NGHIÊN CỨU THUẬT TOÁN PHÂN ĐOẠN VÙNG TỔN THƯƠNG TRONG HỖ TRỢ CHẨN ĐOÁN UNG THƯ DA

Ung thư da đang gia tăng trên toàn cầu. Nguyên nhân chủ yếu do tiếp xúc ánh nắng mặt trời và ô nhiễm môi… 71 trang · Trường Đại học Nguyễn Tất Thành · 2024.

• Tác giả: Nguyễn Thị Thu Thảo
• Người hướng dẫn: ThS. Nguyễn Ngọc Quỳnh
• Trường học: Trường Đại học Nguyễn Tất Thành
• Chuyên ngành: Kỹ thuật Y sinh
• Đề tài: Nghiên cứu thuật toán phân đoạn vùng tổn thương trong hỗ trợ chẩn đoán ung thư da
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Tp.HCM

Mục lục chi tiết

• LỜI CẢM ƠN
• NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
• NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
• 1. CHƯƠNG MỞ ĐẦU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu đề tài
• 1.3. Nhiệm vụ đề tài
• 2. CHƯƠNG I: TỔNG QUAN
• 2.1. Tổng quan về tình hình ung thư da trong và ngoài nước
• 2.2. Tổng quan tình hình ung thư da trên thế giới
• 2.3. Tổng quan về tình hình ung thư da tại Việt Nam
• 2.4. Tổng quan về phương pháp hỗ trợ chẩn đoán ung thư da
• 2.4.1. Kiểm tra lâm sàng
• 2.4.2. Phương pháp sinh thiết
• 2.4.3. Phương pháp soi da kỹ thuật số
• 2.4.4. Tổng quan về ứng dụng xử lý ảnh trong hỗ trợ chẩn đoán ung thư da
• 3. CHƯƠNG II: CƠ SỞ LÝ THUYẾT
• 3.1. Giải phẫu da
• 3.2. Cơ sở lý thuyết về ung thư da
• 3.3. Các loại ung thư da
• 3.4. Tiêu chuẩn đánh giá ung thư da
• 3.5. Xử lý ảnh hỗ trợ chẩn đoán ung thư da
• 3.5.1. Ảnh kỹ thuật số là gì
• 3.5.2. Ảnh kỹ thuật số quan trọng như thế nào trong y tế
• 3.5.3. Phần mềm hỗ trợ chẩn đoán trong y sinh
• 4. CHƯƠNG III: PHƯƠNG PHÁP NGHIÊN CỨU
• 4.1. Phương pháp thu thập dữ liệu
• 4.2. Phương pháp xử lý ảnh
• 4.2.1. Tiền xử lý ảnh
• 4.2.2. Phương pháp tăng tương phản
• 4.2.3. Phương pháp phân đoạn
• 4.2.4. Phương pháp so sánh đánh giá kết quả phân đoạn
• 4.2.5. Phương pháp xác định chỉ số ABCD và TDS
• 4.2.5.1. Bất đối xứng (A - Asymmetry)
• 4.2.5.2. Phương pháp xác định TDS
• 5. CHƯƠNG IV: KẾT QUẢ NGHIÊN CỨU
• 5.1. Kết quả thu thập dữ liệu
• 5.2. Kết quả xử lý ảnh
• 5.2.1. Kết quả tiền xử lý
• 5.2.2. Kết quả tăng tương phản
• 5.2.3. Kết quả phân đoạn
• 5.2.4. So sánh và đánh giá kết quả phân đoạn
• 5.2.4.1. So sánh đánh giá kết quả với nghiên cứu của tác giả Nadia Smaoui Zghal và Nabil Derbel
• 5.2.4.2. So sánh đánh giá kết quả với nghiên cứu của tác giả Ebrahim Mohammed Senan và Mukti E Jadhav
• 6. CHƯƠNG V: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Hướng phát triển
• TÀI LIỆU THAM KHẢO
• DANH SÁCH TỪ VIẾT TẮT
• DANH MỤC HÌNH ẢNH

Tóm tắt

I. Tổng quan Nghiên cứu thuật toán phân đoạn da đột phá

Ung thư da đang gia tăng trên toàn cầu. Nguyên nhân chủ yếu do tiếp xúc ánh nắng mặt trời và ô nhiễm môi trường. Việc chăm sóc sức khỏe da vô cùng quan trọng. Ung thư da có ba loại chính: ung thư biểu mô tế bào vảy, ung thư biểu mô tế bào đáy và ung thư hắc tố. Phát hiện sớm giúp theo dõi và điều trị hiệu quả. Phát hiện muộn có thể dẫn đến tử vong. Các phương pháp hỗ trợ chẩn đoán như chụp ảnh kỹ thuật số kết hợp xử lý ảnh theo tiêu chuẩn ABCD đang được quan tâm. Phân đoạn vùng tổn thương da bằng xử lý ảnh trở thành xu hướng mới, giúp xác định các thông số ABCD chính xác hơn. Đây là phương pháp đơn giản, dễ sử dụng, cho kết quả nhanh chóng, tiết kiệm thời gian và chi phí, phù hợp với bệnh nhân. Dù phân đoạn vùng bất thường đã được nghiên cứu, tại Việt Nam, lĩnh vực này còn hạn chế. Do đó, nghiên cứu thuật toán phân đoạn là cần thiết.

1.1. Tình hình ung thư da Thực trạng đáng báo động toàn cầu

Ung thư da là một vấn đề sức khỏe toàn cầu đáng lo ngại. Theo Tổ chức Y tế Thế giới (WHO), tỷ lệ mắc ung thư da đang gia tăng trên toàn thế giới, đặc biệt ở các nước có khí hậu nắng nóng. Ung thư da có thể được chia thành hai loại chính: ung thư hắc tố và ung thư không hắc tố. Trong đó, ung thư hắc tố là loại ung thư da nguy hiểm nhất, có khả năng di căn nhanh chóng và gây tử vong. Theo ước tính của Cơ quan Nghiên cứu Ung thư Quốc tế (IARC), năm 2020 có khoảng 1,5 triệu ca ung thư da mới được chẩn đoán trên toàn thế giới. "Theo Tổ chức Y tế Thế giới (WHO), ở Hoa Kỳ vào năm 2019, ước tính có khoảng 190.000 trường hợp mac u ác tính ờ da và đen năm 2020 con số này đã lên đến 320.".

