Theo dữ liệu của họ, việc triển khai phương pháp mới sẽ giúp tăng tốc độ chẩn đoán và giảm khối lượng công việc của bác sĩ. Kết quả nghiên cứu được công bố trên tạp chí Bioengineering.
Các nhà nghiên cứu tại Trung tâm Trí tuệ Nhân tạo thuộc Đại học Liên bang Ural mang tên Tổng thống đầu tiên của Nga B.N. Yeltsin (UrFU) đã phát triển một phương pháp mới để phân tích ảnh điện võng mạc (ERG) là một xét nghiệm không xâm lấn đo lường hoạt động điện của võng mạc khi tiếp xúc với ánh sáng. Phương pháp này dựa trên công nghệ trí tuệ nhân tạo.
"Chúng tôi đã phát triển thuật toán dựa trên phương pháp phân loại chuỗi thời gian để phân tích các tín hiệu điện võng mạc ánh sáng. Hóa ra những tín hiệu này có thể được sử dụng để xác định không chỉ các bệnh lý thị giác mà còn cả các dấu hiệu của rối loạn thần kinh, chẳng hạn như rối loạn phổ tự kỷ, ADHD, cũng như các bệnh thoái hóa thần kinh như Parkinson. Điều quan trọng là phương pháp tiếp cận của chúng tôi không chỉ đơn thuần là câu trả lời có/không. Thuật toán này sử dụng công nghệ Explainable AI (XAI) cho phép phân tích các vùng tín hiệu cụ thể", ông Vasily Borisov, phó giáo sư tại Trung tâm Trí tuệ nhân tạo thuộc UrFU, cho biết.
Theo ông, phương pháp này giúp bác sĩ hiểu được logic vận hành của mô hình. Trí tuệ nhân tạo không thay thế bác sĩ chuyên khoa, mà cung cấp cho họ một công cụ để đưa ra quyết định chính xác hơn.
Thuật toán này được phát triển trên cơ sở dữ liệu người thật, từ cả bệnh nhân và những người khỏe mạnh, mà một nhóm các nhà khoa học quốc tế do Paul Constable, giáo sư tại Đại học Flinders (Australia) dẫn đầu, biên soạn. Trên cơ sở các dữ liệu này, các nhà nghiên cứu đã tạo ra bốn phương pháp và sau đó sử dụng công nghệ SHAP (SHapley Additive Explanations) giúp hiểu rõ cách các mô hình học máy đưa ra dự đoán và xác định phương pháp chẩn đoán tốt nhất.
"Đây không phải là nỗ lực đầu tiên xây dựng hệ thống hỗ trợ ra quyết định dựa trên tín hiệu điện võng mạc, nhưng các nhà khoa học thường sử dụng mạng nơ-ron, vốn phức tạp hơn về mặt tính toán và đòi hỏi nhiều dữ liệu hơn. Thuật toán của chúng tôi đơn giản hơn về mặt tính toán, chạy nhanh hơn và có ít hơn yêu cầu cấu hình phần cứng. Về cơ bản, thuật toán này sẽ giúp các bác sĩ sàng lọc và xác định khả năng mắc bệnh theo cách tương đối đơn giản và tiết kiệm chi phí, nhưng vẫn đảm bảo độ chính xác cao", ông Mikhail Ronkin, phó giáo sư tại Trung tâm Trí tuệ nhân tạo thuộc UrFU, cho biết.
Các nhà nghiên cứu có kế hoạch cải tiến các thuật toán để nhận biết các bệnh võng mạc như bệnh quáng gà bẩm sinh, bệnh tăng nhãn áp và các rối loạn thoái hóa thần kinh khác.
