Radiomics Siêu âm trong các U Tuyến giáp

Siêu âm (US) thường dùng phát hiện và đánh giá các nhân tuyến giáp do tính hiệu quả vê chi phí và không xâm lấn.

Radiomics giải quyết hạn chế việc lệ thuộc người khám và đánh giá TI-RADS chủ quan bằng cách biến đổi hình ảnh thành dữ liệu định lượng khai thác được. Bằng cách trích xuất toán học sự phân bố không gian của cường độ tín hiệu và mối quan hệ giữa các pixels, radiomics được hỗ trợ bởi AI sẽ xác định các đặc trưng cấu trúc vi mô mà mắt thường không phân biệt được.

Các Ứng dụng Lâm sàng Chính

1. Phân biệt Nhân Lành tính và Ác tính

Mục tiêu chính của radiomics tuyến giáp là phân loại chính xác các nhân giáp để tránh các can thiệp không cần thiết và có ánh hưởng suốt đời (như cắt bỏ tuyến giáp). Mặc dù có tới 65% dân số nói chung có thể có nhân tuyến giáp tình cờ phát hiên, nhưng chỉ khoảng 7–15% là ác tính.

Hiệu suất Chẩn đoán: Các phân tích gộp và nghiên cứu gần đây chứng minh rằng các mô hình radiomic thường đạt được Diện tích dưới đường cong (AUC) vượt quá 0.90, thường ngang bằng hoặc vượt qua độ nhạy và độ đặc hiệu của người khám ít kinh nghiệm.


Phân tích Quanh nhân: Các mô hình hiện tại không chỉ đánh giá vùng bên trong nhân mà còn cả rìa quanh nhân sát tổn thương, được chứng minh là làm tăng đáng kể độ chính xác của dự đoán.

2. Quản lý Nhân Tuyến giáp Không xác định (ITNs)

Các nhân không xác định về mặt tế bào học (ví dụ: phân loại Bethesda I, III, IV hoặc V) là thách thức lâm sàng lớn sau khi chọc hút bằng kim nhỏ (FNA). Hơn một nửa số bệnh nhân có ITN phải mô sinh thiêt, nhưng 60–80% các nhân giáp bị cắt bỏ cuối cùng lại là lành tính.

Các mô hình Radiomics hoạt động như một công cụ phân tầng nguy cơ thứ cấp, không xâm lấn. Bằng cách dự đoán tỷ lệ ác tính thực sự trong các nhóm mơ hồ này, các mô hình này có thể làm giảm số ca sinh thiết và phẫu thuật không cần thiết.

3. Dự đoán Mức độ Xâm lấn và Tiên lượng

Vượt qua việc phân loại đơn giản, radiomics ngày càng được sử dụng để dự đoán hành vi của khối u trong các ung thư biểu mô tuyến giáp biệt hóa đã được xác định:

Xâm lấn Ngoài tuyến giáp (ETE): Dự đoán xem khối u có xâm lấn các cấu trúc vượt ra ngoài vỏ bao hay không.


Di căn Hạch bạch huyết: Dự báo Di căn Hạch trung tâm (CLNM) trước phẫu thuật để hướng dẫn phương pháp tiếp cận phẫu thuật và mức độ cắt bỏ.

Quy trình thực hiện Radiomics

Việc phát triển một mô hình radiomic siêu âm cho bệnh lý tuyến giáp thường tuân theo một quy trình chuẩn hóa:

Tiền xử lý Hình ảnh: Hình ảnh được lấy mẫu lại để có khoảng cách pixel đồng nhất. Cường độ pixel thường được chuẩn hóa để giảm thiểu sự biến thiên phát sinh từ các máy siêu âm và cài đặt độ khuếch đại quét khác nhau (ví dụ: sử dụng chuẩn hóa Z-score tiêu chuẩn).


Phân vùng: Xác định chính xác ranh giới 2D hoặc 3D của Vùng quan tâm (ROI) chứa nhân giáp.


Trích xuất Đặc trưng: Trích xuất năng suất cao hàng trăm đến hàng ngàn đặc trưng định lượng (thống kê bậc một, ma trận kết cấu và các thông số dựa trên wavelet) bằng cách sử dụng các công cụ như PyRadiomics.


Chọn lọc Đặc trưng: Các kỹ thuật giảm chiều dữ liệu, đáng chú ý nhất là phương pháp Toán tử Chọn lọc và Thu gọn Tuyệt đối Tối thiểu (LASSO), được áp dụng để thu hẹp hệ số của các yếu tố dự đoán ít quan trọng về 0, từ đó ngăn ngừa hiện tượng quá khớp (overfitting).


Xây dựng Mô hình: Mô hình học máy dự đoán cuối cùng tạo ra một dấu ấn sinh học hình ảnh định lượng được gọi là Rad-score. Dấu ấn này được xây dựng dưới dạng kết hợp tuyến tính của các đặc trưng được chọn.

