Người dịch: Hồ Thu Linh

Các nhà khoa học ở miền Đông nước Anh đã phát triển một phương pháp sử dụng trí tuệ nhân tạo AI để sàng lọc ung thư da, cho thấy tiềm năng vượt trội so với các phương pháp hiện nay.

Các nhà nghiên cứu đến từ Đại học Anglia Ruskin, Check4Cancer, Đại học Essex và Bệnh viện Addenbrooke đã đào tạo cải tiến mô hình AI dựa trên dữ liệu từ 53.601 tổn thương da của 25.105 bệnh nhân.

Nghiên cứu sử dụng công nghệ máy học và lý thuyết kết hợp để chắt lọc 22 đặc điểm lâm sàng thành 7 đặc điểm quan trọng nhất có thể dự đoán tổn thương da có đáng ngờ hay không.

Các đặc điểm này bao gồm: tổn thương có thay đổi kích thước, màu sắc hoặc hình dạng gần đây không; tổn thương có màu hồng hay bị viêm không; và màu lông ở độ tuổi 15.

Các nhà nghiên cứu đã áp dụng trọng số theo tỷ lệ cho bảy đặc điểm này để tạo ra  phương pháp C4C Risk Score mới có độ chính xác là 69%. Trong nghiên cứu này, nó vượt trội đáng kể so với các phương pháp hiện có như 7PCL (62%) và Williams Score (60%).

Một số đặc điểm mang tính nguy cơ mới được phát hiện, chẳng hạn như độ tuổi tổn thương, độ hồng của tổn thương và màu lông, rất quan trọng đối với mọi loại ung thư da nhưng không được đưa vào các phương pháp cũ, vốn chỉ tập trung vào u hắc tố, một loại ung thư da cụ thể.

Giáo sư Gordon Wishart, Giáo sư thỉnh giảng về phẫu thuật ung thư tại Đại học Anglia Ruskin và Giám đốc y khoa tại Check4Cancer, cho biết: “Nghiên cứu cho thấy tầm quan trọng của việc sử dụng dữ liệu lâm sàng trong phân loại tổn thương da, điều này sẽ giúp cải thiện việc phát hiện ung thư da.

“Mô hình AI mới của chúng tôi, kết hợp phương pháp C4C Risk Score với hình ảnh tổn thương da, có thể giúp lượt bỏ quá trình sinh thiết, rút ​​ngắn thời gian chờ đợi để chẩn đoán và điều trị ung thư da, cũng như cải thiện kết quả điều trị cho bệnh nhân.”

Bác sĩ phẫu thuật thẩm mỹ tư vấn Per Hall, người vừa nghỉ hưu tại Addenbrooke, cho biết: “Giá trị gia tăng mà nghiên cứu này mang lại là khả năng giúp xác định những bệnh nhân có tổn thương da đủ đáng ngờ để chuyển đến bác sĩ để khám trực tiếp. Trước đây, người ta chủ yếu tập trung vào các tổn thương sắc tố và khối u ác tính nhưng cũng có những thứ khác phát triển trên da cần được phân loại như ung thư biểu mô tế bào đáy và ung thư biểu mô tế bào vảy.

“NHS đang quá tải với các yêu cầu phân tích tổn thương da — phần lớn thực tế là vô hại. Phương pháp này hướng đến việc sàng lọc các tổn thương có khả năng nghiêm trọng và xác định những bệnh nhân có làn da dễ mắc ung thư hơn để có thể khám nhanh chóng.”

Nghiên cứu được tài trợ một phần bởi Đối tác chuyển giao kiến ​​thức (KTP) từ Innovate UK, công bố trên Tạp chí Nature Journal Scientific Reports.

Hy vọng phương pháp này sẽ nhận được sự chấp thuận vào năm 2025.

Nguồn: www.sciencedaily.com

AI model that checks for skin cancer shows promise

Scientists in the East of England have developed a way of using artificial intelligence to check for skin cancer, with the AI tool outperforming existing methods in a new study.

Researchers from Anglia Ruskin University, Check4Cancer, University of Essex and Addenbrooke’s Hospital worked on the AI model which was trained on data from 53,601 skin lesions from 25,105 patients.

In this study, researchers used machine learning and combination theory to distil 22 clinical features down to the seven most important that predict if a skin lesion might be suspicious or not.

These features include: whether the lesion has recently changed size, colour or shape; whether the lesion was pink or inflamed; and hair colour at age 15.

Researchers applied proportional weighting to these seven features to create the new C4C Risk Score which has an accuracy of 69%. In the study it significantly outperformed existing methods such as 7PCL (62%) and Williams score (60%).

Some of the new risk factors they discovered, such as lesion age, pinkness, and hair colour, were important for all types of skin cancer but were not included in the older methods, which only focused on melanoma, a specific type of skin cancer.

Professor Gordon Wishart, Visiting Professor of Cancer Surgery at Anglia Ruskin University and Chief Medical Officer at Check4Cancer, said: “This study shows the importance of using clinical data in skin lesion classification, which should help to improve the detection of skin cancer.

“Our new AI model, which combines the C4C risk score together with skin lesion images, could lead to a reduction in the need for patient referrals for biopsies, shorter waiting times for skin cancer diagnosis and treatment, and improved outcomes for patients.”

Consultant Plastic Surgeon Per Hall, who recently retired from Addenbrooke’s, said: “The added value that this paper brings is the ability to help identify patients whose skin lesions are suspicious enough to justify onward referral for face-to-face analysis.

“Emphasis in the past has been on pigmented lesions and melanoma but other things grow on the skin that need sorting out such as basal cell carcinomas and squamous cell carcinomas.

“The NHS is deluged with referrals for skin lesion analysis — the vast majority are in fact innocent. This work is geared towards sifting out lesions that are potentially serious and identifying those patients whose skin is more prone to developing cancers so they can be seen quickly.”

The study, which was part-funded by a Knowledge Transfer Partnership (KTP) Grant from Innovate UK, was published in the Nature Journal Scientific Reports.

It is hoped that regulatory approval for the AI model can be given in 2025.

Source: www.sciencedaily.com