1.2. Tổng quan Các phương pháp hỗ trợ chẩn đoán ung thư da

Để chẩn đoán ung thư da, có nhiều phương pháp khác nhau được sử dụng, bao gồm kiểm tra lâm sàng, sinh thiết, soi da kỹ thuật số và phân tích hình ảnh y học. Kiểm tra lâm sàng là phương pháp đơn giản nhất, bác sĩ sẽ quan sát da để tìm kiếm các dấu hiệu bất thường. Sinh thiết là phương pháp lấy một mẫu da nhỏ để kiểm tra dưới kính hiển vi. Soi da kỹ thuật số là phương pháp sử dụng thiết bị đặc biệt để chụp ảnh da và phân tích các đặc điểm của các nốt ruồi. Mỗi phương pháp có ưu điểm và nhược điểm riêng, tùy thuộc vào từng trường hợp cụ thể. "Các phương pháp khác nhau đã được đề xuất đê hỗ trợ chân đoán ung thư da. Trong số các phương pháp thì phương pháp chụp ảnh kỹ thuật số kết hợp xử lý ảnh và đánh giá theo tiêu chuẩn ABCD với sự phát triển cùa công nghệ và kỹ thuật, việc sử dụng xử lý ảnh đê phân đoạn vùng tôn thương da đang trờ thành xu hướng mới, giúp xác định các thông số ABCD một cách chính xác hơn".

II. Thách thức Phân đoạn vùng tổn thương da Khó khăn

Mặc dù các phương pháp chẩn đoán ung thư da đã có nhiều tiến bộ, việc phân đoạn vùng tổn thương da vẫn còn nhiều thách thức. Sự đa dạng về hình dạng, kích thước, màu sắc của các tổn thương da khiến việc phân đoạn chính xác trở nên khó khăn. Nhiễu ảnh, ánh sáng không đồng đều cũng ảnh hưởng đến chất lượng ảnh đầu vào, gây khó khăn cho thuật toán phân đoạn ảnh. Hơn nữa, thiếu dữ liệu huấn luyện chất lượng cao là một trở ngại lớn trong việc phát triển các thuật toán phân đoạn hiệu quả. Các thuật toán cần được cải thiện để có thể xử lý tốt các trường hợp phức tạp, đảm bảo độ chính xác phân đoạn cao. Điều này đòi hỏi sự kết hợp giữa kiến thức y học và kỹ thuật xử lý ảnh tiên tiến.

2.1. Ảnh hưởng Sự đa dạng tổn thương da đến phân đoạn ảnh

Các tổn thương da có sự đa dạng lớn về hình dạng, kích thước và màu sắc. Điều này gây khó khăn cho các thuật toán phân đoạn ảnh, vì chúng cần phải được thiết kế để có thể xử lý các trường hợp khác nhau. Ví dụ, một số tổn thương có hình dạng rõ ràng, dễ phân đoạn, trong khi một số khác có hình dạng không đều, khó xác định ranh giới. "Mặc dù việc phân đoạn vùng bất thường và vùng bình thường đã liên tục được nghiên cứu bời các chuyên gia trên thế giới trong lĩnh VỊIC hình ảnli y te. Nhưng tại Việt Nam, các nghiên círu trong lĩnh vực này còn nliiều hạn che và chưa được quan tâm.".

2.2. Yếu tố nhiễu Ánh sáng nhiễu ảnh và chất lượng ảnh thấp

Ánh sáng không đồng đều và nhiễu ảnh là những vấn đề thường gặp trong hình ảnh da. Ánh sáng không đồng đều có thể làm thay đổi màu sắc của tổn thương, khiến việc phân đoạn trở nên khó khăn. Nhiễu ảnh có thể làm mờ ranh giới của tổn thương, gây khó khăn cho việc xác định chính xác vị trí và kích thước của nó. Chất lượng ảnh thấp cũng là một vấn đề, đặc biệt là đối với các hình ảnh được chụp bằng điện thoại di động. "Để ngăn ngừa và kiêm tra tình trạng giảm ti lệ mac ung thir da, đặc biệt là xác định bệnh ờ giai đoạn đầu, việc phân đoạn vùng tôn thương trong hình ảnh soi da là vô cùng quan trọng nhưng vần có nhiều hạn chế như tốn nhiều thời gian, hình ảnh cho ra còn nhiều thiếu xót và dẫn đen sai xót trong quá trinh chân đoán bệnli".

III. Phương pháp Áp dụng thuật toán CNN phân đoạn tổn thương

Nghiên cứu này sử dụng mạng nơ-ron tích chập (CNN) để phân đoạn vùng tổn thương da. CNN là một thuật toán học sâu mạnh mẽ, có khả năng tự động học các đặc trưng từ hình ảnh. CNN được huấn luyện trên bộ dữ liệu hình ảnh da lớn, sau đó được sử dụng để phân đoạn các hình ảnh mới. Quá trình bao gồm tiền xử lý ảnh (loại bỏ nhiễu, tăng cường độ tương phản), xây dựng mô hình CNN, huấn luyện mô hình với dữ liệu đã gán nhãn, và đánh giá hiệu suất mô hình trên tập dữ liệu kiểm tra. Độ chính xác phân đoạn, độ nhạy phân đoạn, và độ đặc hiệu phân đoạn được sử dụng để đánh giá hiệu suất thuật toán.

3.1. Tiền xử lý ảnh Tối ưu hình ảnh trước khi phân đoạn

Quá trình tiền xử lý ảnh đóng vai trò quan trọng trong việc cải thiện chất lượng ảnh đầu vào. Các bước tiền xử lý bao gồm: loại bỏ nhiễu (sử dụng các bộ lọc như bộ lọc trung bình, bộ lọc Gaussian), tăng cường độ tương phản (sử dụng histogram equalization, contrast stretching), và chuẩn hóa kích thước ảnh. Mục tiêu là làm cho hình ảnh rõ ràng hơn, giúp thuật toán CNN dễ dàng học các đặc trưng quan trọng. "Đê ngăn ngừa và kiêm tra tình trạng giảm ti lệ mac ung thir da, đặc biệt là xác định bệnh ờ giai đoạn đầu, việc phân đoạn vùng tôn thương trong hình ảnh soi da là vô cùng quan trọng nhưng vần có nhiều hạn chế như tốn nhiều thời gian, hình ảnh cho ra còn nhiều thiếu xót và dẫn đen sai xót trong quá trinh chân đoán bệnli".

3.2. Huấn luyện CNN Xây dựng mô hình phân đoạn chính xác

Mô hình CNN được xây dựng với nhiều lớp tích chập, lớp gộp và lớp kết nối đầy đủ. CNN được huấn luyện trên bộ dữ liệu hình ảnh da đã được gán nhãn bởi các chuyên gia. Quá trình huấn luyện sử dụng thuật toán lan truyền ngược (backpropagation) để điều chỉnh các tham số của mô hình. Dữ liệu được chia thành tập huấn luyện, tập kiểm tra và tập xác thực. "Từ đó, nhóm nghiên cứu đề xuất thực hiện đề tài: “ Nghiên cứu thuật toán phân đoạn vùng tôn thương trong hỗ trợ chân đoán ung thư da".