Hạn chế Hiện tại và Hướng đi Tương lai

Radiomics trong bệnh lý u vú

Radiomics trong bệnh lý u vú (đặc biệt là ung thư vú) đang là một trong những lĩnh vực nghiên cứu "nóng" nhất của trí tuệ nhân tạo y khoa.

Mặc dù hệ thống phân loại BI-RADS hiện rất hiệu quả, nhưng các tổn thương thuộc nhóm BI-RADS 4 thường có ranh giới ác tính rất rộng (từ 2% đến 95%), dẫn đến tỷ lệ sinh thiết âm tính giả khá cao. Radiomics giúp giải quyết bài toán này trên nhiều phương thức chẩn đoán hình ảnh: Siêu âm (US), X-quang tuyến vú (Mammography), và MRI.

Các Ứng dụng Lâm sàng chính ở Tuyến vú

1. Phân biệt Tổn thương Lành tính và Ác tính

Tối ưu hóa BI-RADS 4: Radiomics giúp "lọc" lại các tổn thương BI-RADS 4 (đặc biệt là 4a và 4b). Mô hình AI có thể phát hiện các đặc trưng kết cấu vi mô (như độ thô, tính không đồng nhất) để hạ bậc các tổn thương lành tính (như u xơ tuyến) xuống BI-RADS 3, giúp bệnh nhân tránh được  sinh thiết không cần thiết.


Phân tích đa vùng (Multi-region): 

Không chỉ phân tích lõi khối u, radiomics tuyến vú còn phân tích cả vùng rìa u (peritumoral) và mô tuyến vú lành nền xung quanh để tăng độ chính xác.

2. Dự đoán Phân nhóm Phân tử (Molecular Subtypes) - Radiogenomics

Đây là ứng dụng vượt trội và đặc trưng nhất của radiomics tuyến vú so với tuyến giáp. Ung thư vú có tính chất không đồng nhất rất cao và được chia thành các phân nhóm: Luminal A, Luminal B, HER2-enriched, và Triple-Negative.

Sinh thiết ảo: Thay vì phải chờ kết quả hóa mô miễn dịch sau phẫu thuật, các đặc trưng Radiomics (đặc biệt là từ ảnh MRI động học - DCE-MRI) có mối tương quan chặt chẽ với các dấu ấn sinh học như ER, PR, HER2 và Ki-67.


Mô hình có thể dự đoán sớm các phân nhóm có tiên lượng xấu như Triple-Negative để lên phác đồ điều trị tấn công ngay từ đầu.

3. Dự đoán Di căn Hạch nách (Axillary Lymph Node - ALN)

Tình trạng hạch nách là yếu tố quyết định giai đoạn bệnh và phương pháp phẫu thuật (có nạo vét hạch hay không).

Bằng cách trích xuất tính chất của khối u nguyên phát ở vú kết hợp với hình ảnh hạch nách trên siêu âm/MRI, mô hình Radiomics có thể dự đoán chính xác khả năng di căn hạch giai đoạn sớm (ngay cả khi hạch chưa thay đổi về mặt hình thái trên đại thể).

4. Đánh giá Đáp ứng Điều trị Hóa chất Tân bổ trợ (NAC)

Nhiều bệnh nhân ung thư vú được chỉ định truyền hóa chất trước khi phẫu thuật (NAC) để thu nhỏ khối u.

Radiomics được thực hiện trên các mốc thời gian: Trước điều trị, sau 1-2 chu kỳ hóa chất, và sau khi kết thúc điều trị.


Mô hình giúp dự đoán khả năng đạt đáp ứng hoàn toàn trên mô bệnh học (pCR). Nếu mô hình dự đoán khối u "kháng thuốc", có thể thay đổi phác đồ sớm để không làm mất thời gian vàng của bệnh nhân.

Quy trình và Sự Khác biệt về Phương thức (Multimodality)

Quy trình kỹ thuật (Tiền xử lý ---> Phân vùng ROI -----------> Trích xuất ------> Chọn lọc LASSO ------> Rad-score) tương tự như mô tả ở tuyến giáp. Tuy nhiên, tuyến vú có lợi thế lớn về dữ liệu đa phương thức (Multi-modality Fusion):

[Siêu âm B-mode + Đàn hồi mô (Elastography)]
+[X-quang tuyến vú (Mammography / DBT)] ===> [Mô hình Radiomics Hợp nhất] ---> Kết quả dự đoán tối ưu
+
[MRI động học tăng cường (DCE-MRI)]



Việc kết hợp này giúp Rad-score của tuyến vú đạt được hiệu suất chẩn đoán (AUC) rât cao, thường dao động từ 0.92 đến 0.96.