3.1. B1-2A-Tmđtcn Ttl (Final Nộp) 20H00 25.05. 20 Gốc Chuẩn Nhất (1).Doc

Chapters Biểu B1 2a TMĐTCN 08/2017/TT BKHCN THUYẾT MINH ĐỀ TÀI NGHIÊN CỨU ỨNG DỤNG VÀ PHÁT TRIỂN CÔNG NGHỆ CẤP QUỐC GIA1 I THÔNG TIN CHUNG VỀ ĐỀ TÀI 1 Tên đề tài Nghiên cứu ứng dụng trí tuệ nhân tạo t[.]

Biểu B1-2a-TMĐTCN

08/2017/TT-BKHCN

THUYẾT MINH

ĐỀ TÀI NGHIÊN CỨU ỨNG DỤNG

VÀ PHÁT TRIỂN CÔNG NGHỆ CẤP QUỐC GIA1

I THÔNG TIN CHUNG VỀ ĐỀ TÀI

1 Tên đề tài:

Nghiên cứu ứng dụng trí tuệ nhân tạo trong sàng lọc

và tính điểm Gleason hỗ trợ chẩn đoán mô bệnh học

ung thư tuyến tiền liệt.

1a Mã số (được cấp khi Hồ sơ

trúng tuyển)

4 Tổng kinh phí thực hiện: 9716.81 triệu đồng, trong đó:

- Từ nguồn ngoài ngân sách nhà nước

5 Đề nghị phương thức khoán chi:

Khoán đến sản phẩm cuối cùng

Khoán từng phần, trong đó:

- Kinh phí khoán: 7621.31 triệu đồng

- Kinh phí không khoán: 2095.50 triệu đồng

6

Thuộc Chương trình (Ghi rõ tên chương trình, nếu có): Chương trình trọng điểm cấp

quốc gia giai đoạn đến năm 2025 “hỗ trợ nghiên cứu, phát triển và ứng dụng công nghệ của

Tự nhiên; Nông nghiệp;

Kỹ thuật và công nghệ; Y, dược

1 Bản Thuyết minh đề tài này dùng cho hoạt động nghiên cứu ứng dụng và phát triển công nghệ thuộc 4

lĩnh vực khoa học nêu tại mục 7 của Thuyết minh Thuyết minh được trình bày và in trên khổ A4

8 Chủ nhiệm đề tài

Họ và tên: Phạm Quang Vinh

Ngày, tháng, năm sinh: 26/1/1966 Giới tính: Nam/ nữ: Nam

Học hàm, học vị/ Trình độ chuyên môn: Phó Giáo sư, Tiến sĩ, Bác sĩ

Chức danh khoa học: Giảng viên chính

Chức vụ: Phó chủ nhiệm Bộ môn Tiết niệu, Học Viện Quân y, Bộ Quốc Phòng

Tên tổ chức đang công tác: Học Viện Quân y, Bộ Quốc phòng

Địa chỉ tổ chức: Số 160, đường Phùng Hưng, Phường Phúc La, Quận Hà Đông, Hà Nội Điện thoại: 069566100

Fax: 04.36884779 E-mail: vinh2002hanoi@gmail.com Địa chỉ nhà riêng: Số 92E, Tôn Thất Tùng, Đống đa, Hà nội

Mobile: 0904231596

9 Thư ký khoa học của đề tài

Họ và tên: Nguyễn Khắc Tuyến

Ngày, tháng, năm sinh: 01/11/1993 Giới tính: Nam/ nữ: Nam Học hàm, học vị/ Trình độ chuyên môn: Bác sĩ

Chức danh khoa học:

Chức vụ: Bác sĩ nội trú, Bộ môn khoa Giải phẫu Bệnh lý - Pháp y, Bệnh viện Quân y 103, Học Viện Quân y, Bộ Quốc Phòng

Tên tổ chức đang công tác: Học Viện Quân y, Bộ Quốc phòng

Địa chỉ tổ chức: Số 160, đường Phùng Hưng, Phường Phúc La, Quận Hà Đông, Hà Nội Điện thoại: 069566100

Fax: 04.36884779 E-mail: khactuyenqy@gmail.com Địa chỉ nhà riêng: Nhà N6B, Tập thể Học viện Quân y, Số 160, đường Phùng Hưng, Phường Phúc La, Quận Hà Đông, Hà Nội

Mobile: 0962660496

10 Tổ chức chủ trì đề tài

Tên tổ chức chủ trì đề tài: Học Viện Quân y - Bộ Quốc Phòng

Điện thoại: 069566100 Fax : 04.36884779

Website: vmmu.edu.vn

Địa chỉ: Số 160, đường Phùng Hưng, Phường Phúc La, Quận Hà đông, Hà Nội

Họ và tên thủ trưởng tổ chức: Trung tướng, GS.TS Đỗ Quyết

Số tài khoản: 3713.0.9053336.00000

Mã ĐVQHNS: 9053336

Mã Kho bạc: 0026

Tại Kho bạc Nhà nước Hà Đông, Hà Nội

Tên cơ quan chủ quản đề tài: Bộ Khoa học và Công nghệ

11 Các tổ chức phối hợp chính thực hiện đề tài (nếu có)

1 Tổ chức 1 : Học viện Kỹ thuật Quân sự

Tên cơ quan chủ quản : Bộ Quốc Phòng

Điện thoại: 069515200 Fax:

Địa chỉ: Số 236 Hoàng Quốc Việt, Bắc Từ Liêm, Hà Nội

Họ và tên thủ trưởng tổ chức: Trung tướng Nguyễn Công Định

Số tài khoản: 05611.0004.9009

Ngân hàng: Ngân hàng TMCP Quân đội Hà Nội chi nhánh Hoàng Quốc Việt

2 Tổ chức 2: Bệnh viện Bạch Mai

Tên cơ quan chủ quản: Bộ Y tế

Điện thoại: 844 3869 3731 Fax: +84438691607

Địa chỉ: số 78 đường Giải Phóng, phường Phương Mai, quận Đống Đa, thành phố Hà Nội

Họ và tên thủ trưởng tổ chức: GS TS Nguyễn Quang Tuấn

Số tài khoản: 05411.0106.5007

Ngân hàng: Ngân hàng TMCP Quân đội Hà Nội chi nhánh Thăng Long

3 Tổ chức 3: Trường Đại học y Hà Nội

Tên cơ quan chủ quản: Bộ Y tế

Điện thoại: +84 02438.523.798 Fax: +84 02438.525.115

Địa chỉ: Số 1, Tôn Thất Tùng, Đống Đa, Hà Nội

Họ và tên thủ trưởng tổ chức: GS.TS Tạ Thành Văn

Số tài khoản: 3713.0.1057280

Ngân hàng: Kho bạc nhà nước Hà Nội

4 Tổ chức 4: Viện công nghệ thông tin, Trường Đại học Quốc Gia Hà Nội

Tên cơ quan chủ quản: Trường Đại học Quốc Gia Hà nội

Điện thoại: (024) 37547347 Fax:

Địa chỉ: E3, số 144 Xuân Thủy, Cầu Giấy, Hà Nội

Họ và tên thủ trưởng tổ chức: Đỗ Năng Toàn

Số tài khoản: 22010000675377

Ngân hàng: BIDV chi nhánh Thăng Long

5 Tổ chức 5: Bệnh viện Ung bướu Hà Nội

Tên cơ quan chủ quản: Sở Y tế Hà Nội

Điện thoại: 091 554 6116 Fax:

Địa chỉ: 42A Thanh Nhàn, Hai Bà Trưng, Hà Nội

Họ và tên thủ trưởng tổ chức: TS BS Bùi Vinh Quang

Số tài khoản: 22210001686668

Ngân hàng: Ngân Hàng BIDV chi nhánh Thanh Xuân

12

Cán bộ thực hiện đề tài

(Ghi những người có đóng góp khoa học và thực hiện những nội dung chính thuộc tổ chức chủ trì

và tổ chức phối hợp tham gia thực hiện đề tài Kỹ thuật viên, nhân viên hỗ trợ lập danh sách theo mẫu này có xác nhận của tổ chức chủ trì và gửi kèm theo hồ sơ khi đăng ký)

học hàm học vị

Chức danh thực hiện đề tài

Đại học Quốc gia Hà Nội

2 Theo quy định tại bảng 1 Điểm b Khoản 1 Điều 7 thông tư liên tịch số 55/2015/TUYẾN TIỀN

LIỆTT-BTC-BKHCN ngày 22/4/2015 hướng dẫn định mức xây dựng, phân bổ dự toán và quyết toán kinh phí đối

với nhiệm vụ KH&CN có sử dụng ngân sách nhà nước.

21 TS Dương Hoàng Hảo Thành viên chính Bệnh viện Ung bướu Hà Nội

II MỤC TIÊU, NỘI DUNG KH&CN VÀ PHƯƠNG ÁN

2 Xây dựng được cơ sở dữ liệu ảnh mô bệnh học ung thư tuyến tiền liệt

3 Phát triển được hệ thống phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ tính điểm Gleason trong chẩn đoán mô bệnh học ung thư tuyến tiền liệt và hệ thống phần mềm hỗ trợ sàng lọc ung thư tuyến tiền liệt dựa trên ảnh siêu âm tuyến tiền liệt

4 Triển khai ứng dụng hệ thống ứng dụng trí tuệ nhân tạo tính điểm Gleason, hệ thống hỗ trợ sàng lọc ung thư tuyến tiền liệt dựa trên ảnh siêu âm tuyến tiền liệt và đánh giá hiệu quả tại một số cơ sở y tế

3 Xây dựng được phần mềm ứng dụng trí tuệ nhân tạo sàng lọc ung thư tuyến tiền liệt dựatrên ảnh siêu âm tuyến tiền liệt, bao gồm 02 modul:

- Modul hỗ trợ gán nhãn ảnh siêu âm tuyến tiền liệt

- Modul hỗ trợ sàng lọc ung thư tuyến tiền liệt dựa trên ảnh siêu âm tuyến tiền liệt với độchính xác ≥ 60%

4 Xây dựng được phần mềm ứng dụng trí tuệ nhân tạo tính điểm Gleason trong chẩn đoán môbệnh học ung thư tuyến tiền liệt, bao gồm 02 modul:

- Modul hỗ trợ gán nhãn ảnh mô bệnh học ung thư tuyến tiền liệt

- Modul ứng dụng trí tuệ nhân tạo tính điểm Gleason với độ chính xác ≥ 95%

5 Triển khai, đánh giá hiệu quả của phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ sàng lọc ungthư tuyến tiền liệt dựa vào ảnh siêu âm tuyến tiền liệt tại tối thiểu 5 cơ sở y tế với tối thiểu 100bệnh nhân

6 Triển khai, đánh giá hiệu quả của phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ tính điểmGleason trong chẩn đoán mô bệnh học ung thư tuyến tiền liệt tại tối thiểu 5 cơ sở y tế với tối

thiểu 100 bệnh nhân.

14 Tình trạng đề tài

Mới Kế tiếp hướng nghiên cứu của chính nhóm tác giả

Kế tiếp nghiên cứu của người khác

15 Tổng quan tình hình nghiên cứu, luận giải về mục tiêu và những nội dung nghiên cứu của đề tài

15.1 Đánh giá tổng quan tình hình nghiên cứu thuộc lĩnh vực của đề tài

Ngoài nước (Phân tích đánh giá được những công trình nghiên cứu có liên quan và những kết quả

nghiên cứu mới nhất trong lĩnh vực nghiên cứu của đề tài; nêu được những bước tiến về trình độ KH&CN của những kết quả nghiên cứu đó)

Ung thư tuyến tiền liệt là vấn đề thu hút sự quan tâm của các nhà Tiết niệu trên phạm vi toàncầu vì tỷ lệ mắc bệnh và tỷ lệ tử vong cao, chất lượng sống của bệnh nhân bị sút giảm và gánhnặng chi phí điều trị chăm sóc tăng Đây là bệnh lý ác tính thường gặp ở nam giới cao tuổi đạt đỉnh

về tỷ lệ mắc và tỷ lệ tử vong trong khoảng 70 tuổi nhưng do diễn tiến chậm và liên tục với nhiềumức độ ác tính khác nhau nên bệnh có tầm ảnh hưởng đến khoảng tuổi rộng hơn Do tính chất đặcthù là diễn tiến bệnh thường chậm và điều trị có hiệu quả dù bệnh ở giai đoạn tiến xa, ung thưtuyến tiền liệt có độ lưu hành bệnh toàn cầu 5 năm rất cao với gần 4.000.000 người bệnh chiếm25% tổng số bệnh nhân ung thư nam giới và 12% bệnh nhân ung thư hai giới (chỉ sau ung thư vú) Theo Globocan 2018, có 164.690 ca ung thư tuyến tiền liệt mắc mới trên thế giới, chiếm 19%các loại ung thư Ung thư tuyến tiền liệt là ung thư phổ biến thứ tư ở cả hai giới (sau ung thư phổi,

ung thư vú và ung thư đại - trực tràng) và phổ biến thứ hai ở nam giới về tỷ lệ mắc sau ung thư

phổi với 1.276.106 ca mắc mới trên toàn thế giới và tỷ lệ tử vong đứng hàng thứ 8 trong các loạibệnh ung thư với 358.242 ca tử vong

Ước tính có khoảng 1,1 triệu bệnh nhân trên toàn thế giới được chẩn đoán ung thư tuyến tiềnliệt năm 2012, chiếm khoảng 15% các loại ung thư được chẩn đoán ở nam giới, trong đó 70% là ởcác nước phát triển Tỷ lệ mắc cao nhất ở Australia/New Zealand và Bắc Mỹ, phía tây và phía bắcChâu Âu do việc xét nghiệm PSA huyết thanh và sinh thiết rộng rãi, tuy nhiên, tỷ lệ này thấp hơn

ở Đông và Nam Trung Á Năm 2012, ung thư tuyến tiền liệt ước tính có khoảng 307.000 trườnghợp tử vong và là nguyên nhân gây tử vong thứ 5 ở nam giới (chiếm 6,6% tổng số trường hợp tửvong do ung thư ở nam giới), tỷ lệ này thường cao hơn ở người da đen, thấp hơn ở Trung Á ,.Trong nhiều nghiên cứu về dịch tễ học cho thấy, tỷ lệ ung thư tuyến tiền liệt trên thế giới phân

bố không đều và tăng theo tuổi Yin M nghiên cứu trên các tử thi da trắng phát hiện 35% nam giới

bị ung thư tuyến tiền liệt ở lứa tuổi 60 – 70 và 46% lứa tuổi 70 - 81 Ở các nước Châu Á, đại diện

là Trung Quốc và Nhật Bản, có tỷ lệ mắc bệnh và tử vong thấp nhất thế giới, thời kỳ 1992 - 1995

tỷ lệ ung thư tuyến tiền liệt là 4/100.000, thời kỳ 2001 - 2005 tỷ lệ này là 93,8/100.000

Các nước phương Tây, tỷ lệ ung thư tuyến tiền liệt cao hơn các nước đang phát triển Cácnước Scandinavian có tỷ lệ mắc bệnh và tử vong cao hơn nhiều so với các nước Nam Âu Ở Hoa

Kỳ, ung thư tuyến tiền liệt chiếm 25% các trường hợp ung thư được chẩn đoán ở nam giới, năm 2010

có 217.000 trường hợp mắc bệnh, dự kiến số trường hợp mới tăng trên 60% mỗi năm và số lượng đếnnăm 2015 là 300.000 trường hợp

Theo Ries L phân bố tỷ lệ chẩn đoán ung thư tuyến tiền liệt theo lứa tuổi như sau :

- 45 - 54 tuổi: 8,6%

Tỷ lệ tử vong do ung thư tuyến tiền liệt đứng thứ 2 (28.660 trường hợp, chiếm 10%) trongtổng số 10 nguyên nhân gây tử vong hàng đầu có liên quan đến ung thư ở nam giới, sau ung thưphổi và phế quản là 31% (90.810 trường hợp) trong năm 2008 Ngay ở một số nước tỷ lệ tử vongcũng thay đổi theo sắc tộc và dân tộc; tại Hoa Kỳ, tỷ lệ tử vong người da đen gấp 2 lần người datrắng Những nghiên cứu gần đây của Garcia M cho thấy tỷ lệ tử vong của ung thư tuyến tiền liệt

đã giảm ở nhiều nước phát triển: Hoa Kỳ, Anh, Canada nhờ phát hiện sớm và tiến bộ trong điềutrị, ngược lại tỷ lệ tử vong lại tăng ở một số nước Châu Á: Nhật Bản, Singapore…,

Cũng như tại Hoa Kỳ, ở các nước khác từ thập kỷ 90, tỷ lệ ung thư tuyến tiền liệt đã tăng lênmạnh mẽ nhưng tỷ lệ tử vong lại giảm rất ít hoặc không giảm Đây là thời kỳ xét nghiệm địnhlượng PSA trong huyết thanh được đưa vào ứng dụng trong chẩn đoán lâm sàng Ở Hoa Kỳ, từnăm 1975 - 1985 tỷ lệ ung thư tuyến tiền liệt tăng khoảng 2,3% một năm, 1985 - 1989 tỷ lệ nàytăng mạnh 6% một năm, đây là khoảng thời gian PSA bắt đầu được phổ biến và vọt lên mức18,4% một năm giai đoạn 1989 - 1992 Tại Hà Lan, khi so sánh giữa 2 thời kỳ trước và sau khi cóPSA, tỷ lệ ung thư tuyến tiền liệt tăng 36/100.000 lên 80/100.000 Tại Đan Mạch: 11,3/100.000lên 30,9/100.000 ,

Tỷ lệ ung thư tuyến tiền liệt ở nam giới cao tuổi ngày càng phổ biến trong cộng đồng, nhưng hiểubiết về nó vẫn còn rất nghèo nàn, với những cố gắng tìm hiểu về dịch tễ học gần đây 1 số điều liên quanđến ung thư tuyến tiền liệt đã dần dần sáng tỏ Tuy nhiên yếu tố về tuổi là chắc chắn: người càng caotuổi thì tỷ lệ ung thư tuyến tiền liệt càng tăng

Ung thư tuyến tiền liệt có thể điều trị hiệu quả nếu bệnh được phát hiện ở giai đoạn sớm Ungthư biểu mô tuyến của tuyến tiền liệt là típ mô học thường gặp nhất, trong đó sự đảo lộn cấu trúc

mô là tiêu chuẩn quan trọng để chẩn đoán một ung thư biểu mô của tuyến này

Khám sàng lọc là phương pháp kiểm tra nhằm phát hiện bệnh ở giai đoạn sớm trước khi cótriệu chứng lâm sàng, có nhiều lựa chọn các phương pháp điều trị và mang lại hiệu quả điều trịcao Theo các nghiên cứu trên thế giới, ung thư tuyến tiền liệt hiếm khi xảy ra ở những bệnh nhândưới 40 tuổi, tỷ lệ mắc ung thư tuyến tiền liệt cao nhất ở độ tuổi trên 50 đặc biệt là nam giới từ 60tuổi trở lên Một số thống kê khác cho thấy tỷ lệ mắc ung thư tuyến tiền liệt cao như địa lý (khuvực bắc Mỹ, bắc Âu, châu Úc) , , chủng tộc (người châu Phi, châu Mỹ) , những người có anh emruột bị ung thư tuyến tiền liệt có nguy cơ mắc bệnh cao gấp đôi người bình thường

Với các tiến bộ mới trong chẩn đoán và vai trò của xét nghiệm PSA huyết thanh, siêu âmtuyến tiền liệt, ung thư tuyến tiền liệt có thể sàng lọc hiệu quả nhằm phát hiện sớm đối với namgiới cao tuổi hoặc có các yếu tố nguy cơ Khi khám lâm sàng, xét nghiệm PSA và siêu âm có cácbất thường sẽ tiến hành sinh thiết tuyến tiền liệt qua siêu âm đầu dò trực tràng hoặc sinh thiết quatầng sinh môn, xét nghiệm mô bệnh học chẩn đoán xác định theo thang điểm Gleason.

