Tổng quan nghiên cứu

Ung thư phổi là một trong những nguyên nhân gây tử vong hàng đầu trên thế giới với tỷ lệ tử vong chiếm khoảng 80% đến 90% các ca bệnh liên quan trực tiếp đến khói thuốc lá theo thống kê của Trung tâm Kiểm soát và Phòng ngừa Dịch bệnh Hoa Kỳ (CDC). Tại Việt Nam, khoảng 90% ca mắc ung thư phổi cũng bắt nguồn từ thói quen hút thuốc. Việc phát hiện sớm bệnh lý ở giai đoạn khởi phát đóng vai trò quyết định đến cơ hội sống sót của người bệnh, khi các khối u còn khu trú và chưa di căn sang các hạch bạch huyết hay cơ quan lân cận. Tuy nhiên, việc sàng lọc thủ công hàng nghìn lát cắt ảnh chụp cắt lớp vi tính (CT scan) đòi hỏi khối lượng thời gian khổng lồ và tiềm ẩn nguy cơ chẩn đoán sót từ các bác sĩ chẩn đoán hình ảnh.

Trước thực trạng đó, nghiên cứu tập trung giải quyết bài toán tự động hóa quá trình nhận diện và phân loại khối u phổi thông qua sự kết hợp giữa các kiến trúc Mạng nơ-ron tích chập (CNN) và các thuật toán học máy truyền thống. Mục tiêu trọng tâm của đề tài là xây dựng một hệ thống phân loại ba lớp bao gồm: Lành tính (Benign), Ác tính (Malignant) và Bình thường (Normal) với độ chính xác vượt trội. Nghiên cứu được thực hiện trên tập dữ liệu ảnh CT chuẩn thu thập tại Bệnh viện Giảng dạy Ung bướu Iraq và Trung tâm Quốc gia về Bệnh Ung thư (IQ-OTH/NCCD) vào mùa thu năm 2019, bao gồm 1.097 ảnh gốc từ 110 ca bệnh. Đề tài đem lại giá trị học thuật và ứng dụng lâm sàng sâu sắc khi đạt độ chính xác thử nghiệm lên tới 98,92% với kiến trúc ResNet50 và 99,00% với các mô hình lai, thiết lập giải pháp hỗ trợ ra quyết định chẩn đoán nhanh chóng, giảm thiểu tối đa tỷ lệ âm tính giả trong điều trị ung thư.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết vững chắc về thị giác máy tính trong y tế và các mô hình phân loại mẫu nâng cao. Về mặt học sâu, nghiên cứu ứng dụng kiến trúc Mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) với cơ chế tự động trích xuất các đặc trưng không gian đa cấp độ từ ảnh chụp cắt lớp. Hai kiến trúc tiên tiến được triển khai là ResNet50 với cơ chế khối dư (Residual Block) giúp loại bỏ hiện tượng triệt tiêu đạo hàm khi mạng có độ sâu lớn, và VGG16 với 138 triệu tham số cùng các khối tích chập đồng nhất kích thước bộ lọc 3x3.

Về mặt học máy thống kê, các thuật toán nền tảng bao gồm: Máy vector hỗ trợ (Support Vector Machine - SVM) sử dụng siêu phẳng tối ưu nhằm cực đại hóa khoảng cách phân cách; Rừng ngẫu nhiên (Random Forest) hoạt động theo cơ chế học kết hợp (Ensemble Learning) kết hợp đa cây quyết định; và Hồi quy Logistic (Logistic Regression) sử dụng hàm kích hoạt Sigmoid kết hợp kỹ thuật chuẩn hóa L2 nhằm ánh xạ xác suất phân loại. Khung nghiên cứu định nghĩa rõ các khái niệm then chốt như nốt phổi (lung nodules), khối u lành tính không xâm lấn, khối u ác tính có nguy cơ di căn, ma trận nhầm lẫn (Confusion Matrix), cùng các chỉ số định lượng hiệu năng gồm Accuracy, Precision, Recall và F1-score.

