Nghiên cứu giá trị các mô hình học máy trong chẩn đoán xơ hóa gan đáng kể trên cơ sở dữ liệu siêu âm 2D và xét nghiệm sinh hóa gan

Xơ hóa gan là một giai đoạn tiến triển nghiêm trọng của bệnh lý gan mạn tính, có thể dẫn đến các biến chứng nguy hiểm như suy gan và ung thư biểu mô tế bào gan. Việc chẩn đoán sớm và chính xác mức độ xơ hóa gan đóng vai trò then chốt trong quản lý bệnh nhân và định hướng điều trị. Tuy nhiên, các phương pháp truyền thống như sinh thiết gan mang tính xâm lấn, trong khi các kỹ thuật không xâm lấn khác như Fibroscan lại hạn chế về khả năng tiếp cận và chi phí tại nhiều cơ sở y tế. Bối cảnh này đặt ra yêu cầu cấp thiết về việc phát triển các công cụ chẩn đoán hiệu quả, không xâm lấn và dễ tiếp cận hơn. Nghiên cứu này nhằm đánh giá giá trị của các mô hình học máy khi kết hợp dữ liệu siêu âm 2D thường quy và xét nghiệm sinh hóa gan trong chẩn đoán xơ hóa gan đáng kể, góp phần cải thiện quy trình phát hiện và quản lý bệnh.

Bác sĩ chuyên khoa tiêu hóa - gan mật, bác sĩ chẩn đoán hình ảnh, các nhà nghiên cứu y học ứng dụng trí tuệ nhân tạo và các nhà hoạch định chính sách y tế quan tâm đến chẩn đoán xơ hóa gan không xâm lấn.

Nghiên cứu này đã tiến hành một khảo sát cắt ngang trên 138 bệnh nhân mắc các bệnh lý gan khác nhau, bao gồm viêm gan siêu vi B, C, bệnh gan do rượu và gan nhiễm mỡ không do rượu, trong khoảng thời gian từ tháng 01 đến 12 năm 2020. Mục tiêu chính là đánh giá hiệu quả của các mô hình học máy trong việc chẩn đoán xơ hóa gan đáng kể (≥ F2) dựa trên các dữ liệu siêu âm 2D và xét nghiệm sinh hóa gan thông thường. Bệnh nhân được phân loại mức độ xơ hóa gan (F0-F1 và F2-F4) sử dụng các chỉ số sinh hóa, siêu âm 2D và Fibroscan làm tiêu chuẩn đối chiếu. Ba mô hình học máy – cây quyết định, rừng ngẫu nhiên và tăng cường độ dốc – đã được xây dựng và huấn luyện với 80% dữ liệu, sau đó kiểm tra trên 20% dữ liệu còn lại. Kết quả cho thấy các mô hình này đạt hiệu suất chẩn đoán cao; cụ thể, trong tập dữ liệu kiểm tra, giá trị diện tích dưới đường cong (AUC) lần lượt là 0,84 cho cây quyết định, 0,88 cho rừng ngẫu nhiên và 0,89 cho tăng cường độ dốc. Điều này chứng tỏ các mô hình học máy có khả năng hỗ trợ đắc lực các bác sĩ trong việc đánh giá mức độ xơ hóa gan một cách không xâm lấn, hiệu quả, đặc biệt là trong bối cảnh các phương pháp chẩn đoán truyền thống như sinh thiết gan có tính xâm lấn và Fibroscan còn hạn chế về tiếp cận. Giá trị ứng dụng của nghiên cứu nằm ở việc cung cấp một công cụ chẩn đoán tiềm năng, dễ triển khai, giúp cải thiện quản lý bệnh nhân xơ hóa gan.