Hệ thống Gleason dựa trên cấu trúc mô học của u là một trong những yếu tố dự báo quan

trọng nhất cho ung thư biểu mô tuyến tiền liệt, rất cần thiết để đưa ra phương pháp điều trị thíchhợp và tiên lượng căn bệnh này Hơn 40 hệ thống phân độ mô học đã được đưa ra kể từ khi côngtrình khởi xướng của Broder ra đời cách đây hơn 90 năm Hiện nay, hầu như chỉ hệ thống phân độGleason được sử dụng rộng rãi trên thế giới do cung cấp nhiều thông tin về sự phát triển kháchquan của u, khả năng lan tràn và di căn, khả năng đáp ứng điều trị cũng như tiên lượng bệnh Hệthống này ra đời dựa trên nghiên cứu tiến cứu của hơn 4000 trường hợp ung thư tuyến tiền liệt từnăm 1960-1975 tại Mỹ và hiện nay được coi là hệ thống chuẩn của nhiều nước

Tuy nhiện việc đánh giá điểm Gleason trong ung thư tuyến tiền liệt còn gặp rất nhiều khókhăn và còn mang tính chủ quan của các nhà giải phẫu bệnh, đặc biệt là với những nhà giải phẫubệnh trẻ Việc chẩn đoán sai điểm Gleason có thể dẫn đến một quyết định điều trị sai và ảnh hưởngtrực tiếp đến người bệnh Với những tiến bộ vượt bậc trong những năm gần đây trong lĩnh vực AI,ngày càng nhận thấy lợi ích của việc áp dụng AI trong việc phát triển các công cụ hổ trợ việc chămsóc sức khỏe, đặc biệt là trong lĩnh vực ung bướu Chính vì vậy phần mềm hỗ trợ tính điểmGleason là rất cần thiết hiện nay

Tình hình nghiên cứu về trí tuệ nhân tạo trên thế giới

Trí tuệ nhân tạo (Artificial Intelligence - AI) đang dẫn đầu xu thế ứng dụng công nghệ tronglĩnh vực y tế Phát triển và ứng dụng trí tuệ nhân tạo trong y tế đã và đang trở thành xu thế tất yếucủa thời đại Trên thế giới, việc ứng dụng trí tuệ nhân tạo để xây dựng các hệ thống hỗ trợ ra quyếtđịnh lâm sàng (clinical decision support system) được nhiều nhà khoa học quan tâm nghiên cứu Các hệ thống hỗ trợ ra quyết định lâm sàng có nhiệm vụ hỗ trợ các bác sĩ hoặc nhân viên y tế trongviệc ra quyết định lâm sàng Các hệ thống này có thể nâng cao chất lượng công tác chăm sóc sứckhỏe bằng việc đưa ra các thông tin tham khảo cho bác sĩ dựa trên những tri thức được học từchuyên gia hoặc dựa trên các dữ liệu trong quá khứ Trên thế giới, các hệ thống hỗ trợ ra quyếtđịnh lâm sàng đã được nghiên cứu phát triển từ những năm 1970, ví dụ như các hệ thống MYCIN,INTERNIST-1 và CASNET Các hệ thống hỗ trợ ra quyết định đã được phát triển và ứng dụngvào thực tiễn trong nhiều lĩnh vực của y tế như chẩn đoán bệnh, xây dựng phác đồ điều trị, chế tạothuốc, theo dõi và chăm sóc bệnh nhân, … Các hệ thống này đã được áp dụng trên nhiều cơ sở trênthế giới Các thuật toán trí tuệ nhân tạo trong y tế được nhiều công ty đầu tư phát triển, trong đó cónhững công ty lớn như IBM, Microsoft, Google, Intel, Facebook và cả những công ty khởi nghiệp.Trong những năm gần đây, việc phát triển, ứng dụng các hệ thống hỗ trợ ra quyết định lâm sàng

ngày càng được đẩy mạnh Có nhiều nguyên nhân dẫn đến sự phát triển này, đó là sự phát triển củaphần cứng dẫn tới khả năng tính toán tăng lên, rút ngắn thời gian thu thập và xử lý dữ liệu; khốilượng dữ liệu liên quan đến y tế thu thập từ các thiết bị y tế và thiết bị cá nhân ngày càng tăng; sựphát triển của các cơ sở dữ liệu gen; các hệ thống quản lý hồ sơ bệnh án điện tử ngày càng phổbiến; sự phát triển của các kĩ thuật trí tuệ nhân tạo tiên tiến có độ chính xác cao (như các phươngpháp học sâu) trong các lĩnh vực thị giác máy tính và xử lý ngôn ngữ tự nhiên giúp nâng cao độchính xác của các hệ thống trí tuệ nhân tạo

Những lợi thế của AI đã được thảo luận rộng rãi trong các tài liệu y khoa , , , nó đã được ứngdụng rộng rãi trong nhiều lĩnh vực y khoa , Sức mạnh của AI nằm ở khả năng sử dụng các thuậttoán tinh vi để “học” các đặc trưng từ một khối lượng lớn dữ liệu chăm sóc sức khỏe, và sau đó sửdụng những hiểu biết thu được để hỗ trợ thực hành lâm sàng Nó có khả năng học và tự sửa lỗi đểcải thiện độ chính xác dựa trên phản hồi Một hệ thống AI có thể hỗ trợ các bác sĩ bằng việc đưa racác thông tin tham khảo cho bác sĩ dựa trên những tri thức được học từ chuyên gia hoặc dựa trên

các dữ liệu thực tế Ngoài ra, một hệ thống AI có thể giúp giảm các lỗi của con người trong chẩnđoán và điều trị không thể tránh khỏi trong thực hành lâm sàng , , , Hơn nữa, một hệ thống AItrích xuất thông tin hữu ích từ một lượng lớn dữ liệu bệnh nhân để hỗ trợ đưa ra cảnh báo rủi rosức khỏe Với AI, việc thu nhận nhanh chóng toàn bộ bệnh sử của bệnh nhân và khả năng bao phủ

và phân tích nhiều bộ dữ liệu cùng lúc giúp phát hiện ra các bất thường trong các ca bệnh Đây làmột bước tiến lớn trong việc điều trị các bệnh lý với tỷ lệ sống cao hơn khi phát hiện bệnh sớmhơn, như ung thư AI còn giúp các hệ thống chăm sóc sức khỏe dễ dàng chuyển trọng tâm vànguồn lực từ chữa bệnh sang phòng bệnh Nhất là các bệnh không lây nhiễm như bệnh tim mạch

và tiểu đường, vốn là mối đe dọa ngày càng tăng AI có thể được áp dụng cho các loại dữ liệuchăm sóc sức khỏe khác nhau (có cấu trúc và không cấu trúc) Các kỹ thuật AI phổ biến bao gồmcác phương pháp học máy cho dữ liệu có cấu trúc, như Support Vector Machine (SVM) và mạngnơron, các kỹ thuật học sâu hiện đại cho dữ liệu phi cấu trúc (dữ liệu ảnh, ngôn ngữ tự nhiên) Một

số lĩnh vực bệnh chính đã được nghiên cứu và ứng dụng công nghệ AI như: ung thư, thần kinh vàtim mạch Trong lĩnh vực thần kinh: Bouton và cộng sự đã phát triển một hệ thống AI để khôiphục sự kiểm soát chuyển động ở bệnh nhân bị liệt tứ chi Farina và cộng sự đã thử nghiệm sứcmạnh của giao diện người/máy ngoại tuyến, sử dụng thời gian phóng điện của các tế bào thần kinhvận động cột sống để kiểm soát các bộ phận giả trên chi Trong chẩn đoán bệnh liên quan đến timmạch: Dilsizian và Siegel đã thảo luận về ứng dụng tiềm năng của hệ thống AI để chẩn đoán bệnhtim thông qua hình ảnh tim Arterys gần đây đã nhận được thông qua từ Cục Quản lý Thực phẩm

và Dược phẩm Hoa Kỳ (FDA) để tiếp thị ứng dụng Arterys Cardio DL, sử dụng AI để cung cấpphân đoạn tâm thất tự động, có thể chỉnh sửa dựa trên hình ảnh MRI tim thông thường AI cũngđược áp dụng trong các bệnh khác như ví dụ gần đây nhà khoa học Long và các cộng sự đã phântích dữ liệu hình ảnh mắt để chẩn đoán bệnh đục thủy tinh thể bẩm sinh , Gulshan và các cộng sự

đã áp dụng thuật toán học sâu để phát hiện tự động bệnh võng mạc tiểu đường và phù hoàng điểmtiểu đường trong các hình ảnh đáy võng mạc

Bên cạnh những lĩnh vực bệnh nêu trên, trong chẩn đoán ung thư: Somashekhar và cộng sự đãchứng minh rằng hệ thống IBM Watson về ung thư sẽ là một hệ thống AI đáng tin cậy để hỗ trợchẩn đoán ung thư thông qua một nghiên cứu xác nhận mù đôi Esteva và cộng sự đã phân tíchhình ảnh lâm sàng để xác định các phân nhóm ung thư da Một số tác giả đã ứng dụng AI trong hỗtrợ tính điểm Gleason chẩn đoán mô bệnh học ung thư tuyến tiền liệt như Eirini Arvaniti đã sửdụng bảng chú thích chi tiết phân độ Gleason của 641 bệnh nhân và sau đó được đánh giá độc lậptrên 245 bệnh nhân bởi hai nhà giải phẫu bệnh học , Kunal Nagpal sử dụng 112 triệu miếng váhình ảnh được chú thích của nhà giải phẫu bệnh học từ 1226 tiêu bản và đánh giá trên một bộ dữliệu xác nhận độc lập của 331 bệnh nhân Hai tác giả đăng trong tạp chí the Lancet Oncology năm

2020 là Ström và Bulten đã sử dụng hệ thống học sâu để phát hiện độ Gleason ung thư tuyến tiềnliệt dựa trên hình ảnh kỹ thuật số , ,

Trong một nghiên cứu khác, Marit Lucas và các cộng sự đã sử dụng mạng học sâu để tự độngphân loại các cấu trúc Gleason và dựa trên đó nhóm Gleason cho bệnh nhân Phương pháp này sửdụng 96 ảnh H&E của 38 bệnh nhân khác nhau được gán nhãn bởi 1 trong 2 chuyên gia và sau đóđược kiểm tra bởi một nhà bệnh lý sinh dục Lớp đầu tiên là lớp nền không bị ảnh hưởng (mô liênkết) của tuyến tiền liệt Lớp 2 là các tuyến không điển hình, bao gồm cả các tuyến khỏe mạnh vàcác tuyến có u tuyến tiền liệt thấp Lớp thứ ba là GP 3 và lớp thứ tư là GP 4 Vì tỷ lệ mắc GP 5 rấtthấp trong bộ dữ liệu này nên GP 4 và GP 5 đã được hợp nhất để cân bằng các lớp

Hình 1: Ảnh nhuộm tiêu bản HE và ảnh đã gán nhãn với 4 lớp (a) Ảnh nhuộm tiêu bản, (b) Ảnh đã gán nhãn với 4 lớp

Các patches được trích xuất các ảnh RGB đã gán nhán Kích thước của mỗi patch là 299 × 299pixel, tương ứng với diện tích khoảng 150 × 150 μm2 Các patches (có thể chồng lấn) được tríchxuất một cách ngẫu nhiên từ ảnh sử dụng công cụ: MATLAB R2015b, MathWorks, Natick MAUSA Tăng dữ liệu bằng cách xoay theo 90, 180 và 270° được áp dụng cho tất cả các patch.Dựa trên số lượng patches của mỗi lớp, các patches được nhóm thành bốn phân vùng cânbằng Trong các phân vùng cân bằng này, một sinh thiết chỉ có thể có mặt trong một phân vùng.Trong mỗi phân vùng này, số lượng các patch của mỗi lớp được chọn bằng với lớp có số lượngpatches nhỏ nhất trong tất cả các phân vùng Dùng 03 phân vùng để huấn luyện và 1 phân vùng đềkiểm tra Mạng sử dụng là CNN architecture Inception v3 bao gồm nhiều modules Inception và hailớp phân loại CNN thực hiện phân lớp 1 patch thuộc về một trong bốn lớp mô Phương pháp đạt

độ chính xác phân lớp các patches là 93% cho các patches không điển hình, 73% GP 3 và 77% GP

4 Tuy nhiên phương pháp do Marit Lucas và các cộng sự đề xuất còn có một số hạn chế Dữ liệuđầu vào chỉ có 96 ảnh sinh thiết của 38 bệnh nhân khác nhau Điều này có thể dẫn đến quá khớp(overfitting) do các mẫu cụ thể của bệnh nhân có thể có mặt trong cả phân vùng đào tạo và thửnghiệm Ngoài ra, trong bộ dữ liệu này thiếu hẳn lớp GP 5

Một nghiên cứu khác cũng cần được nhắc đến là nghiên cứu của Davood Karimi và các cộng

sự Các tác giả của nghiên cứu này đã đề xuất phương pháp phân loại cấu trúc Gleason dựa trên sựkết hợp kết quả từ nhiều tỉ lệ Dữ liệu có tổng 333 ảnh H&E của 231 bệnh nhân đã được phẫuthuật cắt bỏ tuyến tiền liệt tại Bệnh viện Đa khoa Vancouver trong khoảng thời gian từ tháng 6năm 1997 đến tháng 6 năm 1998 và được quét ở độ phóng đại 40 lần Sáu nhà nghiên cứu bệnhhọc có 27, 15, 1, 24, 17 và 5 năm kinh nghiệm đã gán nhãn cho 333 ảnh này Sau đó dùng biểuquyết đa số để gán nhãn cho ảnh Một ví dụ vể ảnh đã được gán nhãn: Hình 2

Tập huấn luyện và tập kiểm tra được lựa chọn ngẫu nhiên: tập huấn luyện gồm 247 ảnh của

171 bệnh nhân; tập kiểm tra gồm 86 ảnh của 60 bệnh nhân khác

Hình 2: Ảnh mô bệnh học (trái), kết quả gán nhãn từ các chuyên gia khác nhau (giữa) và kết quả cuối cùng (ground-truth) dựa trên kết quả gán nhãn của các chuyên gia theo nguyên tắc số đông

Một yếu tố quan trọng trong việc xây dựng phương pháp tính điểm Gleason đó là lựa chọnkích thước patch Các patch có kích thước lớn hơn sẽ chứa nhiều thông tin ngữ cảnh hơn Do đó,theo lý thuyết thì việc sử dụng các patch kích thước lớn hơn sẽ cho độ chính xác phân loại caohơn Tuy nhiên, tăng kích thước patch sẽ làm giảm số lượng patch Để tận dụng lượng thông tinlớn hơn trong patch kích thước lớn cũng như số lượng lớn patch kích thước nhỏ hơn, các tác giả đã

sử dụng 3 loại patch kích thước tương ứng là 768, 384 và 192 pixel Dữ liệu huấn luyện được tạobằng phương pháp 3-fold cross validattion Tổng cộng 260 patches kích thước 768 × 768 pixel baogồm 50, 80, 80 và 50 patches lành tính, cấp 3, 4, 5, tương ứng Để huấn luyện CNN, các patches

có kích thước 768, 384 và 192 pixel được sử dụng để đào tạo ba CNN khác nhau: CNNL, CNNM,CNNS