Phương pháp nghiên cứu

Nguồn dữ liệu sử dụng là bộ dữ liệu chuẩn IQ-OTH/NCCD bao gồm 1.097 ảnh cắt lớp vi tính phân giải 512x512 pixel từ 110 ca bệnh (15 ca lành tính với 120 ảnh, 40 ca ác tính với 561 ảnh và 55 ca bình thường với 416 ảnh). Cỡ mẫu ban đầu cho thấy sự mất cân bằng nghiêm trọng ở nhóm tổn thương lành tính khi chỉ chiếm khoảng 10,9% tổng số mẫu. Để giải quyết sự sai lệch này, phương pháp chọn mẫu tăng cường dữ liệu (Data Augmentation) bằng các phép biến đổi hình học (Geometric Transformations) như cắt xén (cropping) và lật ảnh đối xứng (flipping) đã được áp dụng riêng cho nhóm lành tính, nâng số lượng từ 120 ảnh lên 408 ảnh. Sau tiền xử lý, toàn bộ tập dữ liệu đạt 1.385 ảnh và được chuẩn hóa kích thước về 128x128 pixel dạng ảnh mức xám (grayscale).

Toàn bộ dữ liệu được phân chia theo phương pháp ngẫu nhiên có kiểm soát với tỷ lệ 80% dành cho huấn luyện (1.108 ảnh) và 20% dành cho kiểm thử độc lập (277 ảnh, gồm 92 ảnh lành tính, 92 ảnh ác tính và 93 ảnh bình thường). Nghiên cứu lựa chọn phương pháp phân tích tích hợp (Hybrid Architecture): tầng tích chập của mạng học sâu đóng vai trò trích xuất đặc trưng không gian sâu, sau đó chuyển giao các vector đặc trưng này cho các bộ phân loại học máy truyền thống đã được tối ưu hóa siêu tham số bằng kỹ thuật RandomizedSearchCV. Quá trình kiểm định được củng cố bằng phương pháp kiểm chứng chéo 5 phần (5-Fold Cross Validation) với tốc độ học cố định 0,0001 (1e-4), kích thước lô (batch size) bằng 35 qua 20 đến 30 chu kỳ huấn luyện (epochs) nhằm đảm bảo tính khách quan và khả năng tổng quát hóa dữ liệu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã ghi nhận bốn phát hiện mang tính đột phá về mặt hiệu năng giữa các nhóm thuật toán:

Thứ nhất, đối với các mô hình học sâu độc lập, mạng ResNet50 thể hiện năng lực vượt trội nhất khi đạt độ chính xác 98,92% trên tập kiểm thử (đạt 99,64% trên tập huấn luyện) với giá trị hàm mất mát (loss) giảm sâu xuống mức 2,3895e-04. Mô hình CNN 4 lớp cũng cho thấy sự cải thiện rõ rệt so với CNN 3 lớp, nâng độ chính xác kiểm thử từ 97,47% lên 98,56% và giảm tổn thất kiểm thử xuống 0,0192.

Thứ hai, mô hình VGG16 đạt độ chính xác 97,19% trên tập kiểm thử và 99,73% trên tập huấn luyện. Mặc dù sở hữu năng lực trích xuất đặc trưng chi tiết, mô hình này đòi hỏi tài nguyên tính toán lớn hơn do số lượng tham số khổng lồ (khoảng 138 triệu tham số) so với các kiến trúc tích chập tùy biến.

Thứ ba, các thuật toán học máy độc lập khi được tinh chỉnh siêu tham số tối ưu đạt kết quả rất ấn tượng. Cụ thể, mô hình Logistic Regression (sử dụng thuật toán tối ưu Newton-CG, C=0,01) và mô hình SVM (kernel tuyến tính, C=0,01) đều ghi nhận độ chính xác đạt 99,00% trên tập kiểm thử, vượt qua mô hình Random Forest với 2.000 cây quyết định vốn đạt độ chính xác 96,00%.

