Deep learning chẩn đoán mô giáp còn sót trên ảnh SPECT sau cắt tuyến giáp

Tóm tắt nhanh (TL;DR): Bài báo “A deep learning method using SPECT images to diagnose remaining thyroid tissue post-thyroidectomy” (Hội nghị NICS 2022, IEEE, tr. 93–98) đề xuất một hệ thống chẩn đoán có máy tính hỗ trợ (CAD) dùng học sâu (deep learning) để trả lời một câu hỏi lâm sàng: sau khi cắt toàn bộ tuyến giáp, trong cơ thể bệnh nhân còn sót mô giáp hay không? Trên 1.777 ảnh xạ hình SPECT với I-131 thu thập tại Bệnh viện Trung ương Quân đội 108, mô hình ResNet50 được tinh chỉnh (fine-tune) từ ImageNet đạt độ chính xác 87%, độ nhạy 84,85%, độ đặc hiệu 89,11% và AUC 0,93. Với nhóm ca khó, mô hình vẫn đạt AUC 0,79 chỉ từ ảnh, không cần xét nghiệm máu bổ sung.

Thông tin bài báo

Những điểm chính của bài báo

1. Vấn đề lâm sàng. Sau phẫu thuật cắt toàn bộ tuyến giáp, bác sĩ y học hạt nhân đọc ảnh SPECT bằng mắt để tìm mô giáp còn sót. Kết quả phụ thuộc vào kinh nghiệm của từng người, và với ca khó bác sĩ phải xem thêm xét nghiệm máu (TSH, Thyroglobulin).
2. Dữ liệu thật, quy mô lớn so với các nghiên cứu trước. Có 1.777 ảnh của bệnh nhân ung thư tuyến giáp được xạ hình với I-131 liều thấp (2 hoặc 5 mCi), gồm 864 ca tăng hoạt độ phóng xạ và 913 ca bình thường ở vùng cổ. Nhãn được ba bác sĩ có trên 10 năm kinh nghiệm hội chẩn. 80,2% bệnh nhân là nữ, tuổi trung bình 44,5. Ảnh được chụp bằng máy GE INFINIA.
3. Tách ca dễ và ca khó, đây là đóng góp chính. Nghiên cứu trước của Guo và cộng sự (2021) đạt độ chính xác 96,69% nhưng dùng ảnh có độ tương phản cao, dễ đọc. Nhóm tác giả chia dữ liệu thành hai tập để đánh giá trung thực hơn:
   • ANT-POST: gồm cả ca dễ và ca khó, dùng ảnh toàn thân mặt trước (anterior) và mặt sau (posterior).
   • ANT-HN-POST: chỉ gồm ca khó, tức những ca mà bác sĩ cần chụp thêm vùng đầu cổ (head-neck) và xem thêm xét nghiệm.
4. Tiền xử lý. Ảnh được cắt tự động theo 4 bước (đổi sang ảnh xám, đảo màu, lấy ngưỡng 128, tạo mặt nạ) để giữ vùng đầu cổ và bỏ các cơ quan không liên quan như tuyến nước bọt và nội tạng. Sau đó ảnh được cân bằng histogram để làm rõ đường viền cơ thể, nhờ đó mô hình định vị được vai, cổ và giường tuyến giáp.
5. Mô hình. Nhóm so sánh 6 kiến trúc CNN đã huấn luyện sẵn trên ImageNet: VGG16, ResNet50, GoogLeNet, DenseNet, Inception-ResNet-V2 và EfficientNet. Lớp tích chập đầu tiên được sửa để nhận 2 kênh (ảnh ANT và POST ghép lại) và lớp cuối được thay bằng lớp phân loại 2 lớp. Mô hình dùng hàm mất mát focal loss và bộ tối ưu Adam.
6. Kết quả. ResNet50 có AUC cao nhất trên cả hai tập nên được chọn làm mô hình đề xuất. Bản đồ nhiệt (heatmap) cho thấy mô hình tập trung đúng vào vùng giường tuyến giáp khi ra quyết định.
7. Hạn chế. Mô hình còn sai ở các ca ảnh tương phản kém hoặc vùng hấp thụ bị mờ. Tập ca khó vẫn còn mất cân bằng giữa hai lớp.

Bảng kết quả (trích Bảng IV của bài báo)

Tập ANT-POST (ca dễ và ca khó):

Tập ANT-HN-POST (chỉ ca khó):

Cách đọc bảng: Trên tập ANT-POST, GoogLeNet có độ chính xác cao hơn một chút (88% so với 87%), nhưng nhóm tác giả chọn mô hình theo AUC, và ResNet50 đứng đầu với AUC 0,93. Trên tập ca khó, VGG16 và EfficientNet có độ nhạy bằng 0, tức là chúng chỉ đoán một lớp duy nhất cho mọi ảnh (xem mục “mô hình sụp đổ” bên dưới).