Hình 3: Quy trình các bước huấn luyện mô hình (a) Ba mô hình CNN khác nhau được sử dụng để huấn luyện trên các miếng ảnh với kích thước khác nhau được sinh từ ảnh mô bệnh học (b) Cấu trúc của mô hình CNN (c) Cấu trúc của bộ lọc khả tách (d) Với một miếng ảnh với kích thước

768, kết quả dự báo cho bởi ba mô hình CNN được kết hợp lại theo mô hình hồi quy để xác định

kết quả dự báo cuối cùng

Như trên hình, các mô hình CNN bao gồm một loạt các bộ lọc tích chập khả tách để trích xuấtcác đặc trưng có liên quan Thay loại tích chập 3D bằng một tập các tích chập 2D (áp dụng chotừng đầu) và một tích chập 1D để kết hợp các tích chập này theo chiều sâu này Điều này dẫn đếnviệc giảm đáng kể trong số lượng tham số mạng Các lớp chập được theo sau bởi hai lớp được kếtnối đầy đủ kết thúc bằng xác suất của lớp dự đoán Các CNN sử dụng thuật toán học cross-entropy Sau khi huấn luyện xong, 03 CNNs được kết hợp lại bằng mô hình hồi quy logistic Cụthể, với mục tiêu là dự đoán nhãn của patch có kích thước 768 pixel: Trên một patch có kích thướcnày, tác giả áp dụng CNNL để xác định một vectơ xác suất gồm: [pLb; pL3; pL4; pL5] tương ứngvới xác suất lành tính, Gleanson 3, 4 và 5 Cũng trên chính patch này, tác giả áp dụng CNNM vàCNNS cho một cửa sổ trượt với sự thay đổi 96 pixel theo chiều ngang và dọc, cho kết quả là 25vectơ xác suất cho CNNM và 49 vectơ xác suất cho CNNS Từ 25 vectơ xác suất từ CNNM và 49vectơ xác suất cho CNNS được giảm xuống còn một vectơ tương ứng bằng cách tính xác suất tối

đa trên mỗi lớp: [pM b; pM 3; pM 4; pM5] và [pS b; pS 3; pS 4; pS5] 12 giá trị xác suất: [pLb;pL3; pL4; pL5], [pM b; pM 3; pM 4; pM5] và [pS b; pS 3; pS 4; pS5] này được coi là một vectơđặc trưng, được sử dụng để huấn luyện mô hình hồi quy logistic đa lớp Đầu ra của mô hình hồiquy logistic chính là dự đoán cuối cùng Độ chính xác đạt được là 92% trong việc phân loại cácPatches ung thư so với các Patches lành tính; 86% trong việc phân loại Gleason <=3 với cácPatches Gleason >=4 Mức độ đồng thuận với các nhà nghiên cứu bệnh học nằm trong phạm vicho phép

Trong những một vài thập niên trở lại đây, để xác định được vị trí khối u trong ung thư tiền

liệt tuyến sử dụng ảnh siêu âm, các nhà nghiên cứu đã sử dụng nhiểu phương pháp khác nhau Mộtvài phương pháp trong số đó tập trung vào việc phát triển các bộ lọc hiệu quả nhằm giảm thiểu cácnhiễu lốm đốm và tăng cường độ tương phản trong ảnh siêu âm Quá trình này giúp cho việc tìm

và xác định các vùng biên của khối u được rõ ràng và chính xác.Ví dụ cho hướng đi này là côngtrình nghiên cứu của Pathak và các cộng sự đã sử dụng thuật toán gậy để giảm nhiễu và tăngcường độ tương phản trong ảnh siêu âm Nhóm nghiên cứu sau đó áp dụng bộ lọc khuếch tán dịhướng để làm trơn nhiễu trong ảnh siêu âm một lần nữa Trong khi đó, Liu và các cộng sự lại sửdụng lược đồ chuẩn hoá và phương pháp hỗ trợ xuyên tâm để giúp phân biệt tốt hơn các vùng biêncho phân đoạn khối u ảnh siêu âm Kwoth và các cộng sự sử dụng biển đổi Fourier nhằm giảm bớt

và làm trơn các vùng biên giả tạo Abolmaesumi và các đồng nghiệp sử dụng gậy lọc để nâng caochất lượng vùng biên khối u và sau đó áp dụng bộ lọc kết hợp dữ liệu xác suất cho nhiệm vụ phânđoạn Sahba và các đồng nghiệp sử dụng biến đổi hình thái mức xám để tăng độ phân biệt giữavùng biên khối u và ảnh nền Sau đó họ sử dụng bộ lọc Kalman và hệ thống suy luận mờ để phânđoạn khối u Một số hạn chế có thể nhận thấy của các phương pháp phân đoạn khối u sử dụng bộlọc hay đường biên ở trên đó là rất khó để xác định cũng như loại bỏ các hiện tượng bóng giả,thường xuất hiện trong các ảnh siêu âm Những năm vừa qua, việc áp dụng mạng tích chập sâu vàobài toán phân đoạn ngữ nghĩa (phân loại trên từng pixel) cho ảnh siêu âm đã đạt được nhiều bướctiến quan trọng Hossain và các cộng sự đã sử dụng VGG19Rseg để phân đoạn ảnh siêu âm mặtcắt ngang tuyến tiền liệt Để chuẩn bị cho nghiên cứu này, nhóm đã thu thập 55 hình ảnh xám của

04 bệnh nhân từ bệnh viện Alfred, Melbourne Các ảnh này đều có định dạng png với kích thước224224 55 ảnh này được phân đoạn thủ công bởi chuyên gia để tạo phiên bản phân đoạn nhịphân của những hình ảnh đó

Hình 4: Ảnh gán nhãn bởi chuyên gia

Mặc dù đã có nhiều mô hình mạng được đề xuất trong những năm gần đây, ví dụ: Mô hìnhAlexNet, ResNet và InceptionNet, tuy nhiên VGG19 vẫn phổ biến cho các bài toán phân loại hìnhảnh do kiến trúc đơn giản hơn so với các mô hình khác và thời gian huấn luyện nhanh hơn Ngoài

ra, các mô hình VGG đã được sử dụng đáng kể trong các bài toán phân đoạn ngữ nghĩa hình ảnh.Trên cơ sở phân tích này, bài báo đề xuất mô hình VGG19RSeg bằng cách thay lớp FC (fullyconnected) bằng phần deconvolution Lớp cuối cùng của mô hình là lớp softmax dùng để phân loạiđiểm ảnh Thêm vào đó, mô hình đề xuất sử dụng hai loại của kết residual/skip - kết nối từ xa(remote) và lận cận (neighbouring residual), do đó mô hình có tên là VGG19RSeg

Hình 5: Mô hình VGG19Rseg

Với mô hình này, độ chính xác trung bình với 4 lần test là 87.62% theo Dice Sử dụng môhình này làm đơn giản hoá quá trình xử lý dữ liệu ban đầu (bỏ qua quá trình tiền xử lý dữ liệu) Độchính xác thu nhận được là gần như tương đương với kết quả gán nhãn thủ công của các chuyêngia

Như vậy, trên thế giới đã có một số nghiên cứu bước đầu ứng dụng trí tuệ nhân tạo trong hỗtrợ chẩn đoán ung thư và đặc biệt là ung thư tuyến tiền liệt mở ra một hướng phát triển mới trongchẩn đoán ung thư tuyến tiền liệt

Trong nước (Phân tích, đánh giá tình hình nghiên cứu trong nước thuộc lĩnh vực nghiên cứu của

đề tài, đặc biệt phải nêu cụ thể được những kết quả KH&CN liên quan đến đề tài mà các cán bộ tham gia đề tài đã thực hiện Nếu có các đề tài cùng bản chất đã và đang được thực hiện ở cấp khác, nơi khác thì phải giải trình rõ các nội dung kỹ thuật liên quan đến đề tài này; Nếu phát hiện

có đề tài đang tiến hành mà đề tài này có thể phối hợp nghiên cứu được thì cần ghi rõ Tên đề tài, Tên Chủ nhiệm đề tài và cơ quan chủ trì đề tài đó)

Ở Việt Nam, tỷ lệ ung thư tuyến tiền liệt đang có xu hướng gia tăng và trẻ hóa Theo số liệughi nhận ung thư quần thể của Cơ quan Thế giới Nghiên cứu Ung thư IARC, ung thư tuyến tuyếntiền liệt có xuất độ và tử suất chuẩn theo tuổi lần lượt là 3,4 và 2,5 Bệnh thường gặp hàng thứ 10trong các ung thư ở hai giới cũng như riêng cho giới nam với 1.275 trường hợp mắc mới và 872trường hợp tử vong ước tính mỗi năm trên cả nước Nhìn chung, Việt nam cũng như các nước châu

Á có xuất độ ung thư tuyến tiền liệt thấp (4,5–10,5) so với các khu vực có xuất độ trung bình nhưNam Âu, Mỹ Latinh (60,1–79,8) và xuất độ cao như Úc, Bắc Mỹ, Bắc Âu (97,2–111,6) ,.Việt Nam

tuy nằm trong số các nước có tỷ lệ ung thư tuyến tiền liệt không cao, nhưng theo thống kê của một

số tác giả tỷ lệ này có chiều hướng gia tăng, tỷ lệ mắc ở giai đoạn 1995-1996 là 1,5-2,3/100.000nam giới và tới năm 2002 là 2,3-2,5/100.000 nam giới Qua nghiên cứu mô học 335 trường hợpđược lâm sàng chẩn đoán phì đại tuyến tiền liệt tại Bệnh viện Hữu nghị Việt Đức trong 5 năm(1982 – 1986), Nguyễn Như Bằng và CS đã phát hiện 34 trường hợp ung thư tuyến tiền liệt, chiếmkhoảng 10% (tác giả không nêu rõ là ung thư nguyên phát hoặc thứ phát của tuyến tiền liệt), trong

đó, ung thư biểu mô tuyến là 26 trường hợp, ung thư bè: 2, ung thư dạng biểu bì: 3, ung thư ít biệt

hoá: 2 và ung thư liên kết: 1 Nghiên cứu của Nguyễn Văn Hưng năm 2005 ở 633 bệnh nhân được

phẫu thuật tuyến tiền liệt, kết quả mô bệnh học cho thấy tỷ lệ ung thư tuyến tiền liệt được phát hiệnqua sinh thiết là 7,9%

Từ tháng 6/2008 đến tháng 6/2010, Vũ Lê Chuyên và cộng sự nghiên cứu trên 1098 nam giới ≥ 50tuổi đến tầm soát ung thư tuyến tiền liệt tại Bệnh viện Bình Dân phát hiện 33 trường hợp ung thưtuyến tiền liệt, chiếm 3% Nếu năm 2012 tại Việt Nam ung thư tuyến tiền liệt đứng hàng thứ 10 trongcác bệnh lý phổ biến ở nam giới thì đến năm 2018 được xếp thứ 6 với 301.174 ca mới mắc và lànguyên nhân gây tử vong đứng thứ 6 trong các bệnh ung thư ở nam giới với 120.300 ca tử vong , Tuy

tỷ lệ mắc ung thư tuyến tiền liệt tại Việt Nam cũng như các nước châu Á thấp hơn các nước phươngtây nhưng tỷ lệ tử vong lại cao hơn rất nhiều Theo thống kê tỷ lệ tử vong trên tỷ lệ mắc mới ở bắc Mỹ

là 10,4%, trong khi tỷ lệ này là 42,5% ở các nước Đông Nam Á và tại Việt Nam là 44% Sự khác biệt

về tỷ lệ này do tỷ lệ phát hiện bệnh giai đoạn sớm ở các nước phát triển cao hơn nhờ các chương trìnhsàng lọc Ung thư tuyến tiền liệt là bệnh lý tiến triển chậm và đa số không có biểu hiện khi bệnh ở giaiđoạn sớm, chính vì vậy mà rất nhiều bệnh nhân chỉ phát hiện bệnh ở giai đoạn muộn khi đã có triệuchứng dẫn tới điều trị rất khó khăn và nguy cơ tử vong cao

Ở Việt Nam đa số các trường hợp phát hiện ung thư tiền liệt tuyến ở giai đoạn muộn với các triệuchứng rối loạn tiểu tiện như tiểu nhiều về đêm, tiểu khó, tiểu rắt hoặc tiểu ra máu Giai đoạn này tế bàoung thư đã xâm lấn cơ quan lân cận thậm chí đã di căn tới các cơ quan xương, não, phổi …dẫn đếnkhó khăn trong việc điều trị Vì vậy việc tầm soát ung thư tiền liệt tuyến giúp phát hiện ung thư ở giaiđoạn sớm và làm giảm tỉ lệ tử vong của bệnh Nếu ung thư tuyến tiền liệt được phát hiện sớm thì tiênlượng bệnh rất tốt, chi phí điều trị giảm Việc tầm soát ung thư tiền liệt tuyến chủ yếu dựa vào thămkhám trực tràng, đo nồng độ PSA, tỉ lệ PSA tự do/toàn phần và siêu âm tuyến tiền liệt

Một nghiên cứu gần đây tại Bệnh viện Việt đức với 120 bệnh nhân ung thư tuyến tiền liệt, kếtquả siêu âm cho thấy bệnh nhân có khối lượng tuyến tiền liệt chủ yếu nằm trong khoảng 30 - 50gam là 37,5%, từ 50 - 100 g là 31,67% Trọng lượng tuyến trung bình là 51,74 g ± 2,88, nhỏ nhất

là 15 g và lớn nhất là 151g Hình ảnh nghi ngờ ung thư tuyến tiền liệt qua siêu âm là ổ giảm âm,nhân nghi ung thư, bờ tuyến lồi ra không đều, đường ranh giới giữa vùng tiền liệt tuyến ngoại vi

và vùng chuyển tiếp không rõ có thể bị do có khối nằm ở vùng ngoại vi, ngay cả khi cấu trúc âmcủa tiền liệt tuyến ngoại vi không thay đổi nhiều (khối đồng âm) Trong nghiên cứu có 10 bệnhnhân (8,33%) có hình ảnh khối u tuyến tiền liệt xâm lấn túi tinh và trong đó có 5 bệnh nhân U xâmlấn cả bàng quang và xung quanh Xâm lấn hạch, qua siêu âm cũng phát hiện 02 trường hợp cóhạch chậu Năm 2010 Nguyễn Tuấn Vinh báo cáo kết quả nghiên cứu sinh thiết TTL qua trựctràng dưới hướng dẫn bằng siêu âm bằng phương pháp 6 mẫu tiêu chuẩn và cho kết quả phát hiệnung thư tuyến tiền liệt 11,5% Đối với phương pháp sinh thiết 12 mẫu có 2 tác giả nghiên cứuPhan Văn Hoàng nghiên cứu từ tháng 6 năm 2009 đến tháng 9 năm 2009, có 41 bệnh nhân đượcchỉ định sinh thiết tuyến tiền liệt 12 mẫu qua trực tràng dưới hướng dẫn của siêu âm tỉ lệ phát hiệnung thư tuyến tiền liệt là 17,07%

Tuy nhiên, những con số này chưa phản ánh thật đầy đủ tình hình thực tế về ung thư tuyến

tiền liệt ở Việt nam, nhưng cũng phần nào cho chúng ta thấy tỷ lệ mắc bệnh tuyến tiền liệt ngàycàng tăng Chính vì thế một nghiên cứu mang tính chất cộng đồng người Việt Nam là rất có ýnghĩa hiện nay

Tình hình nghiên cứu về trí tuệ nhân tạo trong lĩnh vực y tế tại Việt Nam:

Ở Việt Nam, đã có một số nghiên cứu ứng dụng trí tuệ nhân tạo trong chẩn đoán y tế Từnhững năm 90 của thế kỷ XX đến nay, đã có những nghiên cứu sử dụng hệ chuyên gia và lý thuyếttập mờ trong việc xây dựng các hệ thống hỗ trợ ra quyết định lâm sàng , , , Một số hệ thống đãđược xây dựng và thử nghiệm tại các bệnh viện, có chức năng hỗ trợ chẩn đoán trong các lĩnh vựcnhư các bệnh về phổi , y học cổ truyền , các bệnh rối loạn tâm thần , Các kỹ thuật trí tuệ nhântạo tiên tiến như học sâu (deep learning) cũng đã được nghiên cứu và áp dụng trong chẩn đoán y

tế, chủ yếu cho các bài toán hỗ trợ phân tích ảnh y tế , , Nhóm nghiên cứu của Trần Minh Quân

đã đề xuất sử dụng Adversarial Network giúp thu được hình ảnh chất lượng cao từ những ảnh có

độ phân giải thấp, giúp giảm thiểu thời gian chụp ảnh (như khi chụp MRI) nhưng vẫn thu đượchình ảnh có chất lượng cao phục vụ chẩn đoán và điều trị Từ năm 2017, công ty Five9 bắt đầutriển khai thử nghiệm phần mềm trí tuệ nhân tạo IBM Waston for Oncology ở một số bệnh viện tạiViệt Nam Đây là phần mềm có giá trị tư vấn, hỗ trợ bác sỹ chuyên ngành ung thư lựa chọn phác

