDM) và 1 khối u ác tính tại chỗ (MIS), với tỷ lệ âm tính giả là 3,7%. Các bác sĩ da liễu chẩn đoán từ xa đã xác định sai 6 MIS, 4 AK, 2 MDM, 2 ung thư biểu mô trong biểu bì và 1 ung thư biểu mô tế bào đáy, với tỷ lệ âm tính giả là 9,3%. Tỷ lệ âm tính giả khi tư vấn trực tiếp với các bác sĩ da liễu đang điều trị là 0,6%.
Tuy nhiên, CNN đã dẫn đến sinh thiết không cần thiết ở một số bệnh nhân. Các bác sĩ da liễu điều trị đã khuyến cáo nên theo dõi 7 tổn thương, nhưng sau khi tham khảo thuật toán CNN, 7 tổn thương này đã được sinh thiết và cuối cùng được xác định là lành tính. Các bệnh nhân chỉ ra rằng họ thích sinh thiết hơn là theo dõi lâu dài.
Một trong những hạn chế chính của nghiên cứu này là do lấy mẫu thuận tiện nên có thể đã đưa ra sai lệch lấy mẫu.
Kết quả của nghiên cứu này gợi ý cho các nhà điều tra rằng một mô hình dựa trên CNN tự động có thể có khả năng ảnh hưởng tích cực đến các quyết định về da liễu và có thể giải quyết một số nhu cầu chưa được đáp ứng do tình trạng thiếu bác sĩ da liễu ở Úc.
Họ tiếp tục viết rằng mô hình này, tuy nhiên, cần nghiên cứu thêm và có thể sẽ không phù hợp với một số tổn thương nhất định, chẳng hạn như tổn thương ở đầu hoặc da đầu, hoặc đối với những bệnh nhân có loại da đa dạng hơn.
Felmingham C, Pan Y, Kok Y, et al. Improving skin cancer management with ARTificial Intelligence (SMARTI): a pre-post intervention trial of an artificial intelligence system used as a diagnostic aid for skin cancer management in a real-world specialist dermatology setting. J Am Acad Dermatol. 2022;S0190-9622(22)02964-4. doi:10.1016/j.jaad.2022.10.038
