Trí tuệ nhân tạo (AI) có thể chẩn đoán chính xác một bệnh nội tiết hiếm gặp chỉ bằng cách phân tích hình ảnh mu bàn tay và nắm đấm. Thành tựu chú trọng đến quyền riêng tư này của Đại học Kobe hứa hẹn sẽ thiết lập các hệ thống chuyển tuyến hiệu quả hơn và giảm bớt sự bất bình đẳng trong chăm sóc sức khỏe giữa các cộng đồng.

Bệnh to đầu chi là một căn bệnh hiếm gặp, khó chữa trị, thường khởi phát ở tuổi trung niên, gây ra hiện tượng bàn tay và bàn chân to ra, làm thay đổi diện mạo khuôn mặt và ảnh hưởng đến sự phát triển của xương và các cơ quan trong cơ thể.

Tình trạng này, do sự sản sinh quá mức hormone tăng trưởng gây ra, diễn tiến chậm trong nhiều thập kỷ, nhưng nếu không được điều trị có thể gây ra các biến chứng đe dọa tính mạng, làm giảm tuổi thọ khoảng 10 năm.

"Vì bệnh tiến triển rất chậm và là một căn bệnh hiếm gặp, nên việc mất đến cả thập kỷ mới được chẩn đoán là điều không hiếm gặp", bác sĩ nội tiết Fukuoka Hidenori thuộc Đại học Kobe cho biết. Ông giải thích thêm: "Với sự tiến bộ của các công cụ trí tuệ nhân tạo, đã có những nỗ lực sử dụng ảnh chụp để phát hiện sớm, nhưng chúng chưa được áp dụng trong thực tiễn lâm sàng."

Sau khi xem xét các thách thức nghiên cứu AI hiện tại, nhóm nghiên cứu nhận thấy hầu hết đều dựa vào ảnh chụp khuôn mặt, điều này có thể gây ra lo ngại về quyền riêng tư. Ohmachi Yuka, một sinh viên cao học của Đại học Kobe, cho biết: "Để giải quyết mối lo ngại này, chúng tôi quyết định tập trung vào bàn tay, một bộ phận cơ thể mà chúng tôi thường xuyên kiểm tra cùng với khuôn mặt trong thực tiễn lâm sàng cho mục đích chẩn đoán, đặc biệt là vì bệnh to đầu chi thường biểu hiện những thay đổi ở bàn tay."

Tuy nhiên, họ quyết định tăng cường bảo mật bằng cách chỉ sử dụng hình ảnh mu bàn tay và nắm đấm, tránh các đường vân lòng bàn tay riêng lẻ. Điều này cho phép họ nhận được sự hỗ trợ từ 725 bệnh nhân tại 15 cơ sở y tế trên khắp Nhật Bản, những người đã đóng góp hơn 11.000 hình ảnh để huấn luyện và kiểm chứng mô hình AI của họ.

Trong Tạp chí Nội tiết và Chuyển hóa Lâm sàng , nhóm nghiên cứu Đại học Kobe báo cáo rằng mô hình của họ nhận diện tình trạng bệnh với độ nhạy và độ đặc hiệu rất cao. Trên thực tế, mô hình của họ thậm chí còn vượt trội hơn cả các bác sĩ nội tiết giàu kinh nghiệm khi được yêu cầu đánh giá cùng một bức ảnh.

"Thành thật mà nói, tôi rất ngạc nhiên khi độ chính xác chẩn đoán đạt đến mức cao như vậy chỉ bằng cách sử dụng ảnh chụp mu bàn tay và nắm đấm. Điều khiến tôi đặc biệt ấn tượng là việc đạt được hiệu quả cao như vậy mà không cần đến các đặc điểm khuôn mặt, điều này làm cho phương pháp này trở nên thực tế hơn rất nhiều trong việc sàng lọc bệnh tật", Ohmachi nói.

Nhóm nghiên cứu Đại học Kobe chỉ sử dụng hình ảnh mu bàn tay và nắm đấm, tránh các đường vân lòng bàn tay riêng lẻ. Điều này cho phép họ nhận được sự hỗ trợ từ 725 bệnh nhân tại 15 cơ sở y tế trên khắp Nhật Bản, những người đã đóng góp hơn 11.000 hình ảnh để huấn luyện và kiểm chứng mô hình AI của họ. Nguồn: Y. Ohmachi và cộng sự, Tạp chí Nội tiết và Chuyển hóa Lâm sàng (DOI: 10.1210/clinem/dgag027)

Nhóm nghiên cứu xác định bước tiếp theo của họ là mở rộng mô hình sang các bệnh lý khác có thể nhận biết được thông qua những bức ảnh như vậy, ví dụ như viêm khớp dạng thấp , thiếu máu và ngón tay dùi trống. Ông Ohmachi nói: "Kết quả này có thể là điểm khởi đầu để mở rộng tiềm năng của trí tuệ nhân tạo trong y học."

Trong thực tiễn y khoa, các bác sĩ không chỉ sử dụng hình ảnh bàn tay để chẩn đoán mà còn dựa vào nhiều yếu tố và dữ liệu khác nhau. Do đó, nhóm nghiên cứu Đại học Kobe xem mô hình mới được phát triển của họ như một cơ hội để "bổ sung cho chuyên môn lâm sàng, giảm thiểu sai sót trong chẩn đoán và cho phép can thiệp sớm hơn", như họ viết trong bài báo của mình.

Trưởng nhóm nghiên cứu Fukuoka cho biết: "Chúng tôi tin rằng, bằng cách phát triển hơn nữa công nghệ này, nó có thể dẫn đến việc tạo ra một cơ sở hạ tầng y tế trong các cuộc kiểm tra sức khỏe toàn diện để kết nối các trường hợp nghi ngờ mắc các rối loạn liên quan đến bàn tay với các chuyên gia. Hơn nữa, nó có thể hỗ trợ các bác sĩ không chuyên khoa tại các cơ sở chăm sóc sức khỏe khu vực, từ đó góp phần giảm bớt sự bất bình đẳng trong chăm sóc sức khỏe ở đó."