đồ điều trị ung thư tiên tiến, phù hợp, hiệu quả cho người bệnh Ban Công nghệ FPT Software đãxây dựng và phát triển phần mềm Deep Clinics áp dụng công nghệ trí tuệ nhân tạo trong chẩn đoán

và hướng dẫn điều trị các bệnh về da liễu, vết thương thông qua hình ảnh chụp bề mặt tổn thươngtrên da Ngoài ra, nhiều nhóm nghiên cứu đã bắt đầu đầu tư phát triển các giải pháp ứng dụng trítuệ nhân tạo trong y tế Nhóm nghiên cứu của PGS.TS Võ Trương Như Ngọc đang tiến hànhnghiên cứu ứng dụng học máy để hỗ trợ chẩn đoán các bệnh lý răng miệng thường gặp và đưa racác lời khuyên nha khoa dựa vào các hình ảnh chụp từ smartphone Nhóm nghiên cứu của TS TrầnMinh Triết phát triển các ứng dụng của AI trong phân loại và phân vùng ảnh y tế, tập trung vàoứng dụng tự xác định nhân, phân vùng và đếm tế bào trên ảnh mô bệnh học Nhóm nghiên cứu củacông ty AINovation cũng có những nghiên cứu về độ thị tri thức y tế, được xây dựng từ bệnh ánđiện tử bằng các phương pháp học máy, giúp thiết lập mối quan hệ giữa các bệnh, triệu chứng,phác đồ điều trị và diễn biến bệnh tự động từ dữ liệu, qua đó mở ra tiềm năng lớn trong việc tựchẩn đoán và điều trị bệnh, cũng như đào tạo và đánh giá các bác sĩ qua phần mềm Nhóm nghiêncứu của TS Ngô Thanh Hoàn, trường Đại học Quốc tế đã được một số thành tựu trong việc pháttriển hệ thống chẩn đoán các bệnh về mắt Nhóm nghiên cứu của TS Trần Quốc Long, Đại họcCông nghệ, Đại học Quốc gia Hà Nội đã bước đầu ứng dụng trí tuệ nhân tạo trong phân tích hìnhảnh siêu âm tim nhằm sàng lọc, chẩn đoán tình trạng rối loạn chức năng tim ở người Việt Nam.Như vậy, ở Việt Nam đã có những nghiên cứu ứng dụng trí tuệ nhân tạo trong y tế và bướcđầu đã có một số phần mềm được thử nghiệm trên thực tế Tuy nhiên, chưa có nghiên cứu nào ứngdụng trí tuệ nhân tạo trong hỗ trợ tính điểm Gleason trong chẩn đoán mô bệnh học ung thư tuyếntiền liệt và hỗ trợ sàng lọc ung thư tuyến tiền liệt qua ảnh siêu âm tuyến tiền liệt

15.2 Luận giải về việc đặt ra mục tiêu và những nội dung cần nghiên cứu của đề tài

(Trên cơ sở đánh giá tình hình nghiên cứu trong và ngoài nước, phân tích những công trình nghiên cứu có liên quan, những kết quả mới nhất trong lĩnh vực nghiên cứu đề tài, đánh giá những khác biệt về trình độ KH&CN trong nước và thế giới, những vấn đề đã được giải quyết, cần nêu rõ những vấn đề còn tồn tại, chỉ ra những hạn chế cụ thể, từ đó nêu được hướng giải quyết mới - luận giải và cụ thể hoá mục tiêu đặt ra của đề tài và những nội dung cần thực hiện trong đề tài để đạt được mục tiêu)

Hiện nay tại Việt Nam, đa số các địa phương đều đã có các cơ sở giải phẫu bệnh nhưng hầu

hết còn non trẻ và các bác sĩ giải phẫu bệnh ở các tuyến dưới còn rất ít kinh nghiệm trong hầu hếtcác lĩnh vực y khoa đặc biệt hiện nay tỷ lệ ung thư ngày càng tăng ở Việt Nam cụ thể là ung thưtuyến tiền liệt Hệ thống Gleason là một trong những yếu tố dự báo quan trọng nhất cho ung thưbiểu mô tuyến tiền liệt Nhằm hạn chế tới mức thấp nhất việc chẩn đoán sai trong việc tính điểmGleason chẩn đoán mô bệnh học cho các nhà giải phẫu bệnh, cũng như việc hỗ trợ cho các nhà giảiphẫu bệnh ở các tuyến cơ sở và các nhà giải phẫu bệnh trẻ còn ít kinh nghiệm từ đó dẫn đến việctiên lượng không chính xác và đưa ra chiến lược điều trị không phù hợp, y học hiện đại đã và đang

áp dụng các biện pháp sử dụng trí tuệ nhân tạo vào trong các lĩnh vực đặc biệt là lĩnh vực ungbướu hiện nay Ung thư tuyến tiền liệt là một trong những bệnh lý ung thư có tỷ lệ cao ở nam giới.Chính vì vậy việc sử dụng phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ tính điểm Gleason chẩnđoán mô bệnh học hiện nay là cần thiết Mặt khác, việc nghiên cứu về dịch tễ bệnh ung thư tuyếntiền liệt còn mang tính đơn tẻ và chưa có hệ thống cũng như việc sàng lọc ung thư tuyến tiền liệt ởViệt Nam vẫn còn ở những giai đoạn đầu chưa có tính chất cộng đồng Cho nên chúng tôi đề xuấtnghiên cứu xây dựng bộ cơ sở dữ liệu ảnh siêu âm tuyến tiền liệt và cơ sở dữ liệu về PSA kết hợpthăm trực tràng các trường hợp nghi ngờ ung thư tuyến tiền liệt ở người đàn ông trên 60 tuổi ởnhiều vùng có ý nghĩa quan trọng trong việc đánh giá tình trạng bệnh ung thư tuyến tiền liệt hiệnnay Đồng thời xây dựng được hệ thống phần mềm ứng dụng trí tuệ nhân tạo trong sàng lọc dựatrên ảnh siêu âm tuyến tiền liệt mở ra một hướng phát triển mới trong tương lai cho các lĩnh vực ykhoa khác tại Việt Nam Trước hết cần nắm rõ được tổng quan về tuyến tiền liệt nói chung,các yếu

tố nguy cơ, các phương pháp chẩn đoán ung thư tuyến tiền liệt hiện nay, hệ thống phân độGleason, cách tính và vai trò quan trọng trong tiên lượng và đưa ra chiến lược điều trị như sau:

1 Các yếu tố nguy cơ

1.1 Tuổi

Mối quan hệ giữa tuổi và nguy cơ ung thư tuyến tiền liệt rất lớn, tuổi thọ cao có nguy cơ mắcbệnh tăng 10% ung thư tuyến tiền liệt xuất hiện dưới 54 tuổi, lứa tuổi 55 - 74 tỷ lệ mắc bệnh 64%.Một số tác giả cho rằng tính đặc hiệu của PSA tăng ở người cao tuổi, do vậy làm tăng độ chính xáctrong chẩn đoán bệnh

1.2 Chủng tộc, sắc tộc

Sự khác nhau về nguy cơ mắc ung thư tuyến tiền liệt giữa các chủng tộc và nhóm sắc tộc rấtlớn Tỷ lệ tử vong cũng tương đương, do nguy cơ mắc ung thư tuyến tiền liệt ở nam giới da đencao nên nhóm sắc tộc này được khuyên nên sàng lọc ở độ tuổi trẻ hơn so với nhóm da trắng

1.3 Thể tích tuyến tiền liệt

Vai trò của thể tích tuyến tiền liệt trong dự báo ung thư tuyến tiền liệt là một vấn đề mới,còn gây nhiều tranh cãi Briganti [30] nghiên cứu trên 3.412 trường hợp ung thư tuyến tiềnliệt cho thấy thể tích tuyến tiền liệt càng nhỏ thì độ biệt hoá càng thấp, khả năng di căn cànglớn ,

1.4 Tiền sử bệnh trong gia đình

Các trường hợp có bố hoặc anh em trai mắc ung thư tuyến tiền liệt có nguy cơ mắc bệnh gấp 2,3 lần; nếu bố hoặc anh em trai mắc bệnh trước 60 tuổi, nguy cơ tương đối là 2,16 lần, sau tuổi 70

là 1,95 lần

1.5 Tân sản nội biểu mô tuyến tiền liệt (PIN)

PIN liên quan đến nguy cơ mắc ung thư tuyến tiền liệt 25,8% - 51% PIN biệt hoá cao pháttriển thành ung thư tuyến tiền liệt

2 Các phương pháp chẩn đoán ung thư tuyến tiền liệt

2.1 Chẩn đoán lâm sàng

ung thư tuyến tiền liệt chia làm 2 thể lâm sàng:

 Thể tiềm tàng

Thường diễn biến thầm lặng, kéo dài 5 đến 10 năm, được phát hiện qua thăm trực tràng thấy

khối bất thường ở tuyến tiền liệt, PSA huyết thanh >10 ng/ml, chẩn đoán mô bệnh học qua sinhthiết tuyến tiền liệt hoặc bệnh phẩm lấy trong quá trình mổ tuyến tiền liệt lành tính

Đặc điểm lâm sàng ung thư tuyến tiền liệt diễn biến chậm trong nhiều năm và đa dạng, khi

có biểu hiện triệu chứng thì đã ở giai đoạn muộn Ung thư tuyến tiền liệt nếu được chẩn đoán vàđiều trị ở giai đoạn sớm thì tiên lượng rất tốt nhưng trên thực tế tỷ lệ chẩn đoán bệnh ở giai đoạnnày chưa cao Bệnh nhân thường nhập viện ở giai đoạn muộn hoặc phát hiện các tổn thương thứphát trước khi tìm được nguyên nhân từ tuyến tiền liệt Phát hiện sớm ung thư tuyến tiền liệt là vấn

đề được nhiều nhà lâm sàng cũng như cận lâm sàng quan tâm

Bộ ba thăm trực tràng khám tuyến tiền liệt, định lượng huyết thanh kháng nguyên đặc hiệutuyến tiền liệt (PSA) và siêu âm qua đường trực tràng được xem là sự lựa chọn đầu tiên và quantrọng trong chẩn đoán sớm ung thư tuyến tiền liệt Từ đó dẫn đến chỉ định sinh thiết tuyến tiềnliệt để xác định chẩn đoán và đưa ra phác đồ điều trị ung thư tuyến tiền liệt

 Thể có triệu chứng lâm sàng:

 Cơ năng:

 Rối loạn tiểu tiện, có thể có đái máu

 Triệu chứng của ung thư di căn: tiểu máu, xuất tinh ra máu, đau nhức xương, phù chân, liệthai chân, đại tiện không tự chủ…

 Toàn thân: mệt mỏi, gầy sút, kém ăn, thiếu máu, nổi hạch ngoại vi…

 Thực thể: khám thấy các triệu chứng tắc nghẽn đường niệu

Thăm trực tràng: Bề mặt tuyến tiền liệt có nhân cứng hoặc khối, không đồng đều, không

đau, mất tính đối xứng và kém di động với tổ chức xung quanh

Thăm khám trực tràng bằng ngón tay là biện pháp được sử dụng để phát hiện bệnh Whitmore

1956, là người đầu tiên sử dụng khái niệm “sờ thấy được bằng đầu ngón tay” đối với ung thư tuyếntiền liệt Jewett 1956, công bố tỷ lệ ung thư tuyến tiền liệt 50% khi sinh thiết tuyến tiền liệt đối vớinhững trường hợp nghi vấn khi thăm trực tràng, gần 10 năm sau tác giả là người đầu tiên phân loạigiai đoạn ung thư tuyến tiền liệt dựa vào thăm khám trực tràng

Thăm trực tràng là một phương pháp khám đơn giản, nhanh chóng, chi phí thấp, tuy vậy có nhiềunguyên nhân làm cho độ nhạy chẩn đoán không cao như:

* Viêm tuyến tiền liệt mạn, xơ hoá sau mổ, nhồi máu tuyến tiền liệt: mật độ tuyến rất chắc,thậm chí hơi cứng, khi thăm khám dễ nhầm ung thư tuyến tiền liệt

* Các nhân ung thư nằm sâu trong tổ chức tuyến lành, 20% ung thư tuyến tiền liệt tại vùngchuyển tiếp, 10% tại vùng trước niệu đạo, đây là các vùng chỉ có thể phát hiện bằng siêu âmqua trực tràng, không thể sờ thấy bằng ngón tay, do vậy dễ bỏ sót tổn thương Nghiên cứu củaCatalona cho thấy thăm trực tràng bỏ sót 23 - 45% trường hợp ung thư, nhưng sau đó đượcphát hiện bằng sinh thiết tuyến tiền liệt do có PSA tăng hoặc siêu âm qua trực tràng bất thường

Trong ung thư tuyến tiền liệt, để tăng độ nhậy khi thăm khám trực tràng, nhiều tác giả đề nghị kếthợp với các yếu tố khác

Ở nước ta, trong điều kiện kinh tế còn khó khăn, trang thiết bị còn rất thiếu và chưa đồng bộ,đội ngũ y tế chuyên sâu về ngành tiết niệu ít, trong hoàn cảnh như vậy, làm sao để chẩn đoán đượcung thư giai đoạn sớm, và điều trị đúng, bài bản vẫn luôn là vấn đề được quan tâm

2.2 Chẩn đoán cận lâm sàng

Có nhiều phương pháp thăm dò cận lâm sàng để chẩn đoán ung thư tuyến tiền liệt, trong đóhiện nay người ta hay sử dụng nhất bộ ba: xét nghiệm PSA huyết thanh, siêu âm tuyến tiền liệt quađường trực tràng và sinh thiết tuyến tiền liệt dưới hướng dẫn của siêu âm

a Xét nghiệm nồng độ PSA huyết thanh

PSA (Prostate Specific Antigen- Kháng nguyên đặc hiệu tuyến tiền liệt) là một glycoprotein chỉ được sản xuất từ biểu mô tuyến tiền liệt nên được coi là kháng nguyên đặc hiệu tuyến tiền liệt Nồng

độ PSA huyết thanh được xem như là một biến độc lập và là một yếu tố dự báo ung thư tuyến tiền liệt chính xác hơn so thăm khám trực tràng và siêu âm qua đường trực tràng , Nồng độ PSA tăng cao có thể biểu thị ung thư tuyến tiền liệt, tuy nhiên nó có thể tăng trong tăng sản lành tính tuyến tiền liệt, viêm nhiễm hoặc chấn thương , Hiện nay, nồng độ PSA huyết thanh để chẩn đoán ung thư tuyến tiền liệt vẫn đang còn được bàn cãi, người ta thấy rằng nồng độ PSA càng cao thì khả năng tồn tại ung thư tuyến tiền liệt càng lớn Giá trị PSA bình thường là < 4 ng/ml, tuy nhiên một số rất ít trường hợp sinh thiết tuyến tiền liệt thấy tế bào ác tính nhưng PSA vẫn trong giới hạn binh thường

Tỷ lệ PSA tự do/toàn phần là thông số được sử dụng rộng rãi trong lâm sàng để phân biệt giữaquá sản lành tính và ung thư tuyến tiền liệt Nó được dùng trong trường hợp nồng độ PSA từ 4 đến

10 ng/ml và thăm khám trực tràng không có dấu hiệu nghi ngờ ung thư tuyến tiền liệt Tỷ lệ PSA

tự do/toàn phần <20% nghĩ đến ung thư tuyến tiền liệt ,

PSA và giai đoạn của ung thư

Mối tương quan giữa PSA và giai đoạn của ung thư tuyến tiền liệt, khối u càng ở giai đoạnmuộn thì nồng độ PSA trong máu càng tăng

PSA <10 ng/ml thường là ở giai đoạn khu trú trong tuyến

PSA >30ng/ml 80% khối u tuyến tiền liệt ở giai đoạn pT3

PSA >50ng/ml 80% khối u tuyến tiền liệt có xâm lấn vào túi tinh hoặc có di căn hạch N+PSA > 100ng/ml 100% khối u tuyến tiền liệt có di căn xa

PSA và theo dõi điều trị ung thư tuyến tiền liệt

PSA cho phép theo dõi đánh giá đáp ứng điều trị Sau cắt tuyến tiền liệt toàn bộ tiệt căn, tỷ lệPSA phải bằng 0 sau 21 ngày (hoặc < 0,05ng/ml với phương pháp siêu nhạy) Dấu hiệu đầu tiên của

sự tái phát là sự tăng tỷ lệ PSA

Sau điều trị Hormon nồng độ PSA bình thường sau 3 tháng có thể coi như là một tiêuchuẩn dự đoán về thời gian sống thêm > 42 tháng

Sau điều trị tia xạ nồng độ PSA phải dần hết (sự giảm nồng độ PSA

> 50% sau 6 tháng, nồng độ nhỏ nhất ở tháng thứ 14-16)

PSA và sàng lọc ung thư tuyến tiền liệt

PSA bắt đầu đưa vào ứng dụng lâm sàng từ năm 1986, sau khi được Cơ quan Thực phẩm và Dượcphẩm Hoa Kỳ (FDA) chấp thuận sử dụng theo dõi sự xuất hiện và tái phát của ung thư tuyến tiền liệt

Sử dụng PSA đơn lẻ hay phối hợp các phương pháp chẩn đoán khác: thăm trực tràng, siêu âm qua trựctràng đều làm tăng giá trị chẩn đoán ung thư tuyến tiền liệt Sử dụng PSA vào sàng lọc ung thưtuyến tiền liệt còn là vấn đề gây nhiều tranh cãi, lạm dụng PSA trong sàng lọc dẫn đến chẩn đoánquá mức và điều trị quá mức, tăng mức chi phí điều trị Trong từng trường hợp, chỉ định điều trị

tích cực hoặc thái độ theo dõi, chờ đợi, luôn được quan tâm Các nghiên cứu về dịch tễ học gần đây

cho thấy PSA làm tăng tỷ lệ phát hiện bệnh và tạo điều kiện phát hiện bệnh sớm, giảm tỷ lệ ung thư biệthoá cao

