Ứng dụng trí tuệ nhân tạo trong hỗ trợ chẩn đoán viêm nha chu trên phim toàn cảnh

Luận án tiến sĩ y học Ứng dụng trí tuệ nhân tạo trong hỗ trợ chẩn đoán viêm nha chu trên phim toàn cảnh​.Viêm nha chu (VNC) là tình trạng thường gặp trong thực hành nha khoa lâm sàng được đặc trưng bởi sự phá hủy tiến triển của mô nâng đỡ răng, với các đặc điểm chính bao gồm mất bám dính lâm sàng (CAL), tiêu xương ổ răng trên phim X-quang, sự hiện diện của túi nha chu và chảy máu nướu [1]. VNC là bệnh viêm nhiễm mạn tính không lây nhiễm phổ biến nhất [2], trong đó năm 2019 trên toàn cầu có 1,1 tỷ ca VNC trầm trọng [3] với tỷ lệ VNC trầm trọng tăng thêm 8,44% kể từ năm 1990. Tại Việt Nam, một phân tích tổng quan (2023) cho thấy khoảng 40,4% người trưởng thành mắc VNC (tỷ lệ này cao hơn ở người trên 65 tuổi) [4]. Con số này phản ánh một gánh nặng bệnh tật đáng kể, tác động kép lên cả chi phí điều trị lẫn chất lượng cuộc sống. Khi không được kiểm soát và điều trị kịp thời, VNC gây ra tình trạng mất răng và dẫn đến rối loạn hệ thống nhai. Ngoài ra, tình trạng nhiễm trùng vùng quanh răng còn liên quan đến các rối loạn toàn thân như tiểu đường [5], tim mạch [6,7], và các biến chứng thai kì [8].

Việc phân loại VNC là điều cần thiết để xác định phương pháp điều trị hiệu quả cho từng giai đoạn. Cho đến nay, đã có rất nhiều phân loại khác nhau được đề xuất như hệ thống do Liên đoàn Nha Chu Châu Âu (EFP) và Hiệp hội Nha Chu Hoa Kì (AAP) đề xuất năm 2017 [9]. Mặc dù được đánh giá cao về độ chi tiết và tính khoa học, việc áp dụng phân loại mới này đặt ra nhiều thách thức do tính phức tạp của chính hệ thống phân loại [10]. Đã có nhiều phương pháp nhằm cải thiện khả năng phân loại bệnh, từ các sơ đồ chẩn đoán [11] cho đến đơn giản hóa các yếu tố đánh giá [12], nhưng vẫn còn nhiều hạn chế xoay quanh các biện pháp này [13]. Ngoài ra, việc phân loại cũng có thể khác nhau giữa các nhà lâm sàng do phụ thuộc vào kinh nghiệm, kỹ năng đánh giá và yếu tố chủ quan, dẫn đến sự không nhất quán trong chẩn đoán và điều trị.
Gần đây, trí tuệ nhân tạo (AI) nổi lên như một công cụ tiềm năng trong phát hiện sớm, hỗ trợ chẩn đoán cũng như theo dõi và kiểm soát bệnh với nhiều ưu điểm2 về tốc độ xử lý, độ chính xác, khả năng phân tích dữ liệu lớn và giảm thiểu sai sót chủ quan [14]. Sự phát triển của phần cứng và lượng dữ liệu y tế khổng lồ được số hóa gần đây đã cho phép AI thực hiện nhiều tác vụ với độ chính xác tương đương hoặc vượt trội so với con người trong vài bối cảnh [15,16]. Tuy nhiên, các nghiên cứu ứng dụng AI trong lĩnh vực VNC đến nay vẫn còn rời rạc, chủ yếu tập trung vào từng khía cạnh riêng lẻ của quá trình chẩn đoán như sàng lọc mức độ tiêu xương hoặc chỉ phân loại giai đoạn bệnh [16] mà chưa hình thành được một hệ thống tích hợp toàn diện. Vì vậy, việc xây dựng các mô hình AI có khả năng tích hợp cả dữ liệu lâm sàng và hình ảnh nhằm hỗ trợ chẩn đoán và phân loại VNC là cần thiết.
Việc phát triển các công cụ AI hỗ trợ chẩn đoán và phân loại VNC một cách toàn diện có thể mang lại nhiều tiềm năng ứng dụng trong thực hành nha khoa. Điều này không chỉ giúp rút ngắn thời gian chẩn đoán và lập kế hoạch điều trị, mà còn giúp nâng cao hiệu quả và tính nhất quán trong thực hành lâm sàng, đặc biệt tại các phòng khám nha khoa tổng quát nơi thiếu các chuyên gia nha chu [12]. Nghiên cứu này được thực hiện vừa để cung cấp bằng chứng khoa học về giá trị mô hình AI, làm tiền đề cho các nghiên cứu tương tự trong lĩnh vực VNC, vừa để định hình các công cụ có thể ứng dụng ngay vào thực hành lâm sàng, với các mục tiêu như sau:
MỤC TIÊU NGHIÊN CỨU
1. Xây dựng mô hình trí tuệ nhân tạo trong hỗ trợ chẩn đoán và phân loại viêm nha chu trên phim X-quang toàn cảnh.
2. Phát triển hệ thống tích hợp dựa trên trí tuệ nhân tạo giúp chẩn đoán và phân loại viêm nha chu trên phim X-quang toàn cảnh.
3. Đánh giá giá trị chẩn đoán của mô hình trí tuệ nhân tạo khi so sánh với hội đồng chuyên gia nha chu