Thứ tư, mô hình lai kết hợp đặc trưng học sâu với bộ phân loại học máy mang lại độ ổn định tuyệt đối trong việc nhận diện khối u ác tính. Trên ma trận phân loại của mô hình kết hợp CNN 3 lớp và Random Forest, hệ thống nhận diện chính xác toàn bộ 118/118 trường hợp ác tính trong tập kiểm thử mà không có bất kỳ ca nào bị phân loại nhầm sang nhóm bình thường, đạt tỷ lệ thu hồi (Recall) 100% đối với nhóm bệnh nhân mang mầm bệnh nguy hiểm.

Thảo luận kết quả

Diễn biến quá trình huấn luyện được minh họa trực quan thông qua đồ thị biến thiên độ chính xác (Accuracy Graph) và đồ thị hàm mất mát (Loss Graph) qua từng epoch. Trên biểu đồ học tập của CNN 3 lớp, độ chính xác ban đầu xuất phát ở mức khiêm tốn khoảng 35% trên tập train và 41% trên tập test, nhưng nhanh chóng hội tụ sau chu kỳ thứ 15 và tiệm cận mức 98,56% ở epoch thứ 20. Đường cong hàm mất mát giảm đều đặn từ 2,7760 xuống 0,0521 mà không xuất hiện dấu hiệu quá khớp (overfitting).

Bảng ma trận nhầm lẫn (Confusion Matrix) đóng vai trò then chốt trong việc phân tích chi tiết các điểm dữ liệu dự đoán đúng trên đường chéo chính và các điểm nhầm lẫn giữa các lớp. Điển hình ở mô hình ResNet50, ma trận ghi nhận 78 ca lành tính, 113 ca ác tính và 83 ca bình thường được phân loại chuẩn xác, chỉ có 1 ca lành tính bị nhầm sang bình thường và 2 ca bình thường bị xếp vào nhóm ác tính.

So với các công bố trước đây, nghiên cứu này thể hiện sự vượt trội rõ nét. Trong khi các nghiên cứu của Rajasekar và cộng sự đạt độ chính xác dao động quanh mức 85-92% trên ảnh CT thông thường, hoặc nghiên cứu của Saqib Qamar và cộng sự đạt độ chính xác 73% với mô hình CNN-Random Forest, công trình này đã nâng ngưỡng chính xác lên trên 98,9% nhờ kỹ thuật tăng cường dữ liệu hình học có mục tiêu và việc trích xuất đặc trưng sâu kết hợp tối ưu siêu tham số RandomizedSearchCV. Về mặt ý nghĩa y khoa, việc triệt tiêu sai số âm tính giả ở nhóm bệnh nhân ác tính giúp bảo vệ tối đa cơ hội được can thiệp điều trị sớm cho người bệnh.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu thành giá trị thực tiễn trong ngành y tế, bốn giải pháp cụ thể được đề xuất như sau:

Một là, tích hợp trực tiếp kiến trúc mô hình ResNet50 và hệ thống phân loại lai vào hệ thống lưu trữ và truyền hình ảnh y tế (PACS) tại các bệnh viện đa khoa. Đặt mục tiêu giảm 40% thời gian rà soát ảnh CT ban đầu cho bác sĩ chẩn đoán hình ảnh, triển khai thí điểm trong thời gian từ 6 đến 12 tháng dưới sự chủ trì của Phòng Công nghệ Thông tin y tế và Khoa Chẩn đoán hình ảnh.

Hai là, mở rộng và đa dạng hóa cơ sở dữ liệu huấn luyện bằng cách liên kết thu thập thêm khoảng 5.000 lát cắt ảnh CT từ nhiều dòng máy quét khác nhau (như GE, Philips và Toshiba bên cạnh dòng Siemens SOMATOM hiện tại). Đặt mục tiêu duy trì chỉ số F1-score trên 98% bất kể sự khác biệt về độ dày lát cắt hay độ tương phản ảnh, thực hiện trong vòng 18 tháng bởi Nhóm nghiên cứu Trí tuệ nhân tạo y tế phối hợp cùng các Trung tâm Ung bướu quốc gia.