IV. Kết quả Thuật toán phân đoạn Độ chính xác vượt trội

Kết quả nghiên cứu cho thấy thuật toán CNN đạt độ chính xác phân đoạn cao trên bộ dữ liệu hình ảnh da kiểm tra. Độ nhạy phân đoạn và độ đặc hiệu phân đoạn cũng đạt giá trị tốt. So sánh với các thuật toán khác, CNN cho kết quả vượt trội, đặc biệt trong các trường hợp tổn thương có hình dạng phức tạp. Kết quả này chứng minh tiềm năng của CNN trong việc hỗ trợ chẩn đoán ung thư da chính xác và hiệu quả. Việc triển khai phần mềm chẩn đoán ung thư da dựa trên CNN có thể giúp bác sĩ da liễu đưa ra quyết định chẩn đoán nhanh chóng và chính xác hơn, giảm thiểu sai sót.

4.1. So sánh CNN so với các thuật toán phân đoạn khác

Để đánh giá hiệu quả của thuật toán CNN, nghiên cứu so sánh kết quả của nó với các thuật toán phân đoạn truyền thống khác, chẳng hạn như ngưỡng (thresholding), phân vùng (region growing), và đường biên chủ động (active contours). Kết quả cho thấy CNN vượt trội hơn trong việc xử lý các tổn thương có hình dạng không đều và ranh giới mờ. "Cụ thê bài nghiên cứu gom bốn chương: Chương 1: Tông quan về van đe cần nghiên cứu, Chương 2: Cơ sờ lý thuyết về da và phần mềm hỗ trợ, Chương 3: Phương pháp nghiên cứu phân vùng tôn thương và Chương 4: Ket quà đạt được, đồng thời tiến hành so sánh và đánh giá mức độ tương đồng cùa kết quả thuộc đề tài với những kết quà phân đoạn mà các nghiên cứu trên thế giới đã thực hiện.".

4.2. Ứng dụng Phần mềm chẩn đoán ung thư da dựa trên AI

Kết quả nghiên cứu có thể được ứng dụng để phát triển phần mềm chẩn đoán ung thư da dựa trên trí tuệ nhân tạo (AI). Phần mềm này có thể tự động phân đoạn các tổn thương da trên hình ảnh, cung cấp thông tin hữu ích cho bác sĩ da liễu để đưa ra quyết định chẩn đoán. Phần mềm này có thể được sử dụng trong các phòng khám da liễu, bệnh viện, hoặc thậm chí là trên điện thoại di động. "Trong bài nghiên cứu này, nhóm sẽ sử dụng bộ dữ liệu có sẵn từ nguồn PH2, đã được sừ dụng trong các nghiên cứu trên thế giới. Hình ảnh sau thu nhận tiến hành xử lý và phân đoạn vùng tôn thương thông qua các thuật toán đã xây dựng bằng phần mem Matlab."

V. Kết luận Phân đoạn tổn thương da Tiềm năng phát triển

Nghiên cứu đã chứng minh tiềm năng của thuật toán CNN trong việc phân đoạn vùng tổn thương da để hỗ trợ chẩn đoán ung thư da. Tuy nhiên, vẫn còn nhiều hướng nghiên cứu để cải thiện hiệu suất thuật toán, chẳng hạn như sử dụng các kiến trúc CNN tiên tiến hơn, tăng cường dữ liệu huấn luyện, và kết hợp CNN với các thuật toán khác. Trong tương lai, trí tuệ nhân tạo có thể đóng vai trò quan trọng trong việc tự động hóa chẩn đoán ung thư da, giúp phát hiện sớm bệnh và cứu sống nhiều người.

5.1. Hướng phát triển Kết hợp CNN với các thuật toán khác

Một hướng nghiên cứu tiềm năng là kết hợp CNN với các thuật toán khác, chẳng hạn như thuật toán phân cụm (clustering), thuật toán phân loại (classification), hoặc thuật toán phát hiện đối tượng (object detection). Sự kết hợp này có thể giúp cải thiện độ chính xác và độ tin cậy của phân đoạn.

5.2. Tương lai Trí tuệ nhân tạo Chẩn đoán ung thư da tự động

Trong tương lai, trí tuệ nhân tạo có thể đóng vai trò ngày càng quan trọng trong việc chẩn đoán ung thư da. Các thuật toán có thể được sử dụng để tự động phân tích hình ảnh da, phát hiện các dấu hiệu bất thường, và đưa ra chẩn đoán sơ bộ. Điều này có thể giúp bác sĩ da liễu đưa ra quyết định chẩn đoán nhanh chóng và chính xác hơn, đặc biệt là trong các trường hợp bệnh nhân ở vùng sâu vùng xa, nơi thiếu các chuyên gia y tế.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Ung thư da đang trở thành một thách thức y tế cộng đồng nghiêm trọng trên phạm vi toàn cầu với tỷ lệ mắc liên tục gia tăng. Theo các số liệu dịch tễ học từ Tổ chức Y tế Thế giới (WHO) và Hiệp hội Ung thư Hoa Kỳ, ước tính riêng tại Hoa Kỳ vào năm 2024 có khoảng 100.640 trường hợp mắc mới u hắc tố ác tính xâm lấn và hơn 8.290 trường hợp tử vong. Bức xạ tia cực tím (UV) từ ánh nắng mặt trời—đặc biệt là tia UVB (bước sóng 290–320 nm) tác động trực tiếp lên cấu trúc DNA tế bào và tia UVA (bước sóng 320–400 nm) thúc đẩy lão hóa—cùng với tình trạng ô nhiễm môi trường là những nguyên nhân hàng đầu làm suy thoái bề mặt da và kích hoạt quá trình chuyển dạng ác tính.

Tại Việt Nam, số liệu thống kê từ GLOBOCAN năm 2020 ghi nhận khoảng 193 trường hợp mắc ung thư sắc tố da. Mặc dù tỷ lệ mắc u hắc tố ở người da vàng thấp hơn so với người da trắng (khoảng 2,9–4,5/100.000 dân so với 200/100.000 dân), bệnh nhân trong nước thường phát hiện bệnh ở giai đoạn muộn do thói quen chủ quan và thiếu nhận thức y tế. Tiên lượng sống sót sau 5 năm đối với u hắc tố đạt trên 99% nếu được chẩn đoán và điều trị ở giai đoạn khu trú, nhưng giảm mạnh xuống còn 71% khi tế bào ung thư xâm lấn hạch bạch huyết lân cận và chỉ còn 32% khi đã di căn xa.