Vai trò mới của PSA ngày nay như một yếu tố xác định nguy cơ ung thư tuyến tiền liệt trongtương lai PSA có thể dự báo ung thư trước 25 - 30 năm Nghiên cứu sàng lọc: ERSPC tại Châu

Âu và PLCO tại Hoa Kỳ từ 1992-2001 đưa ra kết quả dự báo của PSA như sau:

- PSA 1 - 2ng/ml nguy cơ ung thư tuyến tiền liệt gấp 7 lần so với PSA ≤ 0,5ng/ml;

- PSA 1,5ng/ml nguy cơ ung thư tuyến tiền liệt 5,1% trong 4 năm;

- PSA 2 - 3ng/ml nguy cơ ung thư tuyến tiền liệt gấp 5,1 - 6 lần so với PSA 1ng/ml trong 10năm và gấp 21 lần trong 25 năm;

- PSA > 4ng/ml: 80% ung thư tuyến tiền liệt biệt hoá cao phát hiện sau 5 năm, 50% còn lạisau 10 năm

Lựa chọn tuổi và lựa chọn ngưỡng PSA trong sàng lọc là vấn đề được nhiều tác giả nêu ra, hạngưỡng PSA xuống 2,5ng/ml sẽ tăng gấp đôi số trường hợp nghi ngờ, tuổi sàng lọc từ 40 - 60 sẽ tăng

số dương tính giả 31 - 50%

Ở Việt Nam, PSA được đưa vào ứng dụng trong lâm sàng từ năm 1998, đã đánh dấu 1 bướcngoặt, mang lại hiệu quả cao về chẩn đoán, điều trị và theo dõi người bệnh Những năm gần đây,

do điều kiện kinh tế ngày càng phát triển, tuổi thọ ngày càng kéo dài, ung thư tuyến tiền liệt có tỷ

lệ và số lượng bệnh nhân tăng lên đáng kể Việc tiếp cận các phương tiện tầm soát và chẩn đoánhiện đại như định lượng PSA huyết thanh, siêu âm qua trực tràng, sinh thiết tuyến tiền liệt dướihướng dẫn của siêu âm qua trực tràng…đã đem lại cho bệnh nhân nhiều cơ hội được chẩn đoánsớm, điều trị hiệu quả, dẫn đến thời gian sống thêm và chất lượng sống tốt hơn

b Chẩn đoán hình ảnh

Siêu âm là biện pháp chẩn đoán có giá trị đối với ung thư tuyến tiền liệt, siêu âm hỗ trợ quantrọng cho thăm khám lâm sàng, do đó cần có những người chuyên sâu về siêu âm tiết niệu làmchẩn đoán Siêu âm có thể phát hiện được các bệnh lý tuyến tiền liệt như tăng sản lành tính, Áp xe,nang, tổn thương nghi ngờ ung thư, sỏi, dị vật tại tuyến tiền liệt Ở các nước phát triển, khi đi sâunghiên cứu sàng lọc và chẩn đoán ung thư, đã cho thấy siêu âm qua trực tràng có khả năng pháthiện được các khối ung thư tuyến tiền liệt có thể tích 2 - 4mm

- Siêu âm trên xương mu

Siêu âm trên xương mu cho phép đánh giá những ảnh hưởng của ung thư tuyến tiền liệt đối với đườngtiết niệu trên, đặc biệt giai đoạn muộn của bệnh Có thể thấy thành bàng quang giãn mỏng, hay viêmdày, niệu quản bể thận giãn ứ nước do u chèn ép Qua siêu âm có thể đánh giá được các tổn thươngkhác như hạch chậu, mức độ xâm lấn u vào bàng quang, ngoài ra có thể đo kích thước tuyến tiền liệt.Nhược điểm của siêu âm trên xương mu là sử dụng đầu dò tần số thấp, khi siêu âm bị giới hạn bởixương mu, không quan sát trực tiếp được tuyến tiền liệt, do vậy không cho được những hình ảnh rõnét

- Siêu âm tuyến tiền liệt qua đường trực tràng

Hình ảnh siêu âm của ung thư tuyến tiền liệt rất đa dạng, điển hình là một vùng giảm âm Tuynhiên, cũng có thể hỗn hợp âm và không có sự biến đổi hồi âm , Hiện nay, người ta áp dụng siêu

âm tuyến tiền liệt qua đường trực tràng (TRUS-Transrectal Ultrasonography) nhằm hai mục đíchchính:

 Xác định các tổn thương nghi ngờ ác tính

 Tăng cường mức độ chính xác của sinh thiết kim tuyến tiền liệt

Siêu âm tuyến tiền liệt qua đường trực tràng có thể đánh giá vị trí, hình dạng, kích thước, khốilượng, mức độ xâm lấn và các tổn thương kèm theo nếu có ở vùng tiểu khung và tầng sinh môn .

Hình ảnh siêu âm tuyến tiền liệt qua

thành bụng tuyến tiền liệt tăng sản, đẩy

lồi vào lòng bàng quang

Hình ảnh siêu âm tuyến tiền liệt qua trựctràng tăng sản chủ yếu, vùng chuyển tiếp có

khối giảm âm

Hình 6: Hình ảnh siêu âm tuyến tiền liệt qua đường bụng và qua đường trực tràng

* Nguồn:

c Sinh thiết tuyến tiền liệt

- Sinh thiết qua trực tràng dưới hướng dẫn bằng ngón tay

Sinh thiết tuyến tiền liệt đóng vai trò quyết định trong chẩn đoán sớm, điều trị, tiên lượng ungthư tuyến tiền liệt Sinh thiết dưới hướng dẫn của siêu âm qua trực tràng có độ chính xác cao, giảm

số lần sinh thiết so với sinh thiết dưới hướng dẫn bằng ngón tay hay còn gọi là sinh thiết "mù".Theo Hodge, sinh thiết "mù" bỏ sót 53% ung thư giai đoạn sớm Số mẫu sinh thiết dương tính tỷ lệmức độ phát triển u, 43 - 60% ung thư xâm lấn bao xơ có 3 mẫu sinh thiết dương tính, tỷ lệ pháttriển ra ngoài tuyến tăng lên khi có xâm lấn quanh dây thần kinh, u có độ biệt hoá cao dễ gây âmtính giả

Philip nhận thấy, tại vùng ngoại vi, nơi có tỷ lệ ung thư 60 - 70%, các ổ ung thư thường tậptrung sát cạnh rãnh giữa tuyến tiền liệt, chính vì vậy việc sinh thiết “mù” 6 điểm ở 2 thuỳ bên đãlàm giảm đáng kể khả năng phát hiện ung thư, khi sinh thiết dưới hướng dẫn của siêu âm qua trựctràng 8 điểm, 10 điểm, 12 điểm bao gồm các điểm sinh thiết thêm kéo dài lần lượt từ đỉnh đến đáy

ở sát 2 bên rãnh giữa tuyến tiền liệt sẽ tăng độ nhạy sinh thiết: 88,7% sinh thiết 8 điểm, 98,6% sinh thiết 10 điểm

-Ở Việt Nam, do nền kinh tế khó khăn, trang thiết bị còn nhiều thiếu thốn và hạn chế, siêu âmqua trực tràng và sinh thiết tuyến tiền liệt dưới hướng dẫn của siêu âm qua trực tràng chỉ được thực

B

A

hiện tại một số trung tâm y tế lớn, còn rất nhiều nơi còn khó khăn về trang bị, dẫn đến tình trạngsinh thiết “mù”, làm giảm khả năng phát hiện u, đặc biệt các trường hợp ở giai đoạn sớm của bệnh.

- Sinh thiết kim nhỏ tuyến tiền liệt dưới hướng dẫn của siêu âm qua trực tràng

Sinh thiết dưới hướng dẫn của siêu âm qua trực tràng đảm bảo lấy sinh thiết chính xác và hệthống trên những bệnh nhân có nguy cơ cao Sinh thiết tuyến tiền liệt được chỉ định khi các thăm

dò sàng lọc có dấu hiệu nghi ngờ ác tính như dấu hiệu bất thường khi thăm trực tràng bằng tay,PSA huyết thanh tăng, hình ảnh nghi ngờ trên siêu âm

Năm 1988, khi bắt đầu sinh thiết tuyến tiền liệt dưới hướng dẫn TRUS thì chỉ sinh thiết nhữngtổn thương nghi ngờ Sau đó, Hodge và cộng sự đề nghị sinh thiết tuyến tiền liệt 6 lõi để tăng khảnăng phát hiện ác tính và đã được áp dụng trong một thời gian dài Levine và cộng sự chỉ ra rằngsinh thiết 12 lõi làm tăng 30% khả năng phát hiện ung thư so với 6 lõi, dẫn đến hướng dẫn sinhthiết được sửa đổi theo mô hình 12 lõi, bao gồm cả vùng trước và vùng bên Dưới hướng dẫn củaTRUS, sinh thiết có thể được thực hiện qua đáy chậu hoặc đường trực tràng (Hình 1.2) Khả năngphát hiện ung thư của hai đường này là như nhau Hiện nay, sinh thiết qua đường trực tràng là phổbiến vì sinh thiết qua đáy chậu có nguy cơ reo rắc tế bào ung thư ,

Hình 7: Vị trí sinh thiết tuyến tiền liệt qua trực tràng dưới hướng dẫn của TRUS

* Nguồn: Nat Rev Urol

3 Sàng lọc ung thư tuyến tiền liệt

Khám sàng lọc ung thư tuyến tiền liệt là phương pháp kiểm tra nhằm phát hiện các đối tượngnghi ngờ ở giai đoạn sớm trước khi có triệu chứng lâm sàng, có nhiều lựa chọn các phương phápđiều trị và mang lại hiệu quả điều trị cao Theo các nghiên cứu trên thế giới, ung thư tuyến tiền liệthiếm khi xảy ra ở những bệnh nhân dưới 40 tuổi, tỷ lệ mắc ung thư tuyến tiền liệt cao ở độ tuổitrên 50 đặc biệt là từ 60 tuổi trở lên, Một số thống kê khác cho thấy tỷ lệ mắc ung thư tuyến tiềnliệt liên quan đến các yếu tố như địa lý (khu vực bắc Mỹ, bắc Âu, châu Úc) , , chủng tộc (ngườichâu Phi, châu Mỹ) , những người có anh em ruột bị ung thư tuyến tiền liệt có nguy cơ mắc bệnhcao gấp đôi người bình thường

Với các tiến bộ mới trong chẩn đoán và vai trò của xét nghiệm PSA huyết thanh, siêu âmtuyến tiền liệt, ung thư tuyến tiền liệt có thể sàng lọc hiệu quả nhằm phát hiện sớm đối với namgiới cao tuổi hoặc có các yếu tố nguy cơ

Đối tượng sàng lọc ung thư tuyến tiền liệt là nam giới thỏa mãn một trong các tiêu chuẩn sau:

- Từ 60 tuổi trở lên

- Có nguy cơ cao mắc bệnh ung thư tuyến tiền liệt: người có các triệu chứng lâm sàng tại

tuyến tiền liệt: tiểu khó, tiểu ra máu, có máu trong tinh dịch, rối loạn cương dương, người có tiền

sử gia đình ung thư tuyến tiền liệt

Việc sàng lọc ung thư tiền liệt tuyến chủ yếu dựa vào thăm khám trực tràng, đo nồng độ PSA, tỉ lệPSA tự do/toàn phần và siêu âm tuyến tiền liệt

4 Xác định giai đoạn ung thư tuyến tiền liệt

Đánh giá sự lan rộng của ung thư tuyến tiền liệt chủ yếu dựa vào thăm trực tràng, xét nghiệm PSA, và chụp xạ hình xương, bổ sung chụp cắt lớp vi tính (CT–Scan) hoặc chụp cộng hưởng từ (MRI) và chụp X–quang trong các trường hợp đặc biệt

Xác định giai đoạn khu trú (T–staging) cần dựa trên phim chụp MRI Số lượng và bên sinh thiết tuyến tiền liệt dương tính, độ mô học của u và nồng độ PSA huyết thanh là những thông tin cụ thể hơn vể tình trạng của ung thư tuyến tiền liệt (GR: C)

– Đối với xác định giai đoạn khu trú, không nên sử dụng siêu âm qua trực tràng vì có độ nhạy thấp

và có xu hướng xác định giai đoạn thấp hơn thực tế

+ Đánh giá hạch (N–staging) chỉ thực hiện khi có kế hoạch điều trị triệt căn (GR: B)

+ Bệnh nhân giai đoạn T2 hoặc ít hơn, PSA <20 ng/ml và điểm Gleason <6 có khả năng di căn hạch thấp hơn 10% có thể không cần đánh giá hạch (GR: B)

+ Trong trường hợp ung thư tuyến tiền liệt khu trú về mặt lâm sàng, xác định giai đoạn phải được thực hiện bằng cách bóc hạch chậu vì đây là phương pháp đáng tin cậy, (chẩn đoán hình ảnh khó phát hiện những di căn nhỏ < 5mm)(GR: B)

– Di căn xương (M–staging) được đánh giá tốt nhất bằng chụp xạ hình xương Không nhất thiết chỉ định cho bệnh nhân không có triệu chứng nếu nồng độ PSA huyết thanh <20 ng/ml kèm điểm Gleason < 7

– Trong trường hợp không rõ ràng, nên thực hiện chụp PET/CT hoặc MRI toàn thân

Phân loại ung thư tuyến tiền liệt theo TNM (2010) :

T – U nguyên phát

Tx – U nguyên phát không thể đánh giá

T0 – Không có bằng chứng của u nguyên phát

T1 – Về mặt lâm sàng u không thể sờ được cũng như không nhìn thấy qua hình ảnh

T1a – U phát hiện tình cờ về mô học ít hơn 5% của những mẫu được cắt

T1b – U phát hiện tình cờ về mô học nhiều hơn 5% của những mẫu được cắt

T1c – U xác định bằng sinh thiết kim (ví dụ vì PSA cao)

T2 – U còn trong tuyến tiền liệt

T2a – U ít hơn 1/2 của 1 thùy

T2b – U chiếm hơn 1/2 của 1 thùy,và chỉ ở trong 1 thùy

T2c – U có cả ở 2 thùy

T3 – U xâm lấn khỏi vỏ bao tuyến tiền liệt

T3a – U xâm lấn ngoài vỏ bao (một bên hay 2 bên)

T3b – U xâm lấn túi tinh

T4 – U dính hoặc xâm lấn vào cấu trúc xung quanh hơn là túi tinh: bàng quang, các cơ nâng hậu môn, và/ hoặc thành chậu

N – Hạch vùng

NX – Không đánh giá được hạch vùng

N0 – Không có di căn hạch vùng

N1 – Có di căn hạch vùng

M1b –Di căn xương

M1c – Di căn các bộ phận khác có hoặc không kèm ở xương

5 Hệ thống phân độ mô học ung thư biểu mô tuyến của tuyến tiền liệt

Đã có nhiều hệ thống phân độ mô học cho ung thư biểu mô tuyến của tuyến tiền liệt được đưa

ra Nhưng các tranh luận chủ yếu vẫn là có nên phân độ dựa theo sự biệt hóa tuyến đơn thuần, hay

là kết hợp biệt hóa tuyến với sự mất điển hình của nhân TB, hoặc có nên phân độ theo mẫu mô họcbiệt hóa cao nhất hay là mẫu mô học biệt hóa thấp nhất?