Ba là, tối ưu hóa kích thước mô hình thông qua các kỹ thuật nén mạng như cắt tỉa trọng số (pruning) và lượng tử hóa (quantization). Hướng tới mục tiêu giảm 50% dung lượng bộ nhớ mà vẫn bảo toàn độ chính xác trên 97%, tạo điều kiện cài đặt trực tiếp trên các máy quét CT tại chỗ hoặc thiết bị di động trong vòng 6 tháng do các Kỹ sư phát triển phần mềm AI đảm nhận.

Bốn là, thiết lập quy trình kiểm chuẩn lâm sàng định kỳ và giám sát sai số chẩn đoán. Ban hành quy chế đối soát tự động hàng quý nhằm đảm bảo tỷ lệ tương đồng chẩn đoán giữa thuật toán và hội đồng y khoa đạt trên 98%, được điều hành bởi Hội đồng Y khoa độc lập và các chuyên gia đầu ngành về bệnh lý lồng ngực.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu cung cấp giá trị học thuật và ứng dụng chuyên sâu cho bốn nhóm đối tượng chính:

Thứ nhất, các bác sĩ chẩn đoán hình ảnh và chuyên gia Ung bướu: Tài liệu giúp nâng cao hiểu biết về cơ chế nhận diện nốt phổi của AI, cung cấp giải pháp đọc ảnh CT lớp thứ hai (second opinion) đáng tin cậy để hạn chế sai sót chủ quan do áp lực công việc.

Thứ hai, kỹ sư Trí tuệ nhân tạo và các nhà khoa học dữ liệu y tế: Luận văn cung cấp bản thiết kế chi tiết về quy trình xây dựng mô hình lai (Hybrid Architecture), kỹ thuật cân bằng dữ liệu y khoa bằng biến đổi hình học và phương pháp tối ưu hóa siêu tham số bằng RandomizedSearchCV.

Thứ ba, học viên cao học, nghiên cứu sinh chuyên ngành Hệ thống thông tin và Khoa học máy tính: Đây là tài liệu tham khảo toàn diện về phương pháp luận nghiên cứu, từ khâu tiền xử lý ảnh DICOM, phân chia tập dữ liệu 80/20, huấn luyện mạng sâu đến kỹ thuật đánh giá đa tiêu chí qua 5-Fold Cross Validation.

Thứ tư, các nhà quản lý cơ sở y tế và doanh nghiệp công nghệ y tế (HealthTech): Luận văn cung cấp luận cứ khoa học và các chỉ số định lượng rõ ràng để xây dựng dự án đầu tư chuyển đổi số, tích hợp AI vào quy trình khám chữa bệnh thực tế.

Câu hỏi thường gặp

Tại sao nghiên cứu lại kết hợp mạng nơ-ron tích chập với các thuật toán học máy truyền thống?
Mạng nơ-ron tích chập như CNN, ResNet50 hay VGG16 sở hữu khả năng tự động trích xuất các đặc trưng không gian đa chiều rất mạnh mẽ từ ảnh CT. Khi kết hợp các đặc trưng này với thuật toán học máy như SVM hay Random Forest, mô hình tận dụng được ranh giới phân quyết định tối ưu, giúp tăng độ chính xác tổng thể lên trên 98% và giảm nguy cơ quá khớp trên tập dữ liệu y tế có quy mô vừa phải.

Kỹ thuật Data Augmentation đã xử lý bài toán mất cân bằng dữ liệu như thế nào?
Tập dữ liệu ban đầu chỉ có 120 ảnh tổn thương lành tính so với 561 ảnh ác tính. Nghiên cứu đã áp dụng các phép biến đổi hình học gồm cắt xén và lật ảnh ngang dọc riêng cho nhóm lành tính, giúp nâng số lượng lên 408 ảnh. Giải pháp này giúp cân bằng tỷ lệ phân bổ dữ liệu giữa 3 nhóm, ngăn chặn tình trạng mô hình thiên vị về nhóm chiếm đa số khi huấn luyện.