MỤC LỤC
LỜI CẢM ƠN ……………………………………………………………………………………………… i
LỜI CAM ĐOAN ………………………………………………………………………………………….ii
MỤC LỤC………………………………………………………………………………………………….. iii
DANH MỤC CÁC CHỮ VIẾT TẮT VÀ THUẬT NGỮ ANH-VIỆT………………….v
DANH MỤC CÁC BẢNG……………………………………………………………………………. ix
DANH MỤC CÁC HÌNH…………………………………………………………………………….. xi
DANH MỤC CÁC BIỂU ĐỒ………………………………………………………………………. xii
ĐẶT VẤN ĐỀ……………………………………………………………………………………………….1
I. CHƯƠNG 1: TỔNG QUAN TÀI LIỆU………………………………………………………..3
1.1. Tổng quan về bệnh nha chu và các hệ thống phân loại……………………………3
1.2. Chẩn đoán và phân loại bệnh nha chu …………………………………………………..7
1.3. Thách thức trong việc chẩn đoán theo phân loại AAP 2017…………………..17
1.4. Ứng dụng trí tuệ nhân tạo trong chẩn đoán và điều trị viêm nha chu ………20
2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU…………………………………………..45
2.1. Thiết kế nghiên cứu ………………………………………………………………………….45
2.2. Đối tượng nghiên cứu ……………………………………………………………………….45
2.3. Thời gian và địa điểm nghiên cứu ………………………………………………………46
2.4. Cỡ mẫu nghiên cứu…………………………………………………………………………..46
2.5. Các biến số nghiên cứu……………………………………………………………………..47
2.6. Phương pháp và công cụ đo lường, thu thập số liệu ……………………………..48
2.7. Qui trình nghiên cứu…………………………………………………………………………50
2.8. Phương pháp phân tích dữ liệu…………………………………………………………..60
2.9. Đạo đức trong nghiên cứu …………………………………………………………………63
3. CHƯƠNG 3: KẾT QUẢ……………………………………………………………………………65
3.1. Đặc điểm mẫu nghiên cứu …………………………………………………………………65iv
3.2. Kết quả huấn luyện mô hình trí tuệ nhân tạo trong hỗ trợ chẩn đoán và phân
loại viêm nha chu trên phim X-quang toàn cảnh …………………………………………..67
3.3. Kết quả xây dựng công cụ dựa trên trí tuệ nhân tạo giúp chẩn đoán và phân
loại viêm nha chu trên phim X-quang toàn cảnh. ………………………………………….73
3.4. Tính giá trị của mô hình trí tuệ nhân tạo trong hỗ trợ chẩn đoán và phân loại
viêm nha chu trên phim X-quang toàn cảnh khi so sánh với các bác sĩ. …………..79
4. CHƯƠNG 4: BÀN LUẬN…………………………………………………………………………90
4.1. Thiết kế nghiên cứu và cỡ mẫu…………………………………………………………..90
4.2. Xây dựng mô hình trí tuệ nhân tạo ……………………………………………………..99
4.3. Đánh giá tính giá trị của mô hình trí tuệ nhân tạo……………………………….109
4.4. So sánh khả năng chẩn đoán của hệ thống AI với chuyên gia lâm sàng…121
4.5. Ý nghĩa ứng dụng, điểm mạnh và hạn chế của nghiên cứu…………………..140
KẾT LUẬN……………………………………………………………………………………………….145
KIẾN NGHỊ ………………………………………………………………………………………………147
TÀI LIỆU THAM KHẢO
PHỤ LỤC 1: PHÂN TÍCH KỸ THUẬT DỮ LIỆU HUẤN LUYỆN MÔ HÌNH
PHỤ LỤC 2: BẢN THÔNG TIN DÀNH CHO NGƯỜI THAM GIA NGHIÊN CỨU
VÀ ĐỒNG THUẬN THAM GIA NGHIÊN CỨU
PHỤ LỤC 3: HƯỚNG DẪN ĐÁNH GIÁ PHIM
PHỤ LỤC 4: CHẤP THUẬN CỦA HỘI ĐỒNG Y ĐỨC
PHỤ LỤC 5: DANH SÁCH PