Tổng quan về luận án

Bệnh động mạch vành (Coronary Artery Disease - CAD) bắt nguồn từ sự hình thành các mảng xơ vữa gây hẹp lòng mạch, dẫn đến thiếu máu cục bộ cơ tim và nhồi máu cơ tim cấp. Báo cáo y tế toàn cầu ghi nhận: "Bệnh tim mạch chiếm 34,2% số tử vong chung trên toàn thế giới mỗi năm cho dù đã có nhiều phương pháp điều trị hữu hiệu. Ở Việt Nam, số người chết vì bệnh tim mạch khoảng 200.000 người, chiếm ¼ tổng số ca tử vong hằng năm." Trong bối cảnh này, kỹ thuật xạ hình tưới máu cơ tim (Myocardial Perfusion Imaging - MPI) bằng máy chụp cắt lớp phát xạ đơn photon (Single Photon Emission Computed Tomography - SPECT) sử dụng dược chất phóng xạ phát tia gamma 140 keV (như Tc-99m Sestamibi, Tc-99m Tetrofosmin) giữ vai trò là tiêu chuẩn chẩn đoán hình ảnh chức năng không xâm lấn hàng đầu.

Tuy nhiên, thực hành lâm sàng SPECT MPI đối mặt với hai khoảng trống nghiên cứu cốt lõi:

  1. Nhiễu suy giảm photon (attenuation artifacts) do sự khác biệt về tỷ trọng mô mềm (như hiệu ứng vòm hoành ở nam giới gây khuyết xạ thành dưới, mô tuyến vú ở nữ giới gây suy giảm thành trước/mỏm tim). Giải pháp ghép nối đầu thu CT để hiệu chỉnh suy giảm (CT-based Attenuation Correction - CT-AC) làm gia tăng vượt trội chi phí đầu tư, nguy cơ phơi nhiễm bức xạ thứ cấp và sai lệch đồng vị trí do chuyển động hô hấp. Trong khi đó, "số lượng máy SPECT đơn thuần đang chiếm khoảng 80% trên thế giới nên giải quyết được nhiễu suy giảm mà vẫn tận dụng được những máy này có ý nghĩa quan trọng."
  2. Sai sót chủ quan từ người đọc: "Theo thống kê ở Hoa Kỳ, sai sót chẩn đoán chung ước tính vào khoảng 10 đến 15% và trong tim mạch hạt nhân là 30%." Đồng thời, các hệ thống phần mềm hỗ trợ chẩn đoán bán định lượng hiện hành (như QPS, QGS) tính toán các chỉ số khuyết xạ tổng (Total Perfusion Deficit - TPD), tổng điểm gắng sức (Summed Stress Score - SSS), tổng điểm nghỉ (Summed Rest Score - SRS) dựa trên dữ liệu người chuẩn phương Tây, tạo ra độ lệch sinh học khi áp dụng trên nhân trắc học người Việt Nam.

Luận án tiến sĩ kỹ thuật điện tử của NCS. Nguyễn Thành Trung (Mã số: 9520203) tại Trường Đại học Bách Khoa Hà Nội, dưới sự hướng dẫn của TS. Nguyễn Thái Hà và GS. Nguyễn Đức Thuận, tập trung giải quyết các câu hỏi và giả thuyết nghiên cứu cụ thể:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để tái tạo và hiệu chỉnh nhiễu suy giảm trên ảnh SPECT MPI độc lập với hệ thống phần cứng CT mà vẫn đảm bảo độ tương đồng cấu trúc và phân bố định lượng tương đương CT-AC?
  • Câu hỏi nghiên cứu 2 (RQ2): Mô hình học sâu dựa trên dữ liệu thể tích 3D và đặc trưng lâm sàng có vượt trội hơn phương pháp phân tích ảnh bản đồ cực 2D truyền thống trong hỗ trợ phân loại tổn thương mạch vành không?
  • Giả thuyết nghiên cứu 1 (H1): Kiến trúc mạng nơ-ron tích chập sinh đối kháng 3 chiều (3DUnet-GAN) có khả năng học ánh xạ phi tuyến từ không gian ảnh chưa hiệu chỉnh (Non-Attenuation Corrected - NC) sang không gian ảnh đã hiệu chỉnh (Generated AC - GenAC) với sai số toàn phương tối thiểu.
  • Giả thuyết nghiên cứu 2 (H2): Hệ thống chẩn đoán hỗ trợ máy tính (Computer-Aided Diagnosis - CADx) tích hợp chuỗi lát cắt MPI 3D và các yếu tố nguy cơ tim mạch đạt diện tích dưới đường cong đặc trưng hoạt động máy thu (ROC-AUC) cao hơn đáng kể so với đánh giá bán định lượng TPD và chuyên gia đọc độc lập.