Dữ liệu huấn luyện và kiểm thử (Bảng II)

25% dữ liệu train được tách ra làm tập kiểm định (validation). Ảnh đầu vào được đổi kích thước về 256×256. Siêu tham số: batch size 32, tối đa 20 epoch, early stopping với patience 10, learning rate 10⁻⁴, trọng số focal loss α = [2, 3].

---

Giải thích các khái niệm AI cho người mới

Trí tuệ nhân tạo, học máy và học sâu khác nhau thế nào?

• Trí tuệ nhân tạo (AI): là tên gọi chung cho các hệ thống máy tính làm được những việc vốn cần trí thông minh của con người, ví dụ đọc ảnh y khoa.
• Học máy (Machine Learning): là một nhánh của AI. Máy tự học quy luật từ dữ liệu có sẵn thay vì để lập trình viên viết từng luật.
• Học sâu (Deep Learning): là một nhánh của học máy, dùng mạng nơ-ron nhiều tầng. Điểm mạnh mà bài báo nhấn mạnh là học sâu tự trích xuất đặc trưng, nghĩa là mô hình tự biết cần nhìn vào đâu trong ảnh mà con người không phải chỉ định trước.

CAD là gì?

CAD (Computer-Aided Diagnosis, chẩn đoán có máy tính hỗ trợ) là phần mềm đưa ra một ý kiến tham khảo cho bác sĩ. CAD không thay thế bác sĩ. Mục tiêu của nó là giảm khối lượng công việc, giúp kết quả đọc giữa các bác sĩ đồng đều hơn và chẩn đoán nhanh hơn. Theo bài báo, một hệ thống CAD dùng học sâu thường có ba bước: tiền xử lý → trích xuất đặc trưng → suy luận.

Mạng nơ-ron tích chập (CNN)

CNN (Convolutional Neural Network) là loại mạng nơ-ron chuyên xử lý ảnh. Có thể hình dung CNN như một chồng các “kính lọc”. Tầng đầu phát hiện những chi tiết đơn giản như cạnh và điểm sáng. Các tầng sau ghép chúng thành hình dạng phức tạp hơn, ví dụ “một khối sáng nằm ở vị trí giường tuyến giáp”. Cả 6 mô hình trong bài đều là CNN.

ResNet50 và kết nối tắt (residual connection)

ResNet50 (He và cộng sự, 2016) là một CNN có 50 tầng. Khi mạng quá sâu, tín hiệu dùng để học bị yếu dần qua từng tầng và mạng khó huấn luyện. ResNet giải quyết việc này bằng kết nối tắt (skip connection): đầu vào của một khối được cộng thẳng vào đầu ra của khối đó, nên thông tin có “đường cao tốc” để đi qua các tầng. Nhờ vậy ResNet học ổn định, và trong bài báo nó cho kết quả tốt và nhất quán nhất.

Các mô hình còn lại: VGG16 là mạng 16 tầng, cấu trúc đơn giản. GoogLeNet/Inception xử lý nhiều kích thước bộ lọc song song. DenseNet nối mỗi tầng với mọi tầng phía sau. EfficientNet co giãn đồng thời độ sâu, độ rộng và độ phân giải của mạng. Inception-ResNet-V2 kết hợp Inception với kết nối tắt.

ImageNet, mô hình huấn luyện sẵn và học chuyển giao

• ImageNet: là bộ dữ liệu khổng lồ gồm hơn một triệu ảnh đời thường thuộc 1.000 loại vật thể.
• Mô hình huấn luyện sẵn (pre-trained model): là mô hình đã học trên ImageNet nên đã biết nhận ra cạnh, kết cấu và hình khối.
• Học chuyển giao (transfer learning): là việc tận dụng kiến thức đó cho bài toán mới. Giống như một bác sĩ X-quang giỏi chuyển sang đọc ảnh SPECT sẽ học nhanh hơn người chưa từng đọc ảnh nào.
• Tinh chỉnh (fine-tuning): là huấn luyện tiếp mô hình có sẵn trên dữ liệu SPECT. Trong bài báo, nhóm tác giả sửa hai chỗ: lớp đầu nhận 2 kênh (ảnh ANT và POST) thay vì 3 kênh màu RGB, và lớp cuối phân loại 2 lớp thay vì 1.000 lớp.