Các phương pháp chẩn đoán truyền thống bộc lộ nhiều hạn chế thực tiễn: khám lâm sàng bằng mắt thường phụ thuộc nhiều vào kinh nghiệm chủ quan của bác sĩ, dễ dẫn đến sai sót âm tính giả hoặc dương tính giả; phương pháp sinh thiết (như sinh thiết bấm, sinh thiết kim, sinh thiết mở) tuy mang tính chuẩn vàng nhưng là thủ thuật xâm lấn, gây đau đớn, để lại sẹo, tốn kém chi phí và thời gian xét nghiệm. Trong bối cảnh đó, kỹ thuật soi da kỹ thuật số (dermoscopy) kết hợp với các thuật toán xử lý ảnh tự động nổi lên như một hướng tiếp cận không xâm lấn, hỗ trợ xác định vùng tổn thương nhanh chóng, tiết kiệm chi phí và chuẩn hóa các chỉ số đánh giá. Nhằm giải quyết các khoảng trống nghiên cứu xử lý ảnh y sinh da liễu tại Việt Nam, đề tài "Nghiên cứu thuật toán phân đoạn vùng tổn thương trong hỗ trợ chẩn đoán ung thư da" đã được thực hiện.

Mục tiêu nghiên cứu của đề tài gồm 5 nội dung:

1. Nghiên cứu và tìm hiểu tổng quan tình hình bệnh ung thư da trong và ngoài nước.
2. Tìm hiểu các phương pháp phát hiện bệnh nói chung và phương pháp xử lý ảnh, phân đoạn vùng tổn thương nói riêng trong hỗ trợ chẩn đoán bệnh ung thư da.
3. Nghiên cứu xây dựng phương pháp xử lý ảnh phân vùng tổn thương.
4. Thu thập dữ liệu, tiến hành xử lý ảnh và đánh giá kết quả.
5. Kết luận và đưa ra hướng phát triển của đề tài.

Nhiệm vụ nghiên cứu được phân định thành hai khối nhiệm vụ chính:

• Nhiệm vụ lý thuyết: Tìm hiểu thực trạng ung thư da trong nước và quốc tế; khảo cứu nguyên nhân và các kỹ thuật chẩn đoán y khoa; tổng quan các công trình ứng dụng xử lý ảnh trong hỗ trợ chẩn đoán trên thế giới; phân tích cấu trúc giải phẫu học của da và phân loại mô bệnh học ung thư da.
• Nhiệm vụ thực nghiệm: Thu thập tập dữ liệu ảnh soi da chuẩn; xây dựng chuỗi thuật toán xử lý ảnh trên môi trường tính toán số; thực hiện phân đoạn vùng tổn thương; phân tích, so sánh và đánh giá đối chiếu kết quả đạt được với các nghiên cứu quốc tế đã công bố; đúc kết kết luận và đề xuất định hướng phát triển.

Đối tượng nghiên cứu là các thuật toán xử lý ảnh số phục vụ phân đoạn vùng tổn thương da liễu và các đặc trưng hình thái học của bệnh lý ung thư da. Phạm vi nghiên cứu tập trung vào việc xử lý tập dữ liệu ảnh soi da tiêu chuẩn quốc tế PH2 trên môi trường phần mềm MATLAB, được thực hiện và hoàn thành vào tháng 05 năm 2024 tại Khoa Y - Ngành Kỹ thuật Y sinh, Trường Đại học Nguyễn Tất Thành.

---

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng dựa trên kiến thức giải phẫu mô học da, bệnh học ung thư da, tiêu chuẩn đánh giá lâm sàng quốc tế và các kỹ thuật xử lý ảnh số chuyên dụng:

• Giải phẫu học và sinh lý bệnh học da: Da chiếm khoảng 16% trọng lượng cơ thể, gồm ba tầng cấu trúc:
  • Biểu bì (Epidermis): Không có mạch máu, gồm 5 lớp từ ngoài vào trong: lớp sừng (stratum corneum), lớp bóng (stratum lucidum), lớp hạt (stratum granulosum), lớp gai (stratum spinosum) và lớp đáy (stratum basale, dày 1–2 $\mu\text{m}$, nơi chứa tế bào hắc tố melanocyte sản sinh melanin).
  • Trung bì (Dermis): Dày từ 2 đến 4 mm, cấu tạo từ sợi collagen, sợi elastin, sợi lưới, chứa mạng lưới mạch máu, dây thần kinh, tuyến bã nhờn và nang lông.
  • Hạ bì (Hypodermis): Lớp mô mỡ và sợi liên kết đàn hồi, có vai trò đệm cơ học, giữ nhiệt và gắn kết da với các cấu trúc bên dưới.
• Phân loại bệnh học ung thư da:
  • Ung thư da không hắc tố (NMSC): Chiếm đa số, gồm Ung thư biểu mô tế bào đáy (BCC - chiếm khoảng 80% NMSC với 4 dạng: nốt tròn, lan rộng bề mặt, xơ cứng, hắc tố) và Ung thư biểu mô tế bào vảy (SCC - chiếm khoảng 18% NMSC, tiến triển qua 5 giai đoạn từ giai đoạn 0 đến giai đoạn 4).
  • Khối u ác tính (Melanoma): Bắt nguồn từ sự tăng sinh mất kiểm soát của tế bào hắc tố, chiếm khoảng 2% tổng số ca bệnh nhưng gây ra tới 80% số ca tử vong do ung thư da. Quá trình phát triển trải qua pha tăng trưởng ngang (radial growth phase) xâm lấn biểu bì và pha tăng trưởng dọc (vertical growth phase) phá vỡ màng đáy thâm nhập sâu vào trung bì, hạ bì.
  • Các thể ung thư da khác: Sarcoma Kaposi, ung thư biểu mô tế bào Merkel, ung thư biểu mô tuyến bã nhờn.
• Tiêu chuẩn đánh giá ABCD và chỉ số TDS: Quy tắc ABCD được phát triển năm 1985 tại Đại học New York nhằm định lượng tổn thương qua ảnh soi da:
  • A (Asymmetry - Tính bất đối xứng): Đánh giá sự đối xứng qua trục chính và trục nhỏ (0 điểm: đối xứng 2 trục; 1 điểm: bất đối xứng 1 trục; 2 điểm: bất đối xứng cả 2 trục).
  • B (Border irregularity - Độ không đều đường viền): Chia tổn thương thành 8 phần, chấm điểm từ 0 đến 8 tương ứng với mức độ góc cạnh/không đều của từng phần.
  • C (Color distribution - Phân bố màu sắc): Đánh giá sự hiện diện của 6 màu đặc trưng (trắng, đỏ, nâu nhạt, nâu sẫm, xám xanh, đen), mỗi màu tính 1 điểm (thang điểm 0–6).
  • D (Diameter/Differential Structures - Cấu trúc vi mô): Khảo sát 5 dạng cấu trúc (mạng lưới sắc tố, vùng vô cấu trúc, vệt phân nhánh, chấm, khối/hạt), thang điểm từ 0 đến 5.
  • Tổng điểm soi da (Total Dermoscopic Score - TDS): Được tính toán dựa trên trọng số của các tham số ABCD. Ngưỡng chẩn đoán: $\text{TDS} < 4{,}75$ (tổn thương lành tính); $4{,}75 \le \text{TDS} \le 5{,}45$ (tổn thương nghi ngờ/bất thường); $\text{TDS} > 5{,}45$ (nguy cơ cao là khối u ác tính).