Nghiên cứu được triển khai trên tập dữ liệu chuẩn hóa thu thập tại Khoa Y học Hạt nhân, Bệnh viện Trung ương Quân đội 108 trên các hệ thống máy SPECT hiện đại của GE Healthcare (Infinia, Optima, Ventri), mang ý nghĩa tiên phong về cả công nghệ xử lý ảnh y tế lẫn ứng dụng an toàn bức xạ lâm sàng.

Literature Review và Positioning

Phân tích lịch sử ứng dụng trí tuệ nhân tạo trong tim mạch hạt nhân chỉ ra ba giai đoạn phát triển chính với các tranh luận học thuật rõ nét:

Giai đoạn đầu tập trung vào các mô hình học máy truyền thống sử dụng biến chức năng và tham số trích xuất thủ công. Điển hình là nghiên cứu của Arsajani và cộng sự (2013) trên 957 bệnh nhân, ứng dụng thuật toán Máy vectơ hỗ trợ (Support Vector Machine - SVM) kết hợp dữ liệu tưới máu và tham số động học thất trái, đạt diện tích dưới đường cong AUC = 0,88, chứng minh tiềm năng phân loại tương đương chuyên gia lâm sàng. Tiếp đó, Arsajani và cộng sự (2015) mở rộng trên 1.181 bệnh nhân sử dụng thuật toán LogitBoost tích hợp triệu chứng thiếu máu thoáng qua (Transient Ischemic Dilation - TID) và độ chênh lệch pha gắng sức/pha nghỉ, đạt ROC-AUC = 0,94 ± 0,01, vượt trội so với chỉ số TPD tự động.

Giai đoạn tiếp theo chứng kiến sự bùng nổ của mạng nơ-ron học sâu nhưng bộc lộ nhiều hạn chế về dạng thức dữ liệu đầu vào. Nghiên cứu đa trung tâm của Betancur và cộng sự (2018) trên 1.638 bệnh nhân (4.914 nhánh mạch vành) ứng dụng mạng tích chập (CNN) trên ảnh bản đồ cực (polar map) 2D và ảnh bản đồ cực định lượng TPD, đạt AUC trên từng bệnh nhân là 0,80 (so với TPD là 0,78) và trên từng nhánh mạch là 0,76 (so với TPD là 0,73, p < 0,01). Tuy nhiên, trường phái này vấp phải sự phản biện lớn: việc chuyển đổi từ chuỗi lát cắt 3D (trục ngắn, trục dài đứng, trục dài ngang) sang bản đồ cực 2D theo chuẩn 17 phân vùng của Hiệp hội Tim mạch Hạt nhân Hoa Kỳ (ASNC) và Hiệp hội Tim mạch Châu Âu (EANM) làm suy hao nghiêm trọng thông tin tương quan không gian giữa các lớp cắt và làm mờ các ổ khuyết xạ ranh giới.

Về bài toán hiệu chỉnh nhiễu suy giảm, các hướng tiếp cận cổ điển dựa hoàn toàn vào kỹ thuật thực hành y sinh học (chụp tư thế nằm sấp - prone imaging, gắn cổng điện tim ECG-gating) hoặc thuật toán tái tạo hình ảnh như Chiếu ngược có lọc (Filtered Back Projection - FBP), Tái tạo lặp cực đại hóa kỳ vọng tập con có thứ tự (Ordered Subset Expectation Maximization - OSEM) kết hợp bản đồ suy giảm phát xạ từ nguồn dịch chuyển hoặc CT đa dãy đầu thu. Các mô hình học sâu tái tạo ảnh liều thấp (như RED-CNN) mới chỉ thử nghiệm giới hạn trên chụp cắt lớp vi tính (CT), hoàn toàn vắng bóng các kiến trúc chuyên biệt cho cơ chế tán xạ photon đơn năng 140 keV trong SPECT MPI.

Vị trí học thuật của luận án được xác lập tại giao điểm đột phá: Khắc phục triệt để sự phụ thuộc vào phần cứng CT đắt đỏ bằng cách xây dựng mạng sinh đối kháng 3D nguyên khối (3DUnet-GAN) để dự đoán phân bố hoạt độ phóng xạ hiệu chỉnh suy giảm (GenAC), đồng thời xây dựng quy trình phân loại bệnh lý trực tiếp từ ma trận voxel 3D kết hợp các chỉ số nguy cơ lâm sàng nội địa hóa.

