Tại giao điểm của trí tuệ nhân tạo (AI) và y học, việc ứng dụng học máy để cải thiện dữ liệu từ hình ảnh cộng hưởng từ (MRI) đang ngày càng được chú ý. Các nghiên cứu gần đây cho thấy MRI từ trường siêu cao 7 Tesla (7T) có độ phân giải và lợi thế lâm sàng cao hơn hẳn so với chụp cộng hưởng từ (MRI) từ trường cao 3T trong việc phát hiện các cấu trúc giải phẫu quan trọng, đặc biệt là các mô bệnh lý trong não bộ.

Hiện nay, hầu hết các xét nghiệm MRI lâm sàng ở Mỹ được thực hiện với hệ thống MRI 1.5T hoặc 3T. Tính đến năm 2022, Viện Y tế Quốc gia Mỹ (NIH) ghi nhận chỉ có khoảng 100 máy MRI 7T được sử dụng để chẩn đoán hình ảnh trên toàn thế giới.

Nhóm nghiên cứu từ Đại học California, San Francisco (UCSF) đã phát triển một thuật toán học máy để nâng cao chất lượng hình ảnh 3T bằng cách tạo ra các hình ảnh 7T tổng hợp gần như tương đương với ảnh thật từ MRI 7T. Mô hình này cải thiện độ chính xác của các mô bệnh lý, đem lại những thông tin lâm sàng sâu hơn và đánh dấu bước tiến mới trong việc ứng dụng các mô hình MRI tổng hợp 7T vào thực tế lâm sàng.

Nghiên cứu này đã được trình bày vào ngày 7 tháng 10 tại Hội nghị Quốc tế về Tính toán Hình ảnh Y khoa và Can thiệp Hỗ trợ Máy tính lần thứ 27 (MICCAI).

Tiến sĩ Reza Abbasi-Asl cho biết: "Tài liệu của chúng tôi giới thiệu một mô hình học máy để tạo ra các hình ảnh MRI chất lượng cao từ hình ảnh chất lượng thấp hơn. Chúng tôi đã chứng minh rằng hệ thống AI này cải thiện khả năng hiển thị và xác định các bất thường trong não bộ được MRI chụp lại, đặc biệt là trong chấn thương sọ não nhẹ (TBI)”.

Kết quả của nghiên cứu nhấn mạnh tiềm năng của AI và học máy trong việc cải thiện chất lượng hình ảnh y khoa, đặc biệt từ các hệ thống hình ảnh ít tiên tiến hơn như MRI 3T.

Nhóm nghiên cứu từ Đại học California đã thu thập dữ liệu hình ảnh từ các bệnh nhân được chẩn đoán mắc chấn thương sọ não nhẹ. Họ đã thiết kế và huấn luyện ba mô hình mạng nơ-ron để thực hiện việc nâng cao hình ảnh và phân đoạn 3D bằng cách sử dụng các hình ảnh MRI 7T tổng hợp từ hình ảnh MRI 3T tiêu chuẩn.

Kết quả cho thấy các hình ảnh tổng hợp 7T cung cấp cái nhìn rõ ràng hơn về các mô bệnh lý đối với bệnh nhân TBI nhẹ. Nhóm nghiên cứu đã lựa chọn một vùng điển hình có tổn thương chất trắng và xuất huyết vi thể ở các vùng dưới vỏ để so sánh. Những tổn thương này dễ nhận thấy hơn trong hình ảnh 7T tổng hợp, điều này thể hiện rõ trong sự phân tách các tổn thương liền kề và viền sắc nét hơn của các xuất huyết vi thể dưới vỏ.

Ngoài ra, các hình ảnh tổng hợp 7T còn giúp nắm bắt tốt hơn những đặc điểm đa dạng trong các tổn thương chất trắng. Những quan sát này cho thấy tiềm năng của công nghệ này trong việc cải thiện độ chính xác trong chẩn đoán các rối loạn thoái hóa thần kinh như bệnh đa xơ cứng.

Mặc dù các kỹ thuật tổng hợp dựa trên học máy mang lại hiệu suất ấn tượng, việc áp dụng chúng vào thực tế lâm sàng vẫn cần có thêm các đánh giá toàn diện. Nhóm nghiên cứu tin rằng trong tương lai, công việc này sẽ bao gồm việc đánh giá lâm sàng sâu hơn về các phát hiện của mô hình, đánh giá chất lượng hình ảnh do mô hình tạo ra, và định lượng các yếu tố không chắc chắn trong mô hình.

Đ.T.V (NASATI), theo https://medicalxpress.com/, 11/2024