Một nghiên cứu đăng trên Nature Communications mô tả một xét nghiệm sử dụng trí tuệ nhân tạo để dự đoán nguy cơ tái phát ung thư vú. Công trình do Krzysztof J. Geras dẫn dắt, người là học giả thăm viếng tại Trung tâm Khoa học Dữ liệu của New York University và là trợ lý giáo sư liên kết tại NYU Grossman School of Medicine; Yann LeCun là một trong các tác giả đóng góp về khoa học dữ liệu.
Nhóm phát triển một xét nghiệm đa phương thức, kết hợp dữ liệu lâm sàng thường quy (giai đoạn khối u, tuổi, tình trạng thụ thể hormone) với tiêu bản mô bệnh học. Họ áp dụng giai đoạn huấn luyện trước theo phương pháp tự giám sát để mô hình học các đại diện hữu ích trước khi đưa ra dự đoán cuối cùng. Dữ liệu thu từ 15 quần thể ở bảy quốc gia và đánh giá trên hơn 3.500 bệnh nhân; hiệu năng được đo bằng C-Index và Hazard Ratio.
Kết quả cho thấy xét nghiệm AI phân biệt rõ bệnh nhân nguy cơ cao và thấp, đồng thời dự đoán tốt nguy cơ tái phát ở các loại triple-negative và HER2-positive, hai loại thiếu xét nghiệm gen đáng tin cậy. Trong các đánh giá của nhóm, AI đạt được hoặc vượt hiệu năng so với một xét nghiệm gen được dùng rộng rãi.
Các tác giả nhấn mạnh rằng cần thử nghiệm lâm sàng ngẫu nhiên hoàn chỉnh trước khi xét nghiệm này được dùng để hướng dẫn điều trị. Bài báo cũng nêu mối quan hệ tài chính: một số tác giả nắm giữ cổ phần của Ataraxis AI; Krzysztof J. Geras là đồng sáng lập và giám đốc khoa học của công ty, và New York University duy trì lợi ích tài chính và sở hữu trí tuệ liên quan.
Từ khó
- đa phương thức — kết hợp nhiều loại dữ liệu hoặc phương pháp
- mô bệnh học — nghiên cứu cấu trúc và bệnh lý của mô
- tự giám sát — phương pháp học máy không cần nhãn dữ liệu
- C-Index — chỉ số đo khả năng phân biệt mô hình
- Hazard Ratio — tỷ lệ rủi ro giữa hai nhóm theo thời gian
- quần thể — tập người hoặc mẫu nghiên cứu được theo dõi
- triple-negative — ung thư vú âm tính với ba thụ thể chính
- HER2-positive — ung thư vú có thụ thể HER2 dương tính
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Theo bạn, lợi ích và rủi ro khi dùng AI thay thế hoặc bổ sung xét nghiệm gen trong ung thư vú là gì?
- Tại sao thử nghiệm lâm sàng ngẫu nhiên lại quan trọng trước khi áp dụng xét nghiệm mới vào hướng dẫn điều trị?
- Mối quan hệ tài chính giữa tác giả và công ty được nêu trong bài có thể ảnh hưởng thế nào đến việc đánh giá kết quả nghiên cứu?