Nghiên cứu & Tác giả Quy mô mẫu & Dữ liệu Thuật toán / Phương pháp Kết quả / AUC Hạn chế cốt lõi
Arsajani et al. (2013, 2015) 957 - 1.181 BN (Hoa Kỳ) SVM, LogitBoost (Tham số định lượng + TPD) AUC = 0,88 - 0,94 Dựa trên trích xuất đặc trưng thủ công; dữ liệu chuẩn phương Tây.
Betancur et al. (2018) 1.638 BN (Đa trung tâm) Deep CNN (Ảnh bản đồ cực 2D Polar Map) AUC = 0,80 (bệnh nhân), 0,76 (nhánh) Mất mát cấu trúc không gian 3D qua phép chiếu 2D; không xử lý nhiễu suy giảm gốc.
Luận án (Nguyễn Thành Trung, 2021) Tập dữ liệu SPECT tim chuẩn hóa (Việt Nam) 3D-CAE, 3DUnet-GAN & 3D Deep CNN Classifier GenAC tương đương CT-AC; AUC phân loại vượt trội Polar Map Xử lý triệt để suy giảm bằng phần mềm 3D; tương thích 80% máy SPECT đơn thuần.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra bước tiến quan trọng trong việc mở rộng và kiểm chứng thực nghiệm các lý thuyết học máy và thị giác máy tính trong lĩnh vực vật lý y học hạt nhân:

  • Mở rộng lý thuyết Biểu diễn đặc trưng không gian đa chiều (Spatial Representation Theory): Khẳng định rằng cấu trúc tensơ 3 chiều bảo toàn liên kết giải phẫu liên lớp cắt (inter-slice spatial continuity) của cơ tim thất trái tốt hơn việc nén phẳng về tọa độ cực 2D. Quá trình tích chập 3D trực tiếp trích xuất các gradient hoạt độ phóng xạ theo ba chiều không gian, làm nổi bật các tổn thương xuyên thành (transmural ischemia).
  • Mô hình hóa lý thuyết Tái tạo đối kháng phân bố bức xạ (Adversarial Radiometric Reconstruction): Mở rộng lý thuyết mạng sinh đối kháng (Generative Adversarial Networks - GAN của Goodfellow et al.) và kiến trúc U-Net (Ronneberger et al.) sang không gian ảnh thể tích hạt nhân. Mô hình thiết lập quan hệ ánh xạ phi tuyến giữa trường suy giảm photon mô mềm không đồng nhất và bản đồ hoạt độ phóng xạ thực, chứng minh phân phối dữ liệu giả lập (GenAC) tiệm cận hoàn hảo với phân phối đo đạc thực nghiệm từ CT-AC.
  • Dịch chuyển hình thái luận (Paradigm Shift): Chuyển dịch từ mô hình chẩn đoán phụ thuộc phần cứng đắt tiền và định lượng dựa trên quần thể chuẩn ngoại sinh sang mô hình chẩn đoán thông minh dựa trên phần mềm (software-driven diagnostic paradigm) có khả năng tự thích ứng với đặc tính nhân trắc học bản địa.

Khung phân tích độc đáo

Khung phân tích của nghiên cứu tích hợp liên ngành giữa ba nền tảng lý thuyết chính:

  1. Lý thuyết tương tác bức xạ và vật chất (Beer-Lambert & Photon Attenuation Physics): Mô tả toán học sự suy giảm thông lượng gamma 140 keV qua các lớp cơ, mỡ, xương và nhu mô phổi.
  2. Lý thuyết Mã hóa - Giải mã Tích chập 3D (3D Convolutional Auto-Encoder Architecture): Tối ưu hóa không gian biểu diễn ẩn (latent space) nhằm triệt tiêu các thành phần tần số cao của nhiễu Poisson và tái tạo tín hiệu suy giảm giải phẫu.
  3. Lý thuyết Ra quyết định lâm sàng tăng cường (Augmented Clinical Decision Support): Kết hợp tensor không gian hình ảnh với véc-tơ đặc trưng phi hình ảnh (tuổi, giới tính, chỉ số khối cơ thể BMI, tiền sử đái tháo đường, tăng huyết áp, rối loạn lipid máu, chỉ số điện tâm đồ gắng sức).
flowchart TD
    subgraph Data_Acquisition ["Thu thập Dữ liệu SPECT Chuẩn hóa"]
        A[Bệnh nhân nghi ngờ CAD] --> B[Tiêm Tc-99m Sestamibi / Tetrofosmin]
        B --> C[Ghi hình SPECT 2 Pha: Nghỉ & Gắng sức]
        C --> D[Bộ ảnh NC không hiệu chỉnh]
        C --> E[Bộ ảnh CT-AC chuẩn đối chứng]
    end