Hệ thống phân độ Gleason do Donal F Gleason và cộng sự đưa ra năm 1966, đến năm 1993được WHO giới thiệu làm hệ thống phân độ cho ung thư biểu mô tuyến của tuyến tiền liệt Vàonăm 2005, hiệp hội quốc tế về bệnh học tiết niệu (ISUP) đã cố gắng đề đạt được sự đồng thuận ởnhững điểm tranh cãi liên quan đến hệ thống Gleason Hôi nghị đã đưa đến hệ thống Gleason sửađổi ISUP 2005 với nhiều điểm khác biệt về cách cho điểm cấu trúc, cách tính điểm Gleason giữamẫu sinh thiết và mẫu phẫu thuật tuyến tiền liệt triệt căn

Vài nghiên cứu đã chỉ ra rằng, điểm Gleason sửa đổi ở sinh thiết kim có liên quan chặt chẽhơn với điểm Gleason cắt tuyến tiền liệt triệt căn, giai đoạn bệnh học và thời gian sống thêmkhông bệnh với hệ thống phân loại ban đầu ,

Sau hệ thống Gleason sửa đổi ISUP năm 2005, đã có nhiều sửa đổi trong hệ thống phân đôGleason và cần có sự thống nhất giữa các nhà giải phẫu bệnh trên toàn thế giới Hội nghị quốc tế

về bệnh học tiết niệu năm 2014 đã đạt được những đồng thuận Những sửa đổi này được áp dụngcho phân độ mô học cho ung thư tuyến tiền liệt đề cập trong “Phân loại WHO về u hệ thống tiếtniệu và cơ quan sinh dục nam” xuất bản năm 2016 Những thay đổi chính gồm:

+ Các tuyến hình sàng hoặc dạng cầu thận được xếp vào mẫu cấu trúc 4

+ Độ Gleason của ung thư biểu mô nhầy nên dựa vào mẫu cấu trúc hơn là xếp tất cả vàomẫu cấu trúc 4

+ Phần trăm của mẫu cấu trúc 4 nên được báo cáo ở bệnh nhân có điểm Gleason 7, trong đómẫu độ 4 là độ mô học cao nhất ở sinh thiết kim hoặc phẫu thuật cắt tuyến tiền liệt triệt căn

+ Không phân độ cho ung thư biểu mô nội ống

+ Phân chi điểm Gleason thành 05 nhóm khác nhau

Bảng 1: Đặc điểm hình thái các mẫu cấu trúc trong ung thư tuyến tiền liệt

4 Gồm các tuyến không rõ ràng, hợp nhất, tuyến hình sàng và tuyến dạng cầu thận

5 Gồm các dải u, các tế bào đơn lẻ, các dây tế bào

Các ổ đặc tế bào với cấu trúc vi nang không rõ ràng hoặc đôi khi có cấu trúc tuyến.Cấu trúc đặc hoặc sàng với hoại tử trứng cá

Hình 8: Sơ đồ hóa hệ thống Gleason theo ISUP 2014 và WHO 2016

* Nguồn: Phân loại WHO về u hệ thống tiết niệu và cơ quan sinh dục nam năm 2016

6 Cách tính điểm Gleason

Theo định nghĩa, Điểm Gleason được tính bằng tổng của mẫu cấu trúc phổ biến nhất (chiếmdiện tích lớn nhất) và mẫu cấu trúc phổ biến thứ hai (chiếm diện tích nhiều thứ hai) Tuy nhiên,hiện nay đã có sự khác nhau về cách tính điểm trên mẫu sinh thiết kim và mẫu phẫu thuật tuyếntiền liệt triệt căn ,

Các thay đổi đã được đề cập trong ISUP 2014 và WHO 2016 ,

 Trường hợp 1: Nếu u chỉ có một mẫu cấu trúc duy nhất

- Điểm Gleason là điểm của mẫu cấu trúc đó nhân đôi

 Trường hợp 2: U có hai mẫu cấu trúc khác nhau

- Nếu mẫu cấu trúc thứ hai có độ Gleason thấp hơn:

 Chiếm diện tích <5% thì điểm Gleason là mẫu cấu trúc thứ nhất nhân đôi

 Chiếm diện tích >5% thì điểm Gleason sẽ là tổng của hai mẫu cấu trúc

- Nếu mẫu cấu trúc thứ hai có độ Gleason cao hơn (kể cả chỉ chiếm diện tích <5%) thì điểmGleason sẽ là tổng của hai mẫu cấu trúc

 Trường hợp 3: U có nhiều hơn hai mẫu cấu trúc

- Nếu mẫu cấu trúc có độ Gleason cao nhất và chiếm diện tích ít nhất nhưng vẫn >5% thì điểmGleason là tổng của mẫu cấu trúc phổ biến nhất và mẫu cấu trúc có độ Gleason cao nhất

- Nếu mẫu cấu trúc có độ Gleason cao nhất và chiếm diện tích ít nhất <5%:

 Trên sinh thiết kim: điểm Gleason là tổng của mẫu cấu trúc phổ biến nhất và mẫu cấu trúc

m

Điểm Gleason Hình thái cấu trúc

1 ≤ 6 Gồm các tuyến đơn lẻ, rõ ràng, riêng rẽ

2 3 + 4 = 7 Nhiều tuyến rõ ràng với một số lượng ít hơn các tuyến không rõ ràng/hợp nhất hoặc hình sàng.

3 4 + 3 = 7 Nhiều tuyến không rõ ràng/ hợp nhất hoặc hình sàng với một số lượngít hơn các tuyến rõ ràng.

5 9 hoặc 10 Thiếu thành phần tuyến (hoặc với hoại tử) có/không có tuyến không rõ ràng/hợp nhất/hình sàng.

7 Giá trị của phân độ mô học và tính điểm Gleason

* Liên quan giữa độ mô học với PSA:

Những trường hợp ung thư biểu mô tuyến tiền liệt có nồng độ PSA huyết thanh cao thì thường

là những u có độ mô cao hơn, thể tích lớn hơn và ở giai đoạn bệnh muộn hơn so với u có nồng độ PSA huyết thanh bình thường Những ung thư tuyến tiền liệt có trên 30% mẫu Gleason 4 và 5 là những u có thể tích lớn hơn và nồng độ PSA huyết thanh cao hơn những u có dưới 30% mẫu 4 và

5

* Liên quan giữa độ mô học với giai đoạn bệnh:

Độ mô học là một trong những yếu tố dự báo hữu ích nhất và có ý nghĩa nhất về giai đoạn bệnh Khi tỷ số Gleason là 8 hoặc cao hơn sẽ là yếu tố dự báo có giá trị về di căn hạch và gợi ý rằng nên vét hạch trong những trường hợp này

* Liên quan giữa độ mô học với thể tích u:

Độ Gleason có liên quan chặt chẽ với thể tích u Như vậy, khi u càng lớn thì độ biệt hoá sẽ càng giảm và u càng nhỏ thì độ biệt hoá sẽ càng cao hơn

* Liên quan giữa độ mô học và giai đoạn lâm sàng với khả năng tái phát và thời gian sống thêm:

Độ mô học của ung thư tuyến tiền liệt có liên quan chặt chẽ với khả năng tái phát và thời gian sống thêm, bao gồm thời gian sống toàn bộ và thời gian sống không bệnh sau điều trị, thời gian sống không có di căn

* Chọn lựa phương pháp điều trị

Với sự gia tăng của ung thư tuyến tiền liệt trong một xã hội công nghiệp phát triển thì sự lựachọn phương pháp điều trị phù hợp, giảm bớt chi phí y tế một cách hợp lý là một vấn đề quantrọng Các nhà tiết niệu phải là người cung cấp cho bệnh nhân thông tin về mức độ bệnh, cácphương pháp điều trị cùng chỉ định của nó, tránh chẩn đoán quá dẫn đến điều trị quá Các yếu tốquyết định chỉ định điều trị:

- Tuổi, tình trạng sức khỏe của người bệnh

- Nguy cơ phát triển bệnh, bao gồm:

+ Nồng độ PSA huyết thanh

+ Giai đoạn lâm sàng (stade - TNM)

+ Điểm Gleason

Bảng 3 Hướng dẫn điều trị theo mức độ nguy cơ

của Hội Tiết niệu Hoa Kỳ (AUA) và Hiệp hội Ung thư toàn cầu (NCCN)

Mức độ nguy cơ Hướng dẫn của AUA Hướng dẫn của NCCN

Phát triển tại chỗ về lâm sàng:

+ Nguy cơ thấp:

PSA < 10 ng/ml

Gleason ≤ 6

Giai đoạn lâm sàng: T1-T2a

+ Theo dõi, giám sáttích cực

+ Xạ trị+ Cắt toàn bộ tuyếntiền liệt

+Theo dõi, giám sát tích cực + Xạ trị

+ Cắt toàn bộ tuyến tiền liệt(khi thời gian sống còn lại dựkiến ≥ 10 năm)

+ Nguy cơ trung bình:

PSA: 10 - 20ng/ml

Gleason = 7

Giai đoạn lâm sàng T2b-T2c

+ Theo dõi, giám sáttích cực

+ Xạ trị+ Cắt toàn bộ tuyếntiền liệt

+ Theo dõi, giám sát tích cực(khi thời gian sống còn lại dựkiến < 10 năm)

+ Xạ trị+ Cắt toàn bộ tuyến tiền liệt

Nguy cơ cao:

PSA > 20ng/ml

Gleason 8 - 10

Giai đoạn lâm sàng T2c-T3a

+ Theo dõi, giám sáttích cực

+ Xạ trị+ Cắt toàn bộ tuyếntiền liệt

+ Xạ trị + điều trị nội tiết

+ Cắt toàn bộ tuyến tiền liệt (đốivới những bệnh nhân nhất định)

Phát triển tại chỗ, nguy cơ rất

cao (T3b-T4)

+ Xạ trị + điều trị nộitiết

+ Điều trị nội tiết

+ Xạ trị + điều trị nội tiết+ Điều trị nội tiết

+ Cắt toàn bộ tuyến tiền liệt (đốivới những bệnh nhân nhất định)

Di căn: Bất kỳ T nào

Bất kỳ N nào

+ Điều trị nội tiết+ Xạ trị + điều trị nộitiết

+ Điều trị nội tiết (chủ yếu)+ Xạ trị + điều trị nội tiết(Bệnh nhân có N1)

* Nguồn: theo Leonard G (2009)

Năm 2010, Hội Tiết niệu Thận học Việt Nam đã đưa ra phác đồ hướng dẫn chẩn đoán và điềutrị ung thư tuyến tiền liệt nhằm chuẩn hóa các phương pháp tầm soát, chẩn đoán và điều trị đã vàđang được áp dụng tại Việt Nam và được cập nhật năm 2014 Đây là thành quả của các chuyên giađến từ các bệnh viện trong cả nước, có nhiều kinh nghiệm trong lĩnh vực niệu khoa, giúp cho cácbác sỹ lâm sàng nói chung và các bác sỹ tiết niệu nói riêng có thể ứng dụng một cách dễ dàng, hệthống trong tình hình cụ thể của nước ta

Ung thư biểu mô tuyến tiền liệt phân nhóm nguy cơ dựa vào mô học (điểm Gleason), PSAhuyết thanh và phân độ TNM Với mỗi nhóm lựa chọn phương pháp điều trị ban đầu, điều trị bổtrợ và tiên lương thời gian sống thêm là khác nhau :

- Nguy cơ rất thấp: T1c và điểm Gleason ≤ 6 (hoặc nhóm độ 1) và PSA<10ng/ml và ít hơn 3 mẫu sinh thiết dương tính và tỉ trọng PSA <0,15ng/ml/g

- Nguy cơ thấp: (T1 hay T2a) và điểm Gleason ≤ 6 (hoặc nhóm độ 1) và PSA<10ng/ml

- Nguy cơ trung bình: (T2b hay T2c) hay (điểm Gleason = 7 (hoặc nhóm độ 2,3)) hay PSA trong khoảng 10–20 ng/ml

- Nguy cơ cao: T3a hay điểm số Gleason từ 8–10 (hoặc nhóm độ 4,5) hay PSA>20ng/ml

- Nguy cơ rất cao: ≥ T3b hay N1 hay M1 hay Gleason nhóm độ 5 hoặc có hơn 4 mảnh có Gleason 8-10 điểm

8 Hóa mô miễn dịch trong ung thư tuyến tiền liệt

Chẩn đoán mô bệnh học ung thư tuyến tiền liệt chủ yếu dựa trên các đặc điểm hình thái cấu trúc

mô học và đặc điểm tế bào học.Trong phần lớn các trường hợp việc chẩn đoán xác định có thể chỉ dựatrên các đặc điểm hình thái mô bệnh học Tuy nhiên, trong một số trường hợp, các tổn thương khôngđiển hình hoặc không đầy đủ các tiêu chuẩn chẩn đoán trên mô bệnh học thông thường gây nên nhữngkhó khăn trong chẩn đoán xác định Độ chính xác trong chẩn đoán có thể cải thiện nhờ áp dụng kỹthuật hóa mô miễn dịch trong một số trường hợp Hóa mô miễn dịch là kết hợp phản ứng miễn dịch vàhóa chất để làm hiện rõ các kháng nguyên hiện diện trong mô (màng, bào tương và nhân tế bào) Vìkháng nguyên không thể quan sát hình thái được, cho nên người ta phải xác định vị trí của nó trên tếbào bằng các phản ứng miễn dịch và hóa học

Ứng dụng kỹ thuật HMMD trong chẩn đoán ung thư biểu mô tuyến tiền liệt:

+ Phân biệt một số tổn thương lành tính của tuyến tiền liệt dễ nhầm với ác tính và ngượclại, một số tổn thương ác tính của tuyến tiền liệt dễ nhầm là lành tính

+ Loại trừ những tổn thương nghi ngờ do di căn hoặc xâm lấn của ung thư từ nơi khác đếntuyến tiền liệt

+ Xác định một số phân độ Gleason trong trường hợp nghi ngờ hoặc chưa rõ ràng

+ Xác định típ và biến thể của ung thư biểu mô tuyến tiền liệt

+ Những mẫu mô sinh thiết nhỏ, khó kết luận

- Dấu ấn liên quan đến dòng tuyến tiền liệt

* PSA (Prostate-specific antigen)

Sau khi được phát hiện vào năm 1979, rất nhiều công trình nghiên cứu sự phân bố khángnguyên đặc hiệu tuyến tiền liệt này trong mô cũng như chỉ số của chúng trong huyết thanh và coi

nó là yếu tố dự báo ung thư tuyến tiền liệt PSA không có trong tuyến tiền liệt trước tuổi dậy thì.Các kháng thể đơn dòng và đa dòng trực tiếp kháng lại kháng nguyên này thường dương tính rấtmạnh và lan tỏa trong bào tương của tế bào chế tiết trong tuyến tiền liệt bình thường và quá sản.Các tế bào đáy không bắt màu với PSA Biểu mô thuộc các vùng tuyến tiền liệt đều dương tính vớiPSA Hầu hết các ung thư biểu mô tuyến tiền liệt dương tính với PSA Biểu mô của túi tinh, ốngphóng tinh, biểu mô chuyển tiếp của niệu đạo tuyến tiền liệt và các ống quanh niệu đạo đều âmtính với PSA

- Dấu ấn liên quan đến tế bào đáy

* CK34βE12

Các tế bào chế tiết và tế bào đáy đều có dấu ấn cytokeratin Các tế bào đáy biểu hiện vớiCK5, CK14, Ck5/6 và đặc biệt CK34βE12 Trong khi các tế bào chế tiết lại biểu hiện với CK8,CK18 và đôi khi là CK19 Trong một số tổn thương của tuyến tiền liệt như teo tuyến, quá sản tếbào đáy, người ta thường gặp tăng sinh các ống nhỏ (dễ nhầm với ung thư biểu mô tuyến tiền liệt)

Để phân biệt các tổn thương lành tính nhưng lại có đặc điểm mô bệnh học dễ nhầm với ungthư biểu mô tuyến tiền liệt vừa được nêu trên, các tác giả đã sử dụng một dấu ấn thực sự có ích chochẩn đoán là CK34βE12 Nếu CK34βE12 cho thấy còn lớp tế bào đáy (dù còn liên tục hay không)thì đó là bằng chứng thuyết phục để khẳng định tính chất lành tính của tổn thương

* P63

P63 là một đồng đẳng của P53 P63 bộc lộ ở tế bào đáy và tế bào cơ biểu mô của nhiều cơquan khác nhau Ở tuyến tiền liệt, sự biểu hiện của P63 chỉ giới hạn ở tế bào đáy, không thấy ở tếbào chế tiết và tế bào thần kinh nội tiết Các nghiên cứu đã khẳng định lợi ích lâm sàng của nhuộmHMMD p63 như một dấu ấn tế bào đáy tuyến tiền liệt Ngoài ra việc sử dụng phối hợp CK34βE12

và p63 có thể giảm bớt tỷ lệ dương tính giả và âm tính giả so với nhuộm từng dấu ấn đơn lẻ

- Dấu ấn đặc hiệu trong ung thư tuyến tiền liệt

* A-methylacyl Coenzym A Racemase (AMCAR/P504S)

Enzym AMCAR nằm chủ yếu trong cấu trúc peroxisome Trong ung thư tuyến tiền liệt và

High PIN có sự biểu hiện cao hơn đáng kể so với biểu mô tuyến tiền liệt lành tính Một nghiên cứu

đa trung tâm bởi Jiang và cộng sự cho thấy độ nhạy và độ dặc hiệu của AMCAR trong ung thư

tuyến tiền liệt là 97% và 92% Tuy nhiên AMCAR cũng biểu hiện ở High PIN và vài tổn thương

giống ung thư tuyến tiền liệt như teo tuyến, teo cục bộ và bệnh tuyến Vì vậy AMCAR có lợi íchgiới hạn khi sử dụng đơn lẻ Việc sử dụng phối hợp với CK34βE12 và p63 là được khuyên dùng

để xác định các ổ tuyến tuyến tiền liệt không điển hình ,

* ERG (Ets-related gene product)

ERG biểu hiện quá mức trong ung thư tuyến tiền liệt, leukemia cấp, sarcom Ewing Cácnghiên cứu đánh giá liên quan sự biểu hiện của ERG bởi hóa mô miễn dịch cho thấy tỷ lệ dươngtính là 38-45% trong ung thư tuyến tiền liệt, 22-29% trong High PIN và hiếm khi biểu hiện ở

tuyến lành tính, tăng sinh sau teo, teo cục bộ và bệnh tuyến Hạn chế lớn nhất của ERG là độ nhạy

thấp nên nếu nhuộm âm tính cũng không loại trừ được ung thư tuyến tiền liệt

9 Giá trị của xây dựng hệ thống hỗ trợ tính điểm Gleason tại Việt Nam

Việc đánh giá điểm Gleason trong ung thư tuyến tiền liệt hiện nay còn gặp rất nhiều khó khăn

và còn mang tính chủ quan của các nhà giải phẫu bệnh, đặc biệt là với những nhà giải phẫu trẻ.Việc chẩn đoán sai điểm Gleason có thể dẫn đến một quyết định điều trị sai sẽ ảnh hưởng trực tiếpđến người bệnh

Trên thực tế, ở Việt Nam hiện nay chưa có phần mềm hỗ trợ chẩn đoán điểm Gleason trongung thư tuyến tiền liệt Hơn nữa, trong một vài năm trở lại đây, cùng với sự phát triển của hệ thốngtính toán cũng như sự ưu việt của các mô hình học sâu cho bài toán phân loại, việc phân loại ảnhđối tượng theo các tiêu chí khác nhau đã đạt được nhiều bước tiến quan trọng so với các phươngpháp máy học truyền thống Độ chính xác của việc phân loại ảnh sử dụng các mô hình học sâu đãvượt qua khả năng mắt thường của con người Chính vì vậy việc phối hợp cùng khoa Công nghệthông tin - Học viện kỹ thuật Quân Sự xây dựng thành công phần mềm hỗ trợ chẩn đoán điểmGleason trong ung thư tuyến tiền liệt dựa trên các mô hình học sâu sẽ góp phần quan trọng trongcông tác chẩn đoán, huấn luyện đào tạo và nghiên cứu khoa học, đồng thời là tiền đề để xây dựngphần mềm hỗ trợ chẩn đoán cho các nhà giải phẫu bệnh trong các loại ung thư khác

