Một nhóm nghiên cứu công bố trên Nature Communications một xét nghiệm dựa trên trí tuệ nhân tạo để dự đoán nguy cơ tái phát ung thư vú. Công trình do Krzysztof J. Geras dẫn dắt; Yann LeCun là một trong các tác giả. Các tác giả cho biết phương pháp huấn luyện trước theo kiểu tự giám sát giúp mô hình học các đặc trưng hữu ích trước khi dự đoán.
Xét nghiệm đa phương thức này kết hợp dữ liệu lâm sàng thường quy (giai đoạn khối u, tuổi bệnh nhân, tình trạng thụ thể hormone) với tiêu bản mô bệnh học. Nhóm dùng dữ liệu từ 15 quần thể bệnh nhân ở bảy quốc gia và đánh giá trên hơn 3.500 bệnh nhân. Độ chính xác được đánh giá bằng các chỉ số như C-Index và Hazard Ratio.
Kết quả cho thấy AI phân biệt được bệnh nhân có nguy cơ cao và thấp, và dự đoán tốt tái phát ở các loại triple-negative và HER2-positive, hai nhóm chưa có xét nghiệm gen đáng tin cậy. Tuy vậy, các tác giả nhấn mạnh cần đánh giá thêm trong các thử nghiệm lâm sàng ngẫu nhiên hoàn chỉnh.
Một số tác giả có cổ phần trong Ataraxis AI; Krzysztof J. Geras là đồng sáng lập và giám đốc khoa học của công ty, và New York University có lợi ích tài chính và sở hữu trí tuệ liên quan.
Từ khó
- trí tuệ nhân tạo — khả năng máy tính học và phân tích dữ liệu
- xét nghiệm — phương pháp kiểm tra để tìm thông tin y tế
- tự giám sát — phương pháp huấn luyện mô hình không cần dữ liệu gán nhãn
- đa phương thức — kết hợp nhiều loại dữ liệu khác nhau
- tái phát — bệnh trở lại sau khi đã điều trị
- thử nghiệm lâm sàng — nghiên cứu trên bệnh nhân để kiểm chứng điều trị
- sở hữu trí tuệ — quyền pháp lý liên quan sáng chế và ý tưởng
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
- Bạn nghĩ lợi ích khi kết hợp dữ liệu lâm sàng và tiêu bản mô bệnh học là gì? Vì sao?
- Các thử nghiệm lâm sàng ngẫu nhiên có thể thay đổi quyết định sử dụng xét nghiệm này như thế nào?
- Bạn có lo ngại gì khi một số tác giả có cổ phần trong công ty liên quan? Hãy nêu lý do.