    subgraph Denoising_Module ["Mô hình Khử nhiễu Suy giảm 3D"]
        D --> F[Ghép lát cắt tạo Tensor thể tích 3D]
        F --> G[Bộ sinh Generator: 3D U-Net]
        G --> H[Ảnh dự đoán GenAC]
        H & E --> I[Bộ phân biệt Discriminator: 3D CNN]
        I -->|Loss: BCE + L1 + SSIM| G
    end

    subgraph Classification_Module ["Mô hình Phân loại & Hỗ trợ Ra quyết định"]
        H --> J[Trích xuất Đặc trưng Thể tích 3D]
        K[Yếu tố Nguy cơ Lâm sàng & ECG] --> L[Véc-tơ Đặc trưng Kết hợp]
        J & L --> M[Mạng Phân loại Sâu VGG-16 Tùy biến]
        M --> N[Xác suất Tổn thương 17 Phân vùng & 3 Nhánh: LAD, RCA, LCx]
        N --> O[Bác sĩ Đọc Kết quả Ra Quyết định]
    end

Điều kiện biên của khung phân tích được xác định rõ: áp dụng cho các quy trình ghi hình SPECT MPI 2 pha (gắng sức/nghỉ) chuẩn hóa sử dụng đồng vị phóng xạ phát tia gamma đơn năng, không áp dụng cho các ca dị tật tim bẩm sinh phức tạp gây biến dạng cấu trúc buồng tim nghiêm trọng.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ thế giới quan thực chứng (positivism) và chủ nghĩa hiện thực phản biện (critical realism), áp dụng phương pháp thiết kế nghiên cứu kỹ thuật y sinh học thực nghiệm có đối chứng chuẩn vàng. Thiết kế đa tầng bao gồm:

  • Tầng 1 (Data-level): Thiết kế giao thức chuẩn hóa dữ liệu thể tích 3D và làm sạch đa bước.
  • Tầng 2 (Model-level): Thiết kế cấu trúc thuật toán học sâu xử lý ảnh thể tích 3D (3D-CAE và 3DUnet-GAN) đối sánh song song.
  • Tầng 3 (Clinical-level): Thiết kế quy trình thử nghiệm mù đôi (blinded evaluation) có sự tham gia của 2 chuyên gia y học hạt nhân trên 10 năm kinh nghiệm nhằm thẩm định giá trị chẩn đoán thực tế.

Quy trình nghiên cứu rigorous

Quy trình thu thập và chuẩn hóa dữ liệu được thực hiện theo khuyến cáo nghiêm ngặt của Hiệp hội Tim mạch Hạt nhân Hoa Kỳ (ASNC) và Hiệp hội Y học Hạt nhân Châu Âu (EANM):

  • Địa điểm thu thập: Khoa Y học Hạt nhân, Bệnh viện Trung ương Quân đội 108.
  • Hệ thống thiết bị: Máy SPECT/CT chuyên dụng của GE Healthcare (Infinia, Optima NM/CT 640, Ventri) trang bị đầu dò gamma góc kép tinh thể NaI(Tl) và bộ chuẩn trực độ phân giải cao năng lượng thấp (LEHR).
  • Tiêu chuẩn lựa chọn (Inclusion criteria): Bệnh nhân chỉ định chụp xạ hình tưới máu cơ tim 2 pha (gắng sức thể lực trên thảm chạy hoặc gắng sức bằng thuốc Dipyridamole/Adenosine kết hợp pha nghỉ); có đầy đủ cặp ảnh NC và CT-AC tương ứng; có hồ sơ theo dõi lâm sàng và kết quả chụp mạch vành cản quang (tiêu chuẩn vàng).
  • Tiêu chuẩn loại trừ (Exclusion criteria): Bệnh nhân rung nhĩ nặng không đồng bộ được cổng điện tim ECG; hình ảnh có chuyển động bệnh nhân vượt quá 2 pixel (không thể hiệu chỉnh phần mềm); suy thận giai đoạn cuối; phụ nữ có thai.
  • Gán nhãn chuyên gia: Dữ liệu được gán nhãn độc lập bởi hội đồng bác sĩ chuyên khoa cấp 2 có trên 10 năm kinh nghiệm đọc SPECT tim theo mô hình chuẩn 17 phân vùng giải phẫu cơ tim thuộc 3 nhánh động mạch vành chính: Động mạch liên thất trước (LAD), Động mạch vành phải (RCA) và Động mạch mũ (LCx).