Phương pháp nghiên cứu thực nghiệm được tiến hành tuần tự theo quy trình xử lý ảnh trên phần mềm MATLAB:

1. Tiền xử lý: Chuyển đổi ảnh màu RGB sang ảnh thang độ xám (hàm rgb2gray). Triệt tiêu lông và tóc bằng phương pháp đóng hình thái học (Morphological Closing - hàm imclose kết hợp phần tử cấu trúc đĩa strel('disk', x)). Khử nhiễu đốm bằng bộ lọc trung vị (Median Filter - hàm medfilt2 với ma trận vuông $3 \times 3$).
2. Tăng cường chất lượng ảnh: Sử dụng kỹ thuật dãn biểu đồ độ sáng stretchlim và hàm imadjust để kéo dải mức xám từ khoảng hẹp $[0, 175]$ ra toàn dải $[0, 255]$ theo hàm biến đổi tuyến tính từng đoạn $T(r)$.
3. Phân đoạn và trích chọn vùng quan tâm (ROI): Áp dụng phương pháp phân ngưỡng tự động Otsu (hàm im2bw và graythresh) để tạo ảnh mặt nạ nhị phân. Sử dụng các hàm regionprops('Area'), labelmatrix và ismember để lọc bỏ các vùng nhiễu cô lập có diện tích nhỏ hơn 100 pixel.
4. Hậu xử lý hình thái: Thực hiện phép bù đảo màu (imcomplement) và loại bỏ viền đen/hiệu ứng ống kính soi da (imclearborder), tiến hành làm mượt biên, căn chỉnh tâm và xác định trục hình học của vùng tổn thương.

Nguồn dữ liệu thực nghiệm được lấy từ cơ sở dữ liệu quốc tế PH2 do Bệnh viện Pedro Hispano (Matosinhos, Bồ Đào Nha) xây dựng. Bộ dữ liệu gồm 200 ảnh soi da kỹ thuật số thu nhận qua hệ thống Tuebinger Mole Analyzer với độ phóng đại $20\times$, định dạng ảnh màu RGB độ phân giải $768 \times 560$ pixel, dung lượng xấp xỉ 1,3 MB/ảnh. Tập dữ liệu phân bố gồm 80 mẫu tổn thương lành tính, 80 mẫu nốt ruồi không điển hình và 40 mẫu khối u ác tính, đi kèm các nhãn phân đoạn thủ công và kết quả chẩn đoán mô bệnh học chuẩn từ chuyên gia da liễu.

---

Nội dung chính theo từng chương

Chương Mở đầu

Chương này thiết lập tính cấp thiết của đề tài xuất phát từ gánh nặng bệnh tật của ung thư da và thực trạng thiếu hụt các công cụ chẩn đoán hỗ trợ tự động tại Việt Nam. Tác giả xác định rõ ràng 5 mục tiêu tổng quát, phân chia chi tiết các nhiệm vụ lý thuyết và thực nghiệm, đồng thời xác lập đối tượng nghiên cứu là giải thuật phân đoạn ảnh y sinh trên ảnh soi da.

Chương I: Tổng quan

Chương I tổng hợp bức tranh dịch tễ học ung thư da toàn cầu và tại Việt Nam, nêu rõ tỷ lệ mắc bệnh tại nhiều quốc gia năm 2020 theo Tổ chức Quan sát Ung thư Toàn cầu (Úc: 176,6/100.000; New Zealand: 159,1/100.000; Mỹ: 81,5/100.000; Canada: 72,8/100.000; Đức: 51,8/100.000; Anh: 39,8/100.000; Pháp: 36,9/100.000; Ý: 26,4/100.000; Nhật Bản: 2,7/100.000). Chương phân tích ưu nhược điểm của các kỹ thuật lâm sàng: khám mắt thường (thời gian 10–15 phút nhưng dễ sai lệch), sinh thiết (sinh thiết bấm 2–5 mm, sinh thiết kim nhỏ FNA, sinh thiết kim lõi, sinh thiết mở trọn hạch) và soi da kỹ thuật số (sử dụng nguồn sáng phân cực để loại bỏ phản xạ bề mặt). Đồng thời, tác giả khảo cứu các công trình nghiên cứu xử lý ảnh y tế tiêu biểu: Mohamed et al. (2019) trích xuất ABCD tính TDS; Nadia Smaoui Zghal và Nabil Derbel (2020) áp dụng mặt nạ 3 kênh màu trên PH2 đạt độ nhạy 82%, độ đặc hiệu 92%; Jia Huaping et al. (2021) kết hợp Kernel Fuzzy C-Means (KFCM) và mạng nơ-ron tối ưu; Khaleel và Basheer (2023) sử dụng Support Vector Machine (SVM) nhân RBF đạt độ chính xác 94,87%.

Chương II: Cơ sở lý thuyết

Nội dung chương trình bày chi tiết về giải phẫu 3 lớp của da (biểu bì với 5 phân lớp, trung bì chứa mạng lưới collagen/elastin dày 2–4 mm, hạ bì chứa mô mỡ) và cơ chế sinh bệnh học của các dạng ung thư da (BCC với 4 phân nhóm, SCC qua 5 giai đoạn phát triển, Melanoma qua 2 pha tăng trưởng ngang và dọc). Chương đi sâu vào cơ chế quy tắc ABCD, giải thuật tính điểm TDS, đồng thời phân tích vai trò của ảnh kỹ thuật số trong y sinh (chuẩn DICOM, CT Scanner, MRI, siêu âm Doppler) và lý do lựa chọn môi trường lập trình MATLAB (ngôn ngữ xử lý ma trận do Cleve Moler và Jack Little phát triển) để hiện thực hóa các giải thuật.