10 Cụ thể hoá mục tiêu đặt ra của đề tài và những nội dung cần thực hiện trong đề tài để đạt được mục tiêu.

Các phân tích đánh giá tổng quan trong phần 15.1 cho thấy thị giác máy tính nói chung và bàitoán nhân dạng ảnh y tế nói riêng là lĩnh vực nghiên cứu đang thu hút sự quan tâm lớn trên thếgiới Các công nghệ về cả phần cứng lẫn phần mềm liên quan đến lĩnh vực này đang phát triển rấtnhanh chóng đòi hỏi giới nghiên cứu trong lĩnh vực này phải luôn luôn cập nhật Tại Việt Nam tuy

có những nghiên cứu bước đầu về thị giác máy tính nhưng việc ứng dụng vào phân tích nhân dạngảnh y tế còn rất hạn chế Vì vậy nghiên cứu và ứng dụng thị giác máy trong nhân dạng ảnh y tế và

cụ thể trong hỗ trợ chẩn đoán ung thư tuyến tiền liệt là rất cần thiết do giá trị khoa học, tính thựctiễn và hiệu quả kinh tế mà chúng đem lại

Xuất phát từ tình hình nghiên cứu ứng dụng trí tuệ nhân tạo hỗ trợ chăm sóc sức khỏe bệnhnhân, lợi ích của việc ứng dụng công nghệ trí tuệ nhân tạo trong hỗ trợ chẩn đoán y khoa như đãnêu ở các phần trên, các lý do để đặt ra mục tiêu của đề tài như sau:

- Cần nghiên cứu, xây dựng được cơ sở dữ liệu về ảnh siêu âm tuyến tiền liệt, ảnh mô bệnhhọc ung thư tuyến tiền liệt để làm dữ liệu huấn luyện cho các mô hình học máy Hiện tại các bộ dữliệu mở trên thế giới về ảnh siêu âm tuyến tiền liệt và ảnh mô bệnh học ung thư tuyến tiền liệt các

độ Gleason đang rất ít Đa phần bộ dữ liệu này đều có số lượng mẫu khiêm tốn và chủ yếu lấy từ

dữ liệu người nước ngoài Các phương pháp học sâu khi áp dụng lên các bộ dữ liệu này thường dễ

bị hiện tượng học quá khớp (overfitting) dẫn tới chẩn đoán không hiệu quả với dữ liệu ảnh mới.Hơn nữa, các mô hình học được dễ có sự sai lệch khi hoạt động chính xác hơn với người ngoạiquốc nhưng lại kém hơn với người Việt Nam Vì vậy nội dung thu thập và gán nhãn dữ liệu ảnhsiêu âm ung thư tuyến tiền liệt và ảnh mô bệnh học cho người Việt Nam là rất quan trọng, quyếtđịnh sự thành công của hệ thống chẩn đoán Bên cạnh đó hiện nay tại Việt Nam chưa có bộ cơ sở

dữ liệu nào có quy mô lớn và đầy đủ thông tin siêu âm, PSA, thăm trực tràng, mô bệnh học ungthư tuyến tiền liệt Bộ cơ sở dữ liệu này chính là tập dữ liệu huấn luyện cho việc xây dựng các môhình học máy của hệ thống hỗ trợ tính điểm Gleason chẩn đoán mô bệnh học ung thư tuyến tiềnliệt và hệ thống hỗ trợ sàng lọc ung thư tuyến tiền liệt bằng siêu âm Không chỉ phục vụ cho cácnghiên cứu của đề tài này, bộ dữ liệu này còn là một tài nguyên quý cho các nghiên cứu về trí tuệnhân tạo cho ung thư tuyến tiền liệt cũng như ung thư nói chung trong tương lai Ngoài ra, từ bộ

dữ liệu này còn được sử dụng để phục vụ tra cứu, tìm kiếm, cung cấp thông tin trong giảng dạy,học tập

- Từ cơ sở dữ liệu về ảnh siêu âm tuyến tiền liệt, ảnh mô bệnh học ung thư tuyến tiền liệt cầnphát triển được hệ thống phần mềm hỗ trợ tính điểm Gleason chẩn đoán mô bệnh học ung thưtuyến tiền liệt và hệ thống hỗ trợ sàng lọc ung thư tuyến tiền liệt bằng siêu âm và ứng dụng tại một

số cơ sở y tế

Từ những luận giải nêu trên, cần thiết phải đặt ra các mục tiêu nghiên cứu chính của đề tài là:

- Xây dựng bộ cơ sở dữ liệu của tối thiểu 2.000 ảnh siêu âm tuyến tiền liệt và cơ sở dữ liệu vềPSA kết hợp thăm trực tràng các trường hợp nghi ngờ ung thư tuyến tiền liệt ở người đàn ông từ

60 tuổi trở lên Yêu cầu cần đạt được là số lượng dữ liệu phải đủ lớn (2.000 trường hợp) với đầy

đủ ảnh siêu âm theo chuẩn DICOM, kết quả xét nghiệm PSA, thăm trực tràng Đây là bộ dữ liệu

có quy mô lớn và đầy đủ nhất ở Việt Nam về sàng lọc ung thư tuyến tiền liệt

- Xây dựng bộ cơ sở dữ liệu của tối thiểu 20.000 ảnh mô bệnh học ung thư tuyến tiền liệt đượcgán nhãn của tối thiểu 500 bệnh nhân Việt Nam đảm bảo đa dạng theo phân bố mức độ của thangđiểm Gleason và đặc điểm dịch tễ học của bệnh ung thư tuyến tiền liệt Yêu cầu cần đạt được là sốlượng dữ liệu phải đủ lớn (tối thiểu 20.000 ảnh) Đây là bộ dữ liệu có quy mô lớn và đầy đủ nhất ởViệt Nam về ảnh mô bệnh học ung thư tuyến tiền liệt

- Xây dựng được phần mềm ứng dụng trí tuệ nhân tạo sàng lọc ung thư tuyến tiền liệt dựa trên ảnh siêu âm tuyến tiền liệt, bao gồm 02 modul:

+ Modul hỗ trợ gán nhãn ảnh siêu âm tuyến tiền liệt

+ Modul hỗ trợ sàng lọc ung thư tuyến tiền liệt dựa trên ảnh siêu âm tuyến tiền liệt với độ chính xác ≥ 60%

- Xây dựng được phần mềm ứng dụng trí tuệ nhân tạo tính điểm Gleason trong chẩn đoán mô bệnh học ung thư tuyến tiền liệt, bao gồm 02 modul:

+ Modul hỗ trợ gán nhãn ảnh mô bệnh học ung thư tuyến tiền liệt

+ Modul ứng dụng trí tuệ nhân tạo tính điểm Gleason với độ chính xác ≥ 95%

- Phát triển hệ thống phần mềm ứng dụng trí tuệ nhân tạo tính điểm Gleason trong chẩn đoán

mô bệnh học ung thư tuyến tiền liệt ở Việt Nam và ứng dụng tại một số cơ sở y tế Hệ thống phầnmềm có chức năng hỗ trợ sàng lọc ung thư tuyến tiền liệt và hỗ trợ tính điểm Gleason chẩn đoán

mô ệnh học ung thư tuyến tiền liệt Đầu vào của hệ thống là ảnh siêu âm tuyến tiền liệt đạt chuẩnDICOM và ảnh mô bệnh học ung thư tuyến tiền liệt đảm bảo đa dạng về độ Gleason và đặc điểmdịch tễ học ung thư tuyến tiền liệt Các kết quả này có thể được nhập vào hệ thống bằng cách thủ

công hoặc tự động Sau đó hệ thống dùng các thuật toán AI (Artificial Intelligence) để đưa ra cácchẩn đoán gợi ý Các kết quả này được sử dụng để bác sĩ tham khảo trước khi đưa ra quyết địnhcuối cùng Hệ thống có tính chất trợ giúp bác sĩ chứ không thay thế bác sĩ trong chẩn đoán bệnh.

Để đạt được mục tiêu đặt ra, đề tài cần phải thực hiện những nội dung nghiên cứu chính nhưsau:

Nội dung 1: Xây dựng Bộ cơ sở dữ liệu ảnh siêu âm tuyến tiền liệt và xét nghiệm PSA huyết thanhkết hợp thăm trực tràng trong sàng lọc ung thư tuyến tiền liệt ở người đàn ông từ 60 tuổi trở lênNội dung 2: Xây dựng Bộ cơ sở dữ liệu ảnh mô bệnh học ung thư tuyến tiền liệt đảm bảo đa dạngtheo phân bố mức độ của thang điểm Gleason và đặc điểm dịch tễ học ung thư tuyến tiền liệt Nội dung 3: Xây dựng phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ sàng lọc ung thư tuyến tiền liệtdựa trên ảnh siêu âm tuyến tiền liệt

Nội dung 4: Xây dựng phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ tính điểm Gleason trong chẩnđoán mô bệnh học ung thư tuyến tiền liệt

Nội dung 5: Triển khai ứng dụng và đánh giá hiệu quả của phần mềm hỗ trợ siêu âm sàng lọc ungthư tuyến tiền liệt và phần mềm hỗ trợ tính điểm Gleason chẩn đoán mô bệnh học tại một số cơ sở

y tế

Nội dung 6: Tổng hợp dữ liệu, kết quả nghiên cứu, viết báo cáo tổng kết và bài báo khoa học

16 Liệt kê danh mục các công trình nghiên cứu, tài liệu có liên quan đến đề tài đã trích dẫn khi đánh giá tổng quan

(Tên công trình, tác giả, nơi và năm công bố, chỉ nêu những danh mục đã được trích dẫn để luận giải cho sự cần thiết nghiên cứu đề tài)

Tài liệu tham khảo

17 Nội dung nghiên cứu khoa học và triển khai thực nghiệm của đề tài và phương án thực hiện

(Liệt kê và mô tả chi tiết những công việc của từng nội dung nghiên cứu và triển khai thực nghiệm phù hợp cần thực hiện để giải quyết các vấn đề và tạo ra sản phẩm theo đặt hàng, kèm theo nhu cầu về nhân lực, trong đó chỉ rõ những nội dung mới, những nội dung kế thừa kết quả nghiên cứu của các đề tài trước đó, dự kiến những nội dung có tính rủi ro và giải pháp khắc phục – nếu có; nội dung thuê chuyên gia trong, ngoài nước thực hiện nếu có không kê khai ở mục này, sẽ được kê khai ở mục 21)

Nội dung 1: Xây dựng bộ cơ sở dữ liệu ảnh siêu âm tuyến tiền liệt và xét nghiệm PSA huyết thanh kết hợp thăm trực tràng trong sàng lọc ung thư tuyến tiền liệt ở người đàn ông từ 60 tuổi trở lên.

Hoạt động 1.1 Nghiên cứu tổng quan về bệnh học và sàng lọc ung thư tuyến tiền liệt.

Công việc 1.1.1 Nghiên cứu tổng quan về ung thư tuyến tiền liệt, phân tích và đánh giá cácphương pháp chẩn đoán ung thư tuyến tiền liệt

Công việc 1.1.2 Nghiên cứu tổng quan về yếu tố nguy cơ bệnh ung thư tuyến tiền liệt

Công việc 1.1.3 Nghiên cứu, đánh giá tình hình mắc bệnh, tử vong của ung thư tuyến tiền liệt trênThế giới và ở Việt Nam

Công việc 1.1.4 Nghiên cứu đánh giá tình hình sàng lọc ung thư tuyến tiền liệt trên thế giới và ViệtNam hiện nay

Công việc 1.1.5 Nghiên cứu lựa chọn đối tượng nghiên cứu và phương pháp sàng lọc ung thưtuyến tiền liệt

Công việc 1.1.6 Nghiên cứu tổng quan về giá trị của thăm trực tràng trong sàng lọc ung thư tuyếntiền liệt

Công việc 1.1.7 Nghiên cứu tổng quan về giá trị của xét nghiệm PSA huyết thanh trong sàng lọcung thư tuyến tiền liệt

Công việc 1.1.8 Nghiên cứu tổng quan về giá trị của siêu âm trong sàng lọc ung thư tuyến tiền liệt.Công việc 1.1.9 Nghiên cứu giá trị của kết hợp 3 phương pháp thăm trực tràng, siêu âm, PSAhuyết thanh trong sàng lọc ung thư tuyến tiền liệt trên thế giới và Việt Nam hiện nay

Công việc 1.1.10 Nghiên cứu lựa chọn phương pháp siêu âm đảm bảo xây dựng bộ cơ sở dữ liệuảnh siêu âm đảm bảo tốt cho xây dựng phần mềm học sâu

Công việc 1.1.11 Nghiên cứu giải phẫu tuyến tiền liệt liên quan đến siêu âm

Hoạt động 1.2 Sàng lọc ung thư tuyến tiền liệt dựa vào thăm trực tràng, siêu âm và PSA huyết thanh ở người đàn ông từ 60 tuổi trở lên

Công việc 1.2.1 Nghiên cứu lựa chọn địa bàn, đối tượng sàng lọc

Công việc 1.2.2 Xây dựng, tổ chức mô hình và quy trình sàng lọc

Công việc 1.2.3 Tiến hành sàng lọc ung thư tuyến tiền liệt tại khu vực miền Bắc

Công việc 1.2.4 Sinh thiết chẩn đoán mô bệnh học các đối tượng nghi ngờ ung thư tuyến tiền liệttại khu vực miền Bắc

Công việc 1.2.5 Tiến hành sàng lọc ung thư tuyến tiền liệt tại khu vực miền Trung

Công việc 1.2.6 Sinh thiết chẩn đoán mô bệnh học các đối tượng nghi ngờ ung thư tuyến tiền liệttại khu vực miền Trung

Công việc 1.2.7 Tiến hành sàng lọc ung thư tuyến tiền liệt tại khu vực miền Nam

Công việc 1.2.8 Sinh thiết chẩn đoán mô bệnh học các đối tượng nghi ngờ ung thư tuyến tiền liệttại khu vực miền Nam

Công việc 1.2.9 Tổng hợp cơ sở dữ liệu sàng lọc ung thư tuyến tiền liệt khu vực miền Bắc

Công việc 1.2.10 Tổng hợp cơ sở dữ liệu sàng lọc ung thư tuyến tiền liệt khu vực miền TrungCông việc 1.2.11 Tổng hợp cơ sở dữ liệu sàng lọc ung thư tuyến tiền liệt khu vực miền Nam

Hoạt động 1.3 Bước đầu phân tích một số đặc điểm dịch tễ học ung thư tuyến tiền liệt

Công việc 1.3.1 Phân tích đặc điểm dịch tễ học lâm sàng bệnh nhân ung thư tuyến tiền liệt từnguồn dữ liệu sàng lọc ung thư tuyến tiền liệt

Công việc 1.3.2 Phân tích dịch tễ học PSA huyết thanh bệnh nhân ung thư tuyến tiền liệt từ nguồn

dữ liệu sàng lọc ung thư tuyến tiền liệt

Công việc 1.3.3 Phân tích dịch tễ học siêu âm bệnh nhân ung thư tuyến tiền liệt từ nguồn dữ liệusàng lọc ung thư tuyến tiền liệt

Hoạt động 1.4 Thu thập tối thiểu 2000 ảnh siêu âm tuyến tiền liệt

Công việc 1.4.1 Thu thập tối thiếu 2000 ảnh siêu âm tuyến tiền liệt từ nguồn dữ liệu sàng lọcCông việc 1.4.2 Chuyển đổi từ DICOM thành PNG, JPG

Công việc 1.4.3 Nghiên cứu các phương pháp nâng cao chất lượng ảnh phục vụ cho việc huấnluyện mô hình máy học

Công việc 1.4.4 Nghiên cứu, thiết kế cơ sở dữ liệu về ảnh siêu âm tuyến tiền liệt và các thông tinliên quan gồm tuổi, giới tính, nghề nghiệp, dân tộc, và nơi ở của bệnh nhân trên máy chủ

Công việc 1.4.5 Import CSDL ảnh siêu âm tuyến tiền liệt

Hoạt động 1.5 Xây dựng phần mềm công cụ hỗ trợ gán nhãn ảnh siêu âm tuyến tiền liệt cho việc huấn luyện mô hình học máy

Công việc 1.5.1 Xây dựng chức năng quản lý, tra cứu, cập nhật ảnh siêu âm

Công việc 1.5.2 Phân tích yêu cầu đối với công cụ hỗ trợ gán nhãn ảnh siêu âm

Công việc 1.5.3 Xây dựng chức năng hỗ trợ gán nhãn ảnh siêu âm tuyến tiền liệt cho chuyên giaCông việc 1.5.4 Tiến hành gán nhãn ảnh siêu âm tuyến tiền liệt bởi các chuyên gia

Công việc 1.5.5 Xây dựng chức năng tổng hợp CSDL ảnh siêu âm tuyến tiền liệt đã được cácchuyên gia gán nhãn

Công việc 1.5.6 Xây dựng chức năng tra cứu, cập nhật nhãn ảnh siêu âm

Công việc 1.5.7 Nghiên cứu xây dựng chức năng tự động sinh ảnh (data augmentation) siêu âmsau khi được chuyên gia gán nhãn

Công việc 1.5.8 Xây dựng hướng dẫn sử dụng phần mềm gán nhãn ảnh siêu âm tuyến tiền liệt

Nội dung 2: Xây dựng Bộ cơ sở dữ liệu ảnh mô bệnh học ung thư tuyến tiền liệt đảm bảo đa dạng theo phân bố mức độ của thang điểm Gleason và đặc điểm dịch tễ học ung thư tuyến tiền liệt

Hoạt động 2.1 Nghiên cứu tổng quan mô bệnh học, hóa mô miễn dịch và hệ thống tính điểm Gleason tiên lượng ung thư tuyến tiền liệt

Công việc 2.1.1 Nghiên cứu tổng quan mô bệnh học ung thư tuyến tiền liệt

Công việc 2.1.2 Nghiên cứu tổng quan về giá trị của hóa mô miễn dịch trong ung thư tuyến tiềnliệt

Công việc 2.1.3 Nghiên cứu phân tích và đánh giá các phương pháp hiện có trong tiên lượng ungthư tuyến tiền liệt

Công việc 2.1.4 Nghiên cứu tổng quan hệ thống tính điểm Gleason trong ung thư tuyến tiền liệt

Hoạt động 2.2 Xây dựng Quy trình chuẩn hướng dẫn thu thập tiêu bản, lốc nến, cách thức lấy ảnh mô bệnh học các độ Gleason của bệnh nhân ung thư tuyến tiền liệt

Công việc 2.2.1 Xây dựng quy trình chuẩn hướng dẫn các thông tin thu thập cần thiết kèm tiêu bản

và khối nến của bệnh nhân ung thư tuyến tiền liệt

Công việc 2.2.2 Xây dựng quy trình chuẩn hướng dẫn cách thức ảnh mô bệnh học các độ Gleasoncủa bệnh nhân ung thư tuyến tiền liệt

Hoạt động 2.3 Tiến hành thu thập tiêu bản, lốc nến và các thông tin liên quan gồm mã số tiêu bản, tuổi, nghề nghiệp, dân tộc, nơi ở của bệnh nhân ung thư tuyến tiền liệt.