Data và phân tích

Ma trận dữ liệu thể tích được cấu trúc lại từ chuỗi lát cắt trục ngắn (short-axis slices) thành khối ma trận 3D kích thước cố định ($H \times W \times D$). Dữ liệu lâm sàng được chuẩn hóa số hóa theo các bảng mã hóa hệ số nguy cơ tim mạch.

Kiến trúc mạng 3DUnet-GAN được thiết lập với bộ sinh (Generator) sử dụng mạng 3D U-Net gồm các khối tích chập 3D ($3 \times 3 \times 3$), chuẩn hóa theo lô (Batch Normalization), hàm kích hoạt LeakyReLU, liên kết tắt (skip-connections) giúp truyền trực tiếp thông tin không gian chi tiết từ nhánh co tuyến (encoder) sang nhánh giải mã (decoder) sử dụng tích chập chuyển vị 3D (transposed convolution 3D). Bộ phân biệt (Discriminator) sử dụng mạng tích chập 3D phân lớp nhị phân để phân biệt ảnh CT-AC thật và ảnh GenAC nhân tạo.

Hàm mục tiêu tối ưu tổng hợp bao gồm hàm mất mát đối kháng đối xứng (Adversarial Loss), hàm mất mát khoảng cách tuyệt đối $L_1$ và hàm tương đồng cấu trúc (SSIM Loss):

$$\mathcal{L}{GAN}(G, D) = \mathbb{E}{y}[\log D(y)] + \mathbb{E}_{x}[\log(1 - D(G(x)))]$$

$$\mathcal{L}{Total} = \mathcal{L}{GAN}(G, D) + \lambda_1 \mathcal{L}_{L1}(G(x), y) + \lambda_2 (1 - \text{SSIM}(G(x), y))$$

Để đánh giá chất lượng tái tạo ảnh, các chỉ số định lượng khắt khe được tính toán:

  • Sai số tuyệt đối trung bình chuẩn hóa (Normalized Mean Absolute Error - NMAE):

$$\text{NMAE} = \frac{\sum |y_i - \hat{y}_i|}{\sum y_i}$$

  • Hệ số tương quan Pearson (Pearson's Correlation Coefficient - PCC): Đo lường mức độ tương quan tuyến tính giữa hoạt độ phóng xạ voxel dự đoán và đối chứng.
  • Chỉ số tương đồng cấu trúc (Structural Similarity Index - SSIM): Đánh giá sự tương đồng về độ sáng, độ tương phản và cấu trúc mô học cơ tim thất trái.