Mô hình nào đạt hiệu năng tối ưu nhất trong số các kiến trúc được thử nghiệm?
Xét trên các mô hình độc lập, ResNet50 đạt hiệu năng cao nhất với độ chính xác kiểm thử 98,92% nhờ kiến trúc khối dư triệt tiêu hiện tượng mất mát đạo hàm. Đối với mô hình học máy, SVM và Logistic Regression đạt độ chính xác 99,00%. Khi kết hợp thành mô hình lai, hệ thống duy trì được độ chính xác tuyệt đối trên nhóm bệnh nhân ác tính với độ nhạy Recall đạt 100%.

Nghiên cứu sử dụng tiêu chí nào để đảm bảo không bỏ sót bệnh nhân ung thư phổi?
Nghiên cứu tập trung tối ưu chỉ số độ nhạy (Recall) và phân tích ma trận nhầm lẫn (Confusion Matrix) của nhóm Ác tính (Malignant). Kết quả cho thấy mô hình nhận diện chính xác 118 trên 118 ca ác tính trong tập kiểm thử mà không có trường hợp nào bị gán nhầm sang nhóm Bình thường, đảm bảo tỷ lệ âm tính giả tiệm cận mức 0%.

Mô hình có thể hoạt động tốt trên các định dạng ảnh chụp CT khác nhau không?
Ảnh CT gốc thu thập ở định dạng DICOM chuẩn y tế với điện áp 120 kV và độ dày lát cắt 1 mm đã được tiền xử lý và chuẩn hóa đồng nhất về kích thước 128x128 pixel mức xám. Do đó, hệ sinh thái tiền xử lý của đề tài hoàn toàn có khả năng thích ứng linh hoạt với các định dạng ảnh CT xuất ra từ nhiều hệ thống máy chụp khác nhau trong thực tế.

Kết luận

Nghiên cứu đã giải quyết thành công bài toán tự động hóa chẩn đoán ung thư phổi từ ảnh chụp cắt lớp vi tính thông qua các đóng góp khoa học nổi bật:

  • Xây dựng thành công hệ thống phân loại ba nhóm bệnh lý (Lành tính, Ác tính, Bình thường) với độ chính xác đạt từ 97,19% đến 98,92% trên các mô hình học sâu và đạt 99,00% trên các mô hình học máy.
  • Áp dụng hiệu quả kỹ thuật tăng cường dữ liệu hình học, nâng số lượng mẫu lành tính từ 120 lên 408 ảnh, tạo tập dữ liệu cân bằng 1.385 ảnh phục vụ huấn luyện tối ưu.
  • Thực nghiệm và so sánh toàn diện 4 kiến trúc học sâu (CNN 3 lớp, CNN 4 lớp, ResNet50, VGG16) cùng 3 thuật toán học máy (Random Forest, SVM, Logistic Regression).
  • Đề xuất mô hình lai (Hybrid Architecture) kết hợp trích xuất đặc trưng sâu và phân loại máy học, giúp kiểm soát hoàn toàn nguy cơ âm tính giả ở nhóm tổn thương ác tính.
  • Cung cấp khung phương pháp luận hoàn chỉnh từ xử lý ảnh DICOM, tối ưu siêu tham số bằng RandomizedSearchCV đến kiểm chứng 5-Fold Cross Validation.

Trong kế hoạch 12 tháng tiếp theo, nhóm nghiên cứu hướng tới việc mở rộng thử nghiệm lâm sàng tại các bệnh viện ung bướu và phát triển phiên bản nhúng AI tối ưu dung lượng. Việc ứng dụng rộng rãi các giải pháp từ luận văn sẽ là bước tiến quan trọng giúp nâng cao năng lực y tế số, mang lại hy vọng sống và cơ hội điều trị kịp thời cho hàng nghìn bệnh nhân ung thư phổi.