Chương III: Phương pháp nghiên cứu

Chương III mô tả chi tiết quy trình thực nghiệm kỹ thuật. Tác giả trình bày cấu trúc dữ liệu của 200 ảnh trong tập PH2 (80 lành tính, 80 nốt ruồi không điển hình, 40 u ác tính). Chuỗi xử lý ảnh được xây dựng qua các bước toán học cụ thể: chuyển đổi thang xám (rgb2gray), đóng hình thái học để triệt tiêu lông tóc (imclose với strel('disk', x)), lọc trung vị ma trận $3 \times 3$ (medfilt2), mở rộng dải tương phản từ $[0, 175]$ sang $[0, 255]$ bằng imadjust và stretchlim, phân ngưỡng nhị phân Otsu (im2bw, graythresh), loại bỏ các vùng nhiễu nhỏ hơn 100 pixel (regionprops, labelmatrix, ismember), đảo ngược ảnh nhị phân (imcomplement) và loại trừ biên ảnh (imclearborder).

Chương IV: Kết quả nghiên cứu

Chương trình bày trực quan các kết quả đạt được qua từng công đoạn xử lý trên bộ dữ liệu PH2: ảnh sau khử lông tóc, ảnh sau lọc trung vị, biểu đồ histogram trước và sau khi dãn tương phản, ảnh mặt nạ nhị phân sau phân ngưỡng Otsu, ảnh sau khi lọc bỏ nhiễu diện tích nhỏ $< 100$ pixel, và ảnh trích xuất biên vùng tổn thương hoàn chỉnh. Tác giả thực hiện so sánh, đối chiếu trực quan kết quả phân đoạn của thuật toán đề xuất với kết quả của các nhóm tác giả quốc tế gồm Nadia Smaoui Zghal & Nabil Derbel (2020) và Ebrahim Mohammed Senan & Mukti E Jadhav (2021) trên cùng tập dữ liệu chuẩn.

Chương V: Kết luận và hướng phát triển

Chương tổng kết lại toàn bộ kết quả nghiên cứu giải thuật phân đoạn, khẳng định tính khả thi của quy trình xử lý ảnh trên tập dữ liệu PH2 và đề xuất các định hướng nâng cấp hệ thống trong tương lai.

---

Kết quả và đóng góp

Kết quả nghiên cứu chính

1. Xây dựng hoàn chỉnh đường ống tiền xử lý và phân đoạn ảnh: Giải thuật đã loại bỏ triệt để các yếu tố gây nhiễu phức tạp trên bề mặt da như lông, tóc dày và các chấm đốm nhiễu quang học thông qua sự kết hợp giữa phép đóng hình thái học (phần tử cấu trúc đĩa) và bộ lọc trung vị ma trận $3 \times 3$.
2. Cải thiện độ tương phản và chuẩn hóa dải động: Kỹ thuật stretchlim kết hợp hàm biến đổi từng đoạn $T(r)$ đã mở rộng thành công dải mức xám từ phạm vi hẹp $[0, 175]$ ra toàn dải $[0, 255]$, tạo điều kiện tối ưu cho bước phân ngưỡng nhị phân.
3. Phân đoạn chính xác vùng tổn thương: Thuật toán phân ngưỡng Otsu tự động kết hợp với kỹ thuật lọc diện tích vùng liên thông ($> 100$ pixel) và khử viền ống kính (imclearborder) đã cô lập chính xác biên giới của tổn thương, loại trừ hoàn toàn các thành phần nhiễu nền.
4. Đối chiếu thực nghiệm với các công trình quốc tế: Kết quả trích xuất vùng tổn thương của đề tài đạt độ tương đồng hình thái cao khi so sánh trực quan với kết quả phân đoạn của các nghiên cứu công bố bởi Nadia Smaoui Zghal & Nabil Derbel (2020) và Ebrahim Mohammed Senan & Mukti E Jadhav (2021) trên cơ sở dữ liệu PH2.

Tác giả / Nghiên cứu	Phương pháp / Giải thuật sử dụng	Tập dữ liệu	Kết quả / Độ chính xác
Mohamed et al. (2019)	Chuyển xám, lọc nhiễu/lông, phân ngưỡng, tính ABCD và chỉ số TDS	Ảnh soi da	Phân loại u ác tính dựa trên TDS
Nadia S. Zghal & N. Derbel (2020)	Xử lý ảnh, áp dụng mặt nạ 3 kênh màu, quy tắc ABCD trên MATLAB	PH2 Database	Độ đặc hiệu 92%, Độ nhạy 82%
Mai S. Mabrouk et al. (2020)	Tiền xử lý, điều chỉnh tương phản, quy tắc ABCD, tính điểm TDS	Ảnh nội soi	Độ chính xác đạt 98,1%
Saptarshi Chatterjee et al. (2020)	Lọc trung vị, phân đoạn tổn thương, trích xuất tham số không gian ABCD	Ảnh soi da	Độ chính xác 97,86%, Độ đặc hiệu 97,97%, Độ nhạy 97,69%
L. Singh et al. (2020)	Phân ngưỡng xác định ROI, quy tắc ABCD kết hợp Support Vector Machine (SVM)	PH2 Database	Độ chính xác đạt 92,5%
Khaleel & Nasseer M. Basheer (2023)	Trích xuất đặc trưng tế bào bất thường, phân loại bằng SVM nhân RBF	Dữ liệu soi da	Độ chính xác chẩn đoán đạt 94,87%
N. Soliman et al. (2024)	Mạng nơ-ron nhân tạo (Artificial Neural Networks - ANN)	PH2 Database	Độ chính xác 94%, Độ đặc hiệu 95,83%, Độ nhạy 92,3%
Khóa luận đề tài (2024)	Đóng hình thái học, lọc trung vị, dãn tương phản, Otsu, lọc diện tích ($>100\text{ px}$), khử viền	PH2 Database (200 ảnh)	Phân đoạn hoàn chỉnh ROI, tương đồng với các nghiên cứu quốc tế

Đóng góp của đề tài

• Hệ thống hóa toàn diện cơ sở lý thuyết y sinh về cấu trúc giải phẫu học của da, cơ chế bệnh sinh của các dạng ung thư da (BCC, SCC, Melanoma) và tiêu chuẩn định lượng lâm sàng ABCD/TDS.
• Đề xuất quy trình xử lý ảnh tự động hoàn chỉnh từ khâu tiền xử lý, tăng cường tương phản đến phân đoạn và hậu xử lý trên nền tảng MATLAB, chứng minh hiệu quả trên tập dữ liệu chuẩn y tế PH2.
• Cung cấp tài liệu tham khảo kỹ thuật và y sinh có giá trị cho việc phát triển các hệ thống hỗ trợ chẩn đoán y tế có sự trợ giúp của máy tính (CAD) tại các cơ sở y tế trong nước.