Mô hình phân loại CADx sử dụng kiến trúc VGG-16 tùy biến cho dữ liệu tensor 3D kết hợp tầng Fully Connected tiếp nhận đặc trưng lâm sàng, được kiểm tra chéo 5 đoạn (5-fold cross-validation) để loại bỏ hiện tượng quá khớp (overfitting) và đảm bảo tính khái quát hóa thống kê.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu năng khử nhiễu suy giảm vượt trội của mô hình 3DUnet-GAN: Kết quả kiểm định định lượng chứng minh ảnh tái tạo GenAC đạt độ tương đồng rất cao so với ảnh chuẩn CT-AC với chỉ số SSIM trung bình đạt trên 0,92, NMAE giảm xuống dưới 0,08 và PCC đạt xấp xỉ 0,96 (p < 0,001). Cấu trúc 3D-CAE đơn thuần dù cải thiện đáng kể so với ảnh gốc NC nhưng vẫn thua kém 3DUnet-GAN trong việc bảo toàn độ sắc nét tại các vùng chuyển tiếp ranh giới cơ tim - dịch màng ngoài tim.
  2. Cải thiện trực tiếp độ chính xác chẩn đoán của chuyên gia: Khi bác sĩ sử dụng ảnh GenAC kết hợp ảnh gốc NC, độ nhạy (Sensitivity) trong phát hiện tổn thương cơ tim tăng từ mức 82% lên 91%, và độ đặc hiệu (Specificity) tăng từ 74% lên 86% so với khi chỉ đọc ảnh NC đơn thuần. Hiện tượng dương tính giả do vòm hoành tại thành dưới ở bệnh nhân nam và do mô tuyến vú tại thành trước ở bệnh nhân nữ giảm tới hơn 45%.
  3. Tính ưu việt của dữ liệu thể tích 3D so với Bản đồ cực 2D: Thử nghiệm kiểm tra chéo 5 đoạn trên mô hình học sâu CADx cho thấy mô hình huấn luyện trên dữ liệu chuỗi lát cắt MPI thể tích 3D đạt diện tích dưới đường cong ROC-AUC trung bình 0,91 ± 0,02, cao hơn có ý nghĩa thống kê ($p < 0,01$) so với mô hình huấn luyện trên ảnh bản đồ cực 2D (AUC đạt 0,83 ± 0,03).
  4. Hiệu ứng cộng hưởng của dữ liệu lâm sàng: Việc tích hợp véc-tơ đặc trưng nguy cơ lâm sàng (tuổi, giới tính, BMI, tăng huyết áp, ECG) cùng với dữ liệu hình ảnh 3D giúp nâng cao độ chính xác tổng thể thêm 4,8%, đặc biệt hiệu quả trong việc phân loại chính xác các ca tổn thương đa nhánh mạch vành phức tạp.
gantt
    title Lộ trình 10 năm Chuyển giao & Phát triển Nghiên cứu SPECT MPI AI
    dateFormat  YYYY-MM
    section Giai đoạn 1: Chuẩn hóa & Đóng gói
    Hoàn thiện Bộ dữ liệu Mở & Đóng gói 3DUnet-GAN :2022-01, 24M
    Tích hợp Module GenAC vào PACS Bệnh viện 108 :2023-01, 18M
    section Giai đoạn 2: Mở rộng Thử nghiệm Đa trung tâm
    Thử nghiệm Lâm sàng Tuyến Tỉnh (Standalone SPECT) :2024-06, 30M
    Mở rộng Mô hình cho PET/CT và PET/MRI Viêm Cơ Tim :2025-01, 36M
    section Giai đoạn 3: Thương mại hóa & AI Y tế Quốc gia
    Tích hợp Trợ lý AI CADx vào Máy SPECT Nội địa hóa :2027-01, 36M
    Xây dựng Tiêu chuẩn Quốc gia AI Tim mạch Hạt nhân :2029-01, 24M

Implications đa chiều

  • Về mặt học thuật và lý thuyết: Chứng minh rằng mô hình học sâu sinh đối kháng 3D có thể giải quyết các bài toán nghịch đảo (inverse problems) trong vật lý hình ảnh y tế hạt nhân, tạo tiền đề áp dụng cho các phương thức chẩn đoán hình ảnh chức năng khác như PET/CT liều thấp hoặc PET/MR.
  • Về mặt kỹ thuật và phương pháp luận: Cung cấp giải pháp xử lý dữ liệu đầu-cuối (end-to-end pipeline) hoàn chỉnh từ tiền xử lý lát cắt 3D, chuẩn hóa tensor đến mô hình phân loại đa phương thức (multimodal classification).
  • Về ứng dụng thực tiễn và kinh tế y tế: Cho phép hơn 80% cơ sở y tế đang sử dụng máy SPECT thông thường thực hiện kỹ thuật xạ hình tưới máu cơ tim chất lượng cao mà không cần đầu tư hàng triệu USD để nâng cấp hệ thống SPECT/CT.
  • Về an toàn bức xạ và an sinh xã hội: Loại bỏ hoàn toàn liều chiếu xạ từ đầu chụp CT phụ trợ (thường dao động từ 2 đến 5 mSv cho mỗi lần quét AC), giảm thiểu đáng kể nguy cơ tích lũy bức xạ cho bệnh nhân tim mạch mạn tính cần chụp theo dõi nhiều lần.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn học thuật cần được mở rộng trong tương lai:

  1. Quy mô tập mẫu đơn trung tâm: Mặc dù Bệnh viện Trung ương Quân đội 108 là trung tâm y học hạt nhân hàng đầu với quy trình chụp chuẩn mực, việc thiếu sự đa dạng dữ liệu từ các dòng máy SPECT của các nhà sản xuất khác nhau (như Siemens Healthineers, Philips Healthcare) có thể ảnh hưởng đến tính bất biến miền (domain invariance) của mô hình 3DUnet-GAN.
  2. Độ phân giải không gian của đầu dò SPECT thông thường: Độ phân giải không gian của SPECT MPI (~10-15 mm) cố hữu thấp hơn so với PET (~4-6 mm) hoặc CT/MRI, dẫn đến hiện tượng thể tích riêng phần (partial volume effect) vẫn còn tồn tại một phần trong ảnh GenAC tại vùng mỏm tim mỏng.
  3. Khả năng giải thích của mô hình (Explainable AI - XAI): Mạng nơ-ron tích chập 3D hoạt động như một "hộp đen" phức tạp; mặc dù đưa ra xác suất tổn thương chính xác nhưng chưa cung cấp được bản đồ nhiệt trực quan hóa trọng số quyết định (như 3D Grad-CAM) theo thời gian thực cho bác sĩ lâm sàng.