Công việc 2.3.1 Tiến hành thu thập tiêu bản, lốc nến và các thông tin liên quan gồm mã số tiêu

bản, tuổi, nghề nghiệp, dân tộc, nơi ở của bệnh nhân ung thư tuyến tiền liệt tại khu vực miền BắcCông việc 2.3.2 Tiến hành thu thập tiêu bản, lốc nến và các thông tin liên quan gồm mã số tiêubản, tuổi, nghề nghiệp, dân tộc, nơi ở của bệnh nhân ung thư tuyến tiền liệt tại khu vực miềnTrung

Công việc 2.3.3 Tiến hành thu thập tiêu bản, lốc nến và các thông tin liên quan gồm mã số tiêubản, tuổi, nghề nghiệp, dân tộc, nơi ở của bệnh nhân ung thư tuyến tiền liệt tại khu vực miền Nam

Hoạt động 2.4 Tiến hành cắt và nhuộm các tiêu bản ung thư tuyến tiền liệt ở các lốc nến đã thu thập.

Công việc 2.4.1 Tiến hành chọn lốc nến và cắt tiêu bản HE

Công việc 2.4.2 Tiến hành nhuộm tiêu bản HE

Hoạt động 2.5 Chuẩn hóa phương pháp nhuộm hóa mô miễn dịch và tiến hành nhuộm hóa

mô miễn dịch cho các marker trong ung thư tuyến tiền liệt bổ trợ đánh giá độ Gleason.

Công việc 2.5.1 Chuẩn hóa các dấu ấn dùng trong nhuộm HMMD các mẫu mô ung thư tuyến tiềnliệt hỗ trợ chẩn đoán mô bệnh học:

Công việc 2.5.2 Nghiên cứu quy trình nhuộm HMMD cho các marker trong ung thư tuyến tiền liệtCông việc 2.5.3 Tiến hành nhuộm HMMD cho các marker trong ung thư tuyến tiền liệt

Công việc 2.5.4 Đánh giá kết quả nhuộm các marker trong ung thư tuyến tiền liệt

Hoạt động 2.6 Lựa chọn tiêu bản đảm bảo chất lượng để phục vụ xây dựng bộ cơ sở dữ liệu ảnh mô bệnh học ung thư tuyến tiền liệt

Công việc 2.6.1 Tổ chức hội chẩn tiêu bản H.E xác định ung thư nguyên phát của tuyến tiền liệt.Công việc 2.6.2 Tổ chức hội chẩn tiêu bản xác định điểm Gleason cho từng trường hợp

Công việc 2.6.3 Chuẩn hóa điểm Gleason cho từng trường hợp (cá thể hóa) sau khi kết hợp vớikết quả Hóa mô miễn dịch

Công việc 2.6.4 Tổng kết, đánh giá kết quả xác định điểm Gleason cho từng trường hợp

Hoạt động 2.7 Xây dựng Bộ cơ sở dữ liệu ảnh mô bệnh học các độ Gleason trong ung thư tuyến tiền liệt

Công việc 2.7.1 Nghiên cứu tổng quan về ảnh mô bệnh học các độ Gleason của các bệnh nhân ungthư tiền liệt tuyến

Công việc 2.7.2 Phân tích các đặc trưng về dữ liệu ảnh mô bệnh học các độ Gleason ung thư tuyếntiền liệt

Công việc 2.7.3 Tiến hành quét các tiêu bản đã được cắt nhuộm HE trên hệ thống máy quét tiêubản có kết nối máy tính

Công việc 2.7.4 Tiến hành lấy ảnh mô bệnh học từ các lam ảo đã được quét ở trên để đưa ra bộ cơ

sở dữ liệu ảnh ban đầu

Công việc 2.7.5 Nghiên cứu xây dựng cấu trúc cơ sở dữ liệu lưu trữ dữ liệu ảnh mô bệnh học ungthư tuyến tiền liệt và các thông tin liên quan gồm tuổi, giới tính, nghề nghiệp, dân tộc, và nơi ở củabệnh nhân trên máy chủ

Hoạt động 2.8 Bước đầu phân tích một số đặc điểm dịch tễ học ung thư tuyến tiền liệt trên

cơ sở dữ liệu ảnh mô bệnh học ung thư tuyến tiền liệt

Công việc 2.8.1: Phân tích một số đặc điểm dịch tễ học lâm sàng của bệnh nhân từ nguồn dữ liệu

mô bệnh học ung thư tuyến tiền liệt ở 3 vùng miền của Việt Nam

Công việc 2.8.2: Phân tích dịch tễ học mô bệnh ung thư tuyến tiền liệt ở 3 vùng miền của ViệtNam

Công việc 2.8.3: So sánh đặc điểm dịch tễ ở hai nguồn dữ liệu sàng lọc ung thư tuyến tiền liệt và

dữ liệu mô bệnh học ung thư tuyến tiền liệt

Hoạt động 2.9 Nghiên cứu các phương pháp chuẩn hoá và tăng cường chất lượng của ảnh

mô bệnh học với kích thước lớn

Công việc 2.9.1 Nghiên cứu các phương pháp chuẩn hoá ảnh mô bệnh học cho việc huấn luyện môhình máy học

Công việc 2.9.2 Nghiên cứu các phương pháp tăng cường chất lượng ảnh mô bệnh học cho việchuấn luyên mô hình máy học

Hoạt động 2.10 Nghiên cứu xây dựng hệ thống gán nhãn ảnh mô bệnh học ung thư tuyến tiền liệt cho việc huấn luyến mô hình học máy

Công việc 2.10.1 Thiết kế CSDL về ảnh của ảnh mô bệnh học ung thư tuyến tiền liệt

Công việc 2.10.2 Xây dựng chức năng import CSDL ảnh mô bệnh học ung thư tuyến tiền liệtCông việc 2.10.3 Phân tích yêu cầu đối với công cụ hỗ trợ gán nhãn ảnh mô bệnh học ung thưtuyến tiền liệt

Công việc 2.10.4 Xây dựng chức năng quản lý, tra cứu, cập nhật CSDL theo tin bệnh nhân

Công việc 2.10.5 Nghiên cứu xây dựng chức năng tự động chia ảnh gốc có kích thước lớn thànhcác mảnh ảnh

Công việc 2.10.6 Nghiên cứu xây dựng chức năng hỗ trợ chuyên gia gán nhãn từng mảnh ảnh Công việc 2.10.7 Tiến hành gán nhãn cho ảnh mô bệnh học các độ Gleason bởi 3 chuyên gia giảiphẫu bệnh

Công việc 2.10.8 Xây dựng chức năng tổng hợp mảnh ảnh từ kết quả của 3 chuyên gia gán nhãnCông việc 2.10.9 Làm trơn mảnh ảnh đã được gán nhãn

Công việc 2.10.10 Nghiên cứu xây dựng chức năng tự động kết hợp thông tin gán nhãn trên cácmiếng ảnh nhỏ để tạo thành thông tin gán nhãn cho ảnh gốc

Công việc 2.10.11 Thiết kế CSDL về các mảnh ảnh của ảnh mô bệnh học ung thư tuyến tiền liệtCông việc 2.10.12 Xây dựng chức năng quản lý, tra cứu, cập nhật nhãn của từng mảnh ảnh

Công việc 2.10.13 Nghiên cứu xây dựng chức năng tự động sinh ảnh (data augmentation) mô bệnhhọc ung thư tuyến tiền liệt và thông tin về nhãn sau khi được chuyên gia gán nhãn chính xác

Công việc 2.10.14 Xây dựng hướng dẫn sử dụng phần mềm

Nội dung 3: Xây dựng phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ sàng lọc ung thư tuyến tiền liệt dựa trên bộ dữ liệu ảnh siêu âm tuyến tiền liệt

Hoạt động 3.1 Xây dựng chức năng huấn luyện mô hình máy học cho việc hỗ trợ sàng lọc ung thư tuyến tiền liệt đối với ảnh siêu âm tuyến tiền liệt 

Công việc 3.1.1 Nghiên cứu các mô hình máy học cổ điển cho bài toán phân loại ảnh

Công việc 3.1.2 Nghiên cứu các mô hình học sâu cho bài toán phân loại ảnh

Công việc 3.1.3 Xây dựng mô hình học sâu cho ứng dụng phân loại ảnh siêu âm tuyến tiền liệt vớiđầu vào là ảnh – MH1

Công việc 3.1.4 Xây dựng chương trình huấn luyện mô hình MH1

Công việc 3.1.5 Thực hiện huấn luyện, xác định, điều chỉnh các tham số của mô hình MH1

Công việc 3.1.6 Đánh giá chéo (cross validation) hiệu năng của mô hình MH1

Công việc 3.1.7 Xây dựng mô hình học sâu cho ứng dụng phân loại ảnh siêu âm tuyến tiền liệt vớiđầu vào là tập ảnh – MH2

Công việc 3.1.8 Xây dựng chương trình huấn luyện mô hình MH2

Công việc 3.1.9 Thực hiện huấn luyện, xác định, điều chỉnh các tham số của mô hình MH2

Công việc 3.1.10 Đánh giá chéo (cross validation) hiệu năng của mô hình MH2

Công việc 3.1.11 Đánh giá, so sánh 02 mô hình MH1, MH2

Hoạt động 3.2 Xây dựng chức năng dự báo ảnh siêu âm tuyến tiền liệt và đánh giá mô hình sau khi huấn luyện

Công việc 3.2.1 Xây dựng chức năng dự báo ảnh siêu âm tuyến tiền liệt

Công việc 3.2.2 Đánh giá hiệu năng mô hình trên tập dữ liệu mới đã được gán nhãn

Công việc 3.2.3 Xây dựng hướng dẫn sử dụng phần mềm học sâu hỗ trợ chẩn đoán ung thư tuyếntiền liệt dựa vào ảnh siêu âm tuyến tiền liệt

Nội dung 4: Xây dựng phần mềm ứng dụng trí tuệ nhân tạo hỗ trợ tính điểm Gleason trong chẩn đoán mô bệnh học ung thư tuyến tiền liệt

Hoạt động 4.1 Xây dựng chức năng huấn luyện mô hình máy học cho việc hỗ trợ tính độ Gleason với ảnh mô bệnh học ung thư tuyến tiền liệt

Công việc 4.1.1 Nghiên cứu các mô hình học máy cổ điển cho bài toán phân đoạn ảnh

Công việc 4.1.2 Nghiên cứu các mô hình mạng học sâu cho bài toán phân đoạn ảnh

Công việc 4.1.3 Xây dựng mô hình phân đoạn ngữ nghĩa miếng ảnh theo độ Gleason - MH3

Công việc 4.1.4 Xây chức năng năng huấn luyện mô hình MH3 phân đoạn ngữ nghĩa miếng ảnhtheo độ Gleason

Công việc 4.1.5 Thực hiện huấn luyện, xác định, điều chỉnh các tham số của mô hình MH3

Công việc 4.2.6 Đánh giá chéo (cross validation) hiệu năng mô hình MH3 phân đoạn độ Gleasonmảnh ảnh mô bệnh học ung thư tuyến tiền liệt

Hoạt động 4.2 Xây dựng chức năng dự báo điểm Gleason ảnh mô bệnh học ung thư tuyến tiền liệt và đánh giá hiệu năng của mô hình

Công việc 4.2.1 Xây dựng chức năng phân đoạn mảnh ảnh sử dụng mô hình MH3

Công việc 4.2.2 Tiến hành ghép các mảnh ảnh đã được phân đoạn theo MH3 và làm trơn ảnh saukhi ghép

Công việc 4.2.3 Tiên lượng điểm Gleason cho ảnh mô bệnh học

Hoạt động 4.3 Đánh giá hiệu năng của mô hình

Công việc 4.3.1 Đánh giá hiệu năng mô hình MH3 phân đoạn theo độ Gleason mảnh ảnh mô bệnhhọc ung thư tuyến tiền liệt trên tập dữ liệu mới

Công việc 4.3.2 Đánh giá hiệu năng dự báo điểm Gleason trên ảnh mô bệnh học ung thư tuyến tiềnliệt trên tập dữ liệu mới

Công việc 4.3.3 Xây dựng hướng dẫn sử dụng phần mềm

Nội dung 5: Triển khai ứng dụng và đánh giá hiệu quả của phần mềm hỗ trợ siêu âm sàng lọc ung thư tuyến tiền liệt và phần mềm hỗ trợ tính điểm Gleason chẩn đoán mô bệnh học tại một số cơ sở y tế.

Hoạt động 5.1 Triển khai thử nghiệm phần mềm học sâu hỗ trợ siêu âm sàng lọc ung thư tuyến tiền liệt.

Công việc 5.1.1 Tập huấn và triển khai thí điểm phần mềm học sâu hỗ trợ siêu âm sàng lọc ungthư tuyến tiền liệt tại 5 cơ sở y tế với 100 bệnh nhân

Công việc 5.1.2 Hỗ trợ kỹ thuật từ xa

Hoạt động 5.2 Đánh giá phần mềm học sâu hỗ trợ siêu âm sàng lọc ung thư tuyến tiền liệt.

Công việc 5.2.1 Xây dựng công cụ, tiêu chí đánh giá

Công việc 5.2.2 Tổng hợp số liệu và đánh giá triển khai thí điểm

Hoạt động 5.3 Triển khai thử nghiệm phần mềm học sâu hỗ trợ tính điểm Gleason chẩn đoán mô bệnh học ung thư tuyến tiền liệt

Công việc 5.3.1 Tập huấn và triển khai thí điểm phần mềm học sâu hỗ trợ tính điểm Gleason chẩnđoán mô bệnh học ung thư tuyến tiền liệt tại 5 cơ sở y tế với 100 bệnh nhân

Công việc 5.3.2 Hỗ trợ kỹ thuật từ xa

Hoạt động 5.4 Đánh giá phần mềm học sâu hỗ trợ tính điểm Gleason chẩn đoán mô bệnh

học ung thư tuyến tiền liệt

Công việc 5.4.1 Xây dựng công cụ, tiêu chí đánh giá

Công việc 5.4.2 Tổng hợp số liệu và đánh giá triển khai thí điểm

Nội dung 6: Tổng hợp dữ liệu, kết quả nghiên cứu, viết báo cáo tổng kết và bài báo khoa học

18 Cách tiếp cận, phương pháp nghiên cứu, kỹ thuật sử dụng

(Luận cứ rõ cách tiếp cận vấn đề nghiên cứu, thiết kế nghiên cứu, phương pháp nghiên cứu,

kỹ thuật sẽ sử dụng gắn với từng nội dung chính của đề tài; so sánh với các phương pháp giải quyết tương tự khác và phân tích để làm rõ được tính mới, tính sáng tạo của đề tài)

Cách tiếp cận: Cách tiếp cận của đề tài có các đặc trưng cơ bản như sau:

Để tiếp cận cuộc cách mạng công nghiệp lần thứ 4, Bộ Y tế đã xác định 3 mục tiêu cụthể là: Xây dựng và từng bước hình thành hệ thống chăm sóc sức khỏe và phòng bệnh thôngminh, góp phần thực hiện tốt Chương trình sức khỏe Việt Nam; ứng dụng công nghệ thôngtin toàn diện tại tất cả các cơ sở khám, chữa bệnh góp phần cải cách hành chính và giảm quátải bệnh viện; sử dụng hồ sơ bệnh án điện tử tiến tới không sử dụng bệnh án giấy, thanh toánviện phí điện tử, hình thành các bệnh viện thông minh; tăng cường ứng dụng công nghệthông tin trong công tác quản lý y tế, triển khai hệ thống văn phòng điện tử, cổng dịch vụcông và hệ thống thông tin một cửa điện tử về thủ tục hành chính, đẩy mạnh các dịch vụcông trực tuyến mức 3, 4, xây dựng nền quản trị y tế thông minh