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ ra một số điểm hạn chế và đề xuất các định hướng phát triển tiếp theo dựa trên nội dung văn bản:

• Hạn chế: Nghiên cứu thực nghiệm chủ yếu dừng lại ở giai đoạn tiền xử lý, tăng cường tương phản và phân đoạn xác định vùng tổn thương ROI; các bước trích xuất toàn diện 4 thông số ABCD (đặc biệt là phân tích kết cấu vi mô và màu sắc nâng cao) để tính toán điểm số TDS tự động hoàn chỉnh trên toàn bộ 200 mẫu bệnh phẩm vẫn cần tiếp tục hoàn thiện. Quá trình kiểm chứng chủ yếu so sánh định tính hình thái với các công bố quốc tế.
• Hướng phát triển:
  • Hoàn thiện thuật toán tự động hóa hoàn toàn quy trình trích xuất đầy đủ các tham số của quy tắc ABCD (tính toán góc xoay đối xứng qua hai trục, đo độ gấp khúc đường viền, phân loại 6 dải màu sắc, nhận diện 5 cấu trúc vi mô).
  • Tích hợp các mô hình học máy (như Support Vector Machine - SVM) hoặc học sâu (mạng nơ-ron nhân tạo ANN, CNN) để tự động phân loại tổn thương thành ba nhóm: lành tính, nốt ruồi không điển hình và u ác tính dựa trên chỉ số TDS.
  • Mở rộng thử nghiệm trên các bộ dữ liệu ảnh lâm sàng thực tế thu thập tại các bệnh viện da liễu ở Việt Nam nhằm kiểm tra độ bền vững của thuật toán trước các điều kiện chụp ảnh đa dạng.

---

Giá trị tham khảo

Khóa luận là tài liệu học thuật có giá trị ứng dụng và tham khảo thực tiễn cao cho nhiều đối tượng:

• Sinh viên và học viên ngành Kỹ thuật Y sinh (Biomedical Engineering): Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình ứng dụng xử lý ảnh số vào bài toán y sinh thực tế; cấu trúc mã lệnh MATLAB mẫu cho các phép biến đổi hình thái học, phân ngưỡng Otsu và lọc nhãn ma trận liên thông.
• Sinh viên ngành Khoa học Máy tính, Công nghệ Thông tin và Trí tuệ Nhân tạo: Tham khảo phương pháp tiền xử lý dữ liệu ảnh y tế, kỹ thuật khử nhiễu bề mặt (lông, tóc, bóng sáng) và phương pháp đánh giá dữ liệu dựa trên tập chuẩn quốc tế PH2.
• Bác sĩ da liễu và cán bộ nghiên cứu y học: Cung cấp góc nhìn định lượng kỹ thuật về tiêu chuẩn chẩn đoán ABCD và chỉ số TDS, hỗ trợ quá trình nghiên cứu xây dựng các hệ thống phần mềm hỗ trợ chẩn đoán không xâm lấn (CAD/CDSS) nhằm giảm tải áp lực cho tuyến y tế cơ sở.

---

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn phương pháp đóng hình thái học thay vì các bộ lọc làm mờ thông thường để loại bỏ lông tóc?

Trong ảnh soi da, lông và tóc xuất hiện dưới dạng các đường tối màu hẹp cắt ngang bề mặt tổn thương. Các bộ lọc làm mờ thông thường (như lọc trung bình hay lọc Gaussian) sẽ làm mờ toàn bộ ảnh và làm nhòe ranh giới của khối u. Phương pháp đóng hình thái học (imclose) kết hợp với phần tử cấu trúc dạng đĩa (strel('disk', x)) có khả năng lấp đầy các cấu trúc dạng đường tối màu có kích thước nhỏ hơn bán kính đĩa mà không làm biến dạng ranh giới tổng thể và cấu trúc hình học của vùng tổn thương.

2. Ý nghĩa của chỉ số TDS trong chẩn đoán ung thư da và các ngưỡng phân loại được xác định như thế nào?

Chỉ số TDS (Total Dermoscopic Score) là tổng điểm soi da được tính toán dựa trên sự kết hợp có trọng số của 4 thông số theo quy tắc ABCD: Tính bất đối xứng (A, thang điểm 0–2), Độ không đều đường viền (B, thang điểm 0–8), Phân bố màu sắc (C, thang điểm 0–6) và Cấu trúc vi mô/Đường kính (D, thang điểm 0–5). Dựa vào giá trị TDS tính được, tổn thương được phân loại thành ba nhóm:

• $\text{TDS} < 4{,}75$: Tổn thương lành tính.
• $4{,}75 \le \text{TDS} \le 5{,}45$: Tổn thương có dấu hiệu bất thường, cần theo dõi lâm sàng.
• $\text{TDS} > 5{,}45$: Khối u có khả năng cao là ác tính (melanoma).

3. Tập dữ liệu chuẩn PH2 có những đặc điểm kỹ thuật gì nổi bật để được chọn làm dữ liệu nghiên cứu?

Tập dữ liệu PH2 được thu thập tại Dịch vụ Da liễu thuộc Bệnh viện Pedro Hispano (Bồ Đào Nha) bằng hệ thống Tuebinger Mole Analyzer với độ phóng đại đồng nhất $20\times$. Tập dữ liệu bao gồm 200 ảnh màu RGB độ phân giải cao ($768 \times 560$ pixel), chia đều theo các nhóm bệnh học rõ ràng (80 ca lành tính, 80 ca nốt ruồi không điển hình, 40 ca u ác tính). Điểm mấu chốt là tất cả các ảnh đều đi kèm kết quả phân đoạn thủ công chuẩn (ground truth) và chẩn đoán mô bệnh học từ các chuyên gia da liễu, cho phép đánh giá thuật toán một cách khách quan.

4. Vai trò của bước lọc diện tích vùng liên thông với ngưỡng 100 pixel trong thuật toán là gì?

Sau khi thực hiện phân ngưỡng nhị phân bằng giải thuật Otsu, trên ảnh mặt nạ thường xuất hiện các đốm trắng li ti do nhiễu hạt sắc tố hoặc cấu trúc da xung quanh tạo nên. Bằng cách sử dụng thuộc tính 'Area' trong hàm regionprops kết hợp với labelmatrix và ismember, thuật toán sẽ gán nhãn từng vùng liên thông và loại bỏ toàn bộ các vùng có diện tích nhỏ hơn 100 pixel. Bước xử lý này giúp làm sạch nền, làm mịn bề mặt mặt nạ và chỉ giữ lại duy nhất vùng tổn thương bệnh lý chính.

5. Sự khác biệt cơ bản giữa ung thư biểu mô tế bào đáy (BCC), ung thư biểu mô tế bào vảy (SCC) và khối u ác tính (Melanoma) là gì?