Chương trình nghiên cứu tương lai định hướng 4 trọng tâm:

  • Mở rộng thử nghiệm đa trung tâm trên các hệ thống máy SPECT khác nhau tại các bệnh viện tuyến trung ương và địa phương.
  • Phát triển mô hình tích hợp cơ chế chú ý không gian thể tích (3D Spatial Attention Mechanisms) và kỹ thuật tự giám sát (Self-Supervised Learning) nhằm tối ưu hóa trích xuất đặc trưng khi cỡ mẫu nhãn hạn chế.
  • Mở rộng kiến trúc sinh ảnh đối kháng để tái tạo hình ảnh SPECT tưới máu cơ tim liều cực thấp (Ultra-Low-Dose SPECT MPI).
  • Tích hợp thêm dữ liệu đa omics (bản đồ gen, dấu ấn sinh học protein huyết thanh) vào mô hình CADx đa phương thức.

Tác động và ảnh hưởng

  • Tác động học thuật: Công trình là luận án tiến sĩ đầu tiên tại Việt Nam nghiên cứu toàn diện việc ứng dụng học sâu trong xử lý ảnh thể tích SPECT tim, mở ra hướng nghiên cứu liên ngành Kỹ thuật Điện tử - Y sinh học - Trí tuệ nhân tạo với tiềm năng trích dẫn cao trong các tạp chí chuyên ngành thuộc danh mục ISI/Scopus.
  • Chuyển đổi ngành thiết bị y tế: Tạo cơ sở khoa học để các công ty phần mềm y tế và nhà sản xuất thiết bị trong nước phát triển các mô-đun phần mềm thông minh tích hợp trực tiếp vào hệ thống xử lý hình ảnh PACS/RIS của các bệnh viện.
  • Ý nghĩa chính sách y tế công cộng: Cung cấp giải pháp kỹ thuật số giúp Bộ Y tế và các cơ quan quản lý y tế định hình chiến lược trang bị thiết bị: nâng cao năng lực chẩn đoán bệnh mạch vành ở các bệnh viện tuyến tỉnh đang sở hữu máy SPECT đơn thuần mà không làm bùng nổ ngân sách bảo hiểm y tế và đầu tư công.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên ngành Kỹ thuật Y sinh / Khoa học Dữ liệu: Tiếp cận bộ dữ liệu chuẩn hóa đầu tiên về SPECT tim tại Việt Nam, nắm bắt phương pháp luận xử lý tensor 3D trong ảnh y học hạt nhân.
  • Bác sĩ Chẩn đoán Hình ảnh và Y học Hạt nhân: Sở hữu công cụ hỗ trợ đọc ảnh GenAC khử nhiễu suy giảm chính xác, giảm thiểu hơn 40% thời gian phân tích các ca bệnh không tổn thương và hạn chế sai sót bỏ sót bệnh lý ở các ca khó.
  • Các Bệnh viện Tuyến Dưới và Cơ sở Y tế: Tối ưu hóa hiệu suất khai thác của hệ thống máy SPECT sẵn có, tiết kiệm hàng chục tỷ đồng chi phí nâng cấp phần cứng CT.
  • Bệnh nhân Động mạch Vành: Được chẩn đoán sớm, chính xác mức độ thiếu máu cơ tim, giảm thiểu chỉ định can thiệp mạch vành không cần thiết và triệt tiêu nguy cơ phơi nhiễm bức xạ CT phụ trợ.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Đóng góp lý thuyết độc đáo nhất là việc mở rộng lý thuyết Tái tạo Đối kháng Phân bố Phóng xạ (Adversarial Radiometric Reconstruction) sang không gian thể tích 3D trong y học hạt nhân. Bằng việc tích hợp hàm mất mát cấu trúc SSIM vào cấu trúc tối ưu đối kháng của 3DUnet-GAN, luận án đã chứng minh rằng mạng học sâu có thể học được phân phối bù trừ suy giảm photon của trường mô mềm không đồng nhất, thay thế hoàn toàn phép biến đổi suy giảm vật lý đo đạc bằng tia X trên hệ thống phần cứng CT.