Vì sao cần làm vậy? Khoảng 2.000 ảnh là quá ít để huấn luyện một mạng sâu từ đầu, vì mô hình sẽ bị quá khớp.

Quá khớp (overfitting)

Quá khớp xảy ra khi mô hình “học thuộc lòng” dữ liệu huấn luyện thay vì hiểu quy luật. Nó làm rất tốt trên dữ liệu đã thấy nhưng kém trên bệnh nhân mới. Mô hình lớn kết hợp với dữ liệu ít là điều kiện dễ dẫn đến quá khớp. Bài báo chống lại hiện tượng này bằng học chuyển giao, tăng cường dữ liệu, tập kiểm định và early stopping.

Tăng cường dữ liệu (data augmentation)

Tăng cường dữ liệu là tạo thêm ảnh huấn luyện bằng cách biến đổi ảnh gốc nhưng vẫn giữ nguyên bản chất của ảnh. Bài báo chỉ dùng phép co giãn (scale). Các phép dịch, xoay và lật bị loại vì chúng tạo ra ảnh xạ hình không đúng chuẩn chụp. Đây là ví dụ cho thấy augmentation phải phù hợp với từng loại ảnh y khoa.

Cân bằng histogram (histogram equalization)

Histogram là biểu đồ cho biết có bao nhiêu điểm ảnh ở mỗi mức sáng. Ảnh SPECT thường tối và mờ nên các điểm ảnh dồn vào vài mức sáng. Cân bằng histogram trải đều các mức sáng ra để tăng độ tương phản. Trong bài báo, bước này giúp nhìn thấy đường viền cơ thể. Nếu không có nó, mô hình có thể “nhìn nhầm chỗ” vì không xác định được vị trí vai và cổ.

Mất cân bằng lớp, ca khó và focal loss

• Mất cân bằng lớp (class imbalance): là khi một lớp có nhiều mẫu hơn hẳn lớp kia. Ví dụ, tập ANT-HN-POST có 732 ca âm tính nhưng chỉ có 296 ca dương tính.
• Ca khó (hard example): là ảnh mà ngay cả bác sĩ cũng phân vân.
• Hàm mất mát (loss function): là con số đo mức độ sai của mô hình. Quá trình huấn luyện tìm cách làm con số này nhỏ đi.
• Focal loss (Lin và cộng sự, 2017) là một biến thể của hàm cross-entropy. Nó giảm trọng số của các ca dễ mà mô hình đã đoán đúng chắc chắn, để mô hình dành nhiều “sự chú ý” hơn cho ca khó và lớp thiểu số. Focal loss có hai tham số: α để cân trọng số giữa các lớp, và γ để điều chỉnh mức độ bỏ qua ca dễ. Khi γ = 0, focal loss trở về cross-entropy có trọng số.

Bộ tối ưu Adam, learning rate, batch, epoch và early stopping

• Bộ tối ưu (optimizer): là thuật toán điều chỉnh trọng số của mô hình sau mỗi lần tính sai số. Adam (Kingma & Ba, 2015) tự điều chỉnh bước học cho từng tham số, chạy nhanh và tốn ít bộ nhớ.
• Learning rate (tốc độ học, 10⁻⁴): là độ lớn của mỗi bước điều chỉnh. Bước quá lớn thì mô hình học không ổn định, bước quá nhỏ thì học chậm.
• Batch size (32): là số ảnh mô hình xử lý trước mỗi lần cập nhật trọng số.
• Epoch (20): một epoch là một lượt mô hình đi qua toàn bộ dữ liệu huấn luyện.
• Early stopping (patience 10): là cơ chế dừng huấn luyện sớm khi kết quả trên tập kiểm định không cải thiện sau 10 epoch liên tiếp, nhằm tránh quá khớp.

Train, validation và test

• Tập huấn luyện (train): là dữ liệu dùng để dạy mô hình.
• Tập kiểm định (validation): là dữ liệu dùng trong lúc huấn luyện để chọn cấu hình và quyết định khi nào dừng. Bài báo dùng 25% dữ liệu train cho tập này.
• Tập kiểm thử (test): là dữ liệu mô hình chưa từng thấy, giống như “bài thi cuối kỳ”. Mọi con số trong bảng kết quả ở trên đều đo trên tập này.

Các chỉ số đánh giá: đọc sao cho đúng

Mọi chỉ số dưới đây đều được tính từ ma trận nhầm lẫn (confusion matrix). Ma trận này có 4 ô:

• TP (dương tính thật): còn mô giáp và mô hình nói “còn”.
• TN (âm tính thật): không còn mô giáp và mô hình nói “không”.
• FP (dương tính giả): không còn mô giáp nhưng mô hình nói “còn”.
• FN (âm tính giả): còn mô giáp nhưng mô hình nói “không”. Đây là loại sai nguy hiểm nhất về lâm sàng vì bỏ sót bệnh.