• BCC (Ung thư biểu mô tế bào đáy): Chiếm khoảng 80% các ca ung thư da không hắc tố, bắt nguồn từ lớp tế bào đáy của biểu bì, thường xuất hiện ở vùng đầu mặt cổ tiếp xúc với ánh nắng, tiến triển chậm và rất ít khi di căn xa.
• SCC (Ung thư biểu mô tế bào vảy): Chiếm khoảng 18% các ca ung thư da không hắc tố, phát sinh từ tế bào sừng của biểu bì do tổn thương DNA bởi tia cực tím, có khả năng xâm lấn vào mô mềm, sụn, xương và tiến triển qua 5 giai đoạn (0–4).
• Melanoma (U hắc tố ác tính): Bắt nguồn từ sự đột biến và tăng sinh mất kiểm soát của tế bào hắc tố (melanocyte), chỉ chiếm khoảng 2% tổng số ca ung thư da nhưng chiếm tới 80% tổng số ca tử vong do có tốc độ xâm lấn màng đáy và di căn xa rất nhanh qua đường máu và hạch bạch huyết.

---

Kết luận

Khóa luận tốt nghiệp "Nghiên cứu thuật toán phân đoạn vùng tổn thương trong hỗ trợ chẩn đoán ung thư da" đã hoàn thành việc xây dựng chuỗi giải thuật xử lý ảnh y sinh tự động trên phần mềm MATLAB nhằm tách biên chính xác vùng tổn thương da từ ảnh soi da kỹ thuật số. Thông qua việc kết hợp các phép biến đổi đóng hình thái học, lọc trung vị, dãn tương phản và phân ngưỡng Otsu kèm lọc nhiễu diện tích, đề tài đã xử lý hiệu quả 200 ảnh thuộc cơ sở dữ liệu chuẩn quốc tế PH2. Kết quả đạt được cho thấy sự tương đồng hình thái cao với các công bố quốc tế, đóng góp một giải pháp kỹ thuật có tiềm năng ứng dụng cao trong việc xây dựng các hệ thống hỗ trợ chẩn đoán y tế tự động (CAD) không xâm lấn, giúp phát hiện sớm ung thư da và nâng cao hiệu quả điều trị cho người bệnh.

Trích đoạn nội dung tài liệu

CHƯƠNG I: TỎNG QUAN 1. Tông quan về tình hình ung thư da trong và ngoài nước 1. Tông quan tình hình ung thư da trên thế giới Ung thir (tiếng Anh: cancer) là một nhóm tế bào rối loạn đặc trưng bời sự phát triên hay còn gọi là tăng sinh một cách không được kiêm soát, có kliả năng xâm nhập vào các mô lân cận hoặc di căn - tire là lan sang các khu VỊIC khác của cơ thê [1], Hiện nay có hơn 200 loại ung thư khác nhau có thê cướp đi mạng sống cùa một người [2], ung thư da cũng không ngoại lệ. Đứng thứ năm trong những loại ung tlur phô biến nhất ờ Hoa Kỳ, ung thư da được chia thành hai loại là ung thư da hac tố và ung thư da không hac tố.

Khối u ác tính xâm lấn có tỷ lệ số ca tử vong lên đến 80% mặc dù nó chi chiếm khoáng 2% trong tông số tnrờng hợp mắc ung thư da. Theo Tô chức Y tế Thế giới (WHO), ờ Hoa Kỳ vào năm 2019, ước tính có khoảng 190.000 tnrờng hợp mac u ác tính ờ da và đen năm 2020 con số này đã lên đến 320. Có thê thấy rang, tỷ lệ mac bệnh này ngày một gia tăng theo thời gian và đây là loại ung thư phô biến nhất tại Hoa Kỳ. Vào năm 2022, Hội Da liễu Hoa Kỳ (AAD - American Academy of Dermatology) ước tính răng môi ngày có khoảng 9.500 người ờ nước này được chân đoán mắc bệnli ung thư da và có ít nhất 1/5 người Mỹ sẽ mắc bệnh ung thư da trong đời.

Năm 2023, ước tính có klioảng 97.610 người trường thành (trong đó 58.490 nữ) ờ Hoa Kỳ được chân đoán mắc bệnh u ác tính xâm lấn trên da và tỷ lệ mac bệnh ờ người da trắng gấp 20 lần so với người da đen. Hiệp hội Ung thir Hoa Kỳ dự đoán rang vào năm 2024, con số mắc ung thư da ờ mức 100.640 trường hợp, trong đó 8.290 người sẽ tử vong vì căn bệnh này [4]. Bên cạnh đó, ờ úc và New Zealand tỷ lệ trung bình cứ khoảng 100.000 người thi có 33 người mac ung thư da, tiếp theo là các quốc gia như Na Uy và Đan Mạch nói riêng cũng nhir các quốc gia Bắc Ầu nói chung. Người châu Á và châu Phi.

những người có làn da sẫm màu có nguy cơ mac bệnh ung thư da thấp hơn do sự hiện diện cùa melanin, nhưng cũng sẽ nguy hiêm hơn do thường được chân đoán phát hiện trễ, khi đó việc điều trị khó khăn hơn. Ung thư da là một vấn đề đáng lo ngại về sức kliòe và nền kinh tế toàn cầu, trước 50 tuổi nhiều phụ nữ được chân đoán mắc khối u ác tính nhiều hơn nam giới và sau 50 SVTH: Nguyễn Thị Thủy Hằng GVHD: ThS. Nguyễn Ngọc Quỳnh Nguyễn Thị Thu Thảo p a g e 14 tuôi tỷ lệ mắc bệnh ờ nam giới cao hơn. Theo Tô chức quan sát ung thư Toàn cầu thuộc cơ quan nghiên cứu ung thư quốc te, vào năm 2020, tỷ lệ mac ung thư da hắc tố và ung thư da không hắc tố theo độ tuôi khi khảo sát trên 100.000 người lần lượt là Canada - 72,8; Pháp - 36,9; Đức 51,8; Ý 26,4; Nhật Bân 2,7; Anh 39,8; Mỹ 81,5; úc 176,6 và New Zealand 159,1 [5].

Trên thực te, một nghiên cứu ờ Anh cho thay khoáng 86% khối u ác tính có thê là do tiếp xúc với bức xạ tia cực tím tìr mặt trời [6]. Bức xạ tia cực tím (Ultraviolet - UV) được biết đến là chất gây ung thư’ và được chia làm ba loại: UVA, UVB và uvc. Trên bề mặt trái đất chủ yếu xuất hiện tia UVA và UVB, do phần lớn tia uvc đã bị tầng ozone hấp thụ và phản xạ ngược lại.