2. Điểm cải tiến phương pháp luận so với các nghiên cứu quốc tế tiền nhiệm?
So với nghiên cứu của Arsajani et al. (chỉ sử dụng máy học cơ bản trên biến tham số) và Betancur et al. (chỉ áp dụng CNN trên ảnh bản đồ cực 2D Polar Map nén phẳng), luận án đã thực hiện bước nhảy vọt về phương pháp luận: xử lý trực tiếp trên dữ liệu gốc chuỗi lát cắt MPI thể tích 3D, bảo toàn trọn vẹn tương quan giải phẫu liên lớp cắt, giải quyết đồng thời cả bài toán khử nhiễu suy giảm (GenAC) lẫn bài toán phân lớp bệnh lý (CADx).

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?
Phát hiện bất ngờ và có giá trị thực tiễn cao nhất là việc sử dụng ảnh GenAC tạo ra từ mô hình 3DUnet-GAN giúp các bác sĩ tăng tỷ lệ phát hiện chính xác các nhánh mạch vành không có tổn thương (loại trừ dương tính giả do vòm hoành và tuyến vú) lên hơn 45% so với việc đọc ảnh NC truyền thống, qua đó thay đổi căn bản chiến lược điều trị từ can thiệp xâm lấn sang điều trị nội khoa bảo tồn cho bệnh nhân.

4. Giao thức tái lập nghiên cứu (Replication Protocol) có được cung cấp đầy đủ không?
Luận án cung cấp chi tiết toàn bộ giao thức thực nghiệm: từ quy trình tiêm dược chất Tc-99m, thông số ghi hình máy SPECT (ma trận thu nhận $64 \times 64$, góc quay $180^\circ$, 32-64 góc chiếu), thuật toán tái tạo OSEM, quy tắc tiền xử lý nhóm lát cắt thành khối 3D, chi tiết kích thước kernel và stride của từng lớp trong 3D-CAE/3DUnet-GAN, đến hàm mục tiêu toán học và quy trình kiểm tra chéo 5-fold cross-validation.

5. Chương trình nghiên cứu 10 năm tới được phác thảo như thế nào?
Chương trình nghiên cứu 10 năm được hoạch định qua ba giai đoạn: (1) Đóng gói phần mềm GenAC và CADx tích hợp vào hệ thống PACS thử nghiệm đa trung tâm; (2) Mở rộng mô hình sinh đối kháng 3D cho các phương thức lai ghép PET/CT và PET/MRI liều thấp; (3) Phát triển hệ thống trí tuệ nhân tạo toàn diện hỗ trợ dự báo biến cố tim mạch bất lợi (MACE) dài hạn cho người bệnh tim mạch tại Việt Nam.

Kết luận

  1. Xây dựng thành công bộ cơ sở dữ liệu SPECT MPI chuẩn hóa đầu tiên tại Việt Nam với số lượng mẫu lớn, gán nhãn chuyên gia đa tầng, khắc phục triệt để sự phụ thuộc vào các bộ dữ liệu ngoại sinh không phù hợp về mặt nhân trắc học.
  2. Đề xuất kiến trúc mạng 3DUnet-GAN tái tạo ảnh hiệu chỉnh suy giảm (GenAC) đạt độ tương đồng cấu trúc SSIM > 0,92 và hệ số tương quan PCC ~ 0,96 so với CT-AC, giải quyết dứt điểm bài toán nhiễu suy giảm mà không cần đầu thu CT phụ trợ.
  3. Chứng minh tính ưu việt vượt trội của việc xử lý dữ liệu thể tích 3D so với ảnh bản đồ cực 2D Polar Map truyền thống, nâng diện tích dưới đường cong chẩn đoán ROC-AUC lên 0,91 ± 0,02.
  4. Phát triển hệ thống CADx tích hợp đa phương thức giữa hình ảnh 3D và các chỉ số nguy cơ lâm sàng, hỗ trợ đắc lực cho bác sĩ nâng cao độ nhạy lên 91% và độ đặc hiệu lên 86%.
  5. Mang lại giá trị kinh tế và an toàn y tế to lớn thông qua việc tận dụng tối đa 80% hệ thống máy SPECT đơn thuần sẵn có, đồng thời triệt tiêu hoàn toàn liều chiếu xạ CT phụ trợ cho người bệnh.
  6. Mở ra các hướng nghiên cứu học thuật mới trong việc ứng dụng học sâu giải quyết các bài toán tái tạo ảnh y tế chức năng thể tích đa chiều trên trường quốc tế.