Ví dụ: ResNet50 có độ nhạy 84,85% trên tập ANT-POST. Nghĩa là trong 99 ca còn mô giáp ở tập test, mô hình phát hiện được khoảng 84 ca.

Vì sao chọn mô hình theo AUC? Accuracy phụ thuộc vào một ngưỡng quyết định cố định và có thể gây hiểu nhầm khi dữ liệu lệch lớp. AUC đánh giá khả năng phân biệt của mô hình một cách tổng thể nên ổn định hơn.

“Mô hình sụp đổ”: bài học từ VGG16

VGG16 có độ nhạy 0%, độ đặc hiệu 100% và AUC 0,5. Điều này có nghĩa là mô hình luôn đoán “không còn mô giáp” cho mọi ảnh. Độ chính xác của nó vẫn đạt khoảng 50% chỉ vì hai lớp trong tập test có số lượng gần bằng nhau. Đây là lý do không bao giờ nên chỉ nhìn vào accuracy khi đánh giá AI y tế.

Bản đồ nhiệt (heatmap) và AI giải thích được

Heatmap tô màu những vùng trong ảnh có ảnh hưởng nhiều nhất đến quyết định của mô hình. Trong bài báo, heatmap cho thấy ResNet50 tập trung vào giường tuyến giáp, đúng vùng bác sĩ cần xem. Điều này giúp bác sĩ tin tưởng mô hình hơn, vì họ biết mô hình “nhìn đúng chỗ” chứ không dựa vào nhiễu nền. Đây là một ví dụ của AI giải thích được (Explainable AI, XAI).

---

Thuật ngữ y khoa liên quan

• Cắt toàn bộ tuyến giáp (total thyroidectomy): là phẫu thuật cắt bỏ hoàn toàn tuyến giáp, thường áp dụng cho ung thư tuyến giáp thể biệt hóa (chiếm hơn 97% các ca ung thư tuyến giáp).
• Mô giáp còn sót (residual thyroid tissue): là phần mô giáp nhỏ còn lại sau mổ. Phần mô này cần được phát hiện để quyết định có điều trị tiếp bằng iốt phóng xạ hay không.
• SPECT (Single-Photon Emission Computed Tomography): là kỹ thuật chụp y học hạt nhân. Bệnh nhân được đưa vào cơ thể chất phóng xạ (ở đây là I-131), và camera gamma ghi lại nơi chất này tập trung. Mô giáp hấp thụ iốt nên những vùng còn mô giáp sẽ hiện sáng trên ảnh.
• Xạ hình (scintigraphy): là ảnh thu được từ camera gamma.
• ANT / POST / HN: lần lượt là ảnh toàn thân chụp từ mặt trước (anterior), mặt sau (posterior) và ảnh chụp riêng vùng đầu cổ (head and neck).
• Giường tuyến giáp (thyroid bed): là vị trí tuyến giáp nằm trước khi được cắt bỏ.
• TSH, Thyroglobulin (Tg): là các xét nghiệm máu dùng để theo dõi sau mổ. Bác sĩ cần thêm các xét nghiệm này với những ca ảnh khó đọc.

---

Câu hỏi thường gặp (FAQ)

AI có thể phát hiện mô giáp còn sót sau phẫu thuật không? Có. Theo bài báo NICS 2022, mô hình ResNet50 được tinh chỉnh trên ảnh SPECT I-131 đạt AUC 0,93, độ nhạy 84,85% và độ đặc hiệu 89,11% khi phân biệt có hay không có mô giáp còn sót.

Mô hình này có thay thế bác sĩ y học hạt nhân không? Không. Đây là hệ thống CAD hỗ trợ bác sĩ. Với ca khó, độ chính xác của mô hình giảm xuống còn 74% (AUC 0,79), nên quyết định cuối cùng vẫn thuộc về bác sĩ.

Dữ liệu được lấy từ đâu? Có 1.777 ảnh SPECT của bệnh nhân ung thư tuyến giáp sau phẫu thuật, chụp bằng máy GE INFINIA. Nhãn được ba bác sĩ y học hạt nhân có trên 10 năm kinh nghiệm hội chẩn. Các đơn vị tham gia là HUST, UET (ĐHQGHN) và Bệnh viện TWQĐ 108.

Vì sao dùng học chuyển giao thay vì huấn luyện từ đầu? Khoảng 2.000 ảnh là quá ít để huấn luyện một mạng sâu từ đầu mà không bị quá khớp. Trọng số học từ ImageNet là một điểm khởi đầu tốt và giúp quá trình huấn luyện nhanh hơn.

Điểm mới so với nghiên cứu trước là gì? Nghiên cứu của Guo và cộng sự (2021) chỉ dùng ảnh có độ tương phản cao. Bài báo này tách riêng ca dễ và ca khó để đánh giá, nên phản ánh sát hơn điều kiện lâm sàng thực tế. Bài báo cũng cho thấy việc trộn ca dễ với ca khó khi huấn luyện giúp cải thiện hiệu năng.

---

Trích dẫn

Trích dẫn bài báo (IEEE):

M. L. Phu, T. V. Pham, D. T. Pham, T. T. Nguyen, M. D. Chu, C. T. Nguyen, Q. L. Tran, T. H. Nguyen, and D. T. Nguyen, “A deep learning method using SPECT images to diagnose remaining thyroid tissue post-thyroidectomy,” in Proc. 2022 9th NAFOSTED Conference on Information and Computer Science (NICS), IEEE, 2022, pp. 93–98.

BibTeX:

@inproceedings{phu2022spect,
  title     = {A deep learning method using SPECT images to diagnose remaining thyroid tissue post-thyroidectomy},
  author    = {Phu, Minh Lai and Pham, Thanh Vinh and Pham, Duc Thuc and Nguyen, Thanh Trung and Chu, Minh Duc and Nguyen, Chi Thanh and Tran, Quoc Long and Nguyen, Thai Ha and Nguyen, Duc Thuan},
  booktitle = {2022 9th NAFOSTED Conference on Information and Computer Science (NICS)},
  pages     = {93--98},
  year      = {2022},
  publisher = {IEEE}
}

Tài liệu tham khảo chính được bài báo sử dụng

1. International Atomic Energy Agency, Nuclear Medicine in Thyroid Cancer Management: A Practical Approach, IAEA-TECDOC-1608, Vienna, 2009. iaea.org/publications/7947
2. P. Yang et al., “Deep Convolution Neural Network Based Artificial Intelligence Improves Diagnosis of Thyroid Scintigraphy for Thyrotoxicosis: a Dual Center Study,” 2020.
3. T. Qiao et al., “Deep learning for intelligent diagnosis in thyroid scintigraphy,” Journal of International Medical Research, vol. 49, no. 1, 2021.
4. Y. Guo et al., “Classification and diagnosis of residual thyroid tissue in SPECT images based on fine-tuning deep convolutional neural network,” Frontiers in Oncology, vol. 11, 2021.
5. B. R. Haugen et al., “2015 American Thyroid Association management guidelines for adult patients with thyroid nodules and differentiated thyroid cancer,” Thyroid, vol. 26, no. 1, pp. 1–133, 2016.
6. S. Patel, R. K. Muthu et al., “Medical image enhancement using histogram processing and feature extraction for cancer classification,” arXiv:2003.06615, 2020.
7. K. He, X. Zhang, S. Ren, J. Sun, “Deep residual learning for image recognition,” in Proc. IEEE CVPR, 2016, pp. 770–778.
8. K. Simonyan, A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv:1409.1556, 2014.
9. C. Szegedy et al., “Going deeper with convolutions,” in Proc. IEEE CVPR, 2015, pp. 1–9.
10. G. Huang et al., “Densely connected convolutional networks,” in Proc. IEEE CVPR, 2017, pp. 4700–4708.
11. M. Tan, Q. Le, “EfficientNet: Rethinking model scaling for convolutional neural networks,” in Proc. ICML, PMLR, 2019, pp. 6105–6114.
12. C. Szegedy et al., “Inception-v4, Inception-ResNet and the impact of residual connections on learning,” in Proc. AAAI, 2017.
13. T.-Y. Lin et al., “Focal loss for dense object detection,” in Proc. IEEE ICCV, 2017, pp. 2980–2988.
14. D. R. Sarvamangala, R. V. Kulkarni, “Convolutional neural networks in medical image understanding: a survey,” Evolutionary Intelligence, 2021.

Tài liệu bổ sung (không có trong danh mục tham khảo của bài báo, được thêm vào để giải thích khái niệm Adam): D. P. Kingma, J. Ba, “Adam: A method for stochastic optimization,” in Proc. ICLR, 2015, arXiv:1412.6980.

---

Bài viết tóm tắt và diễn giải nội dung bài báo gốc nhằm mục đích phổ biến kiến thức. Nội dung này không phải lời khuyên y khoa. Mọi số liệu đều được trích từ bài báo NICS 2022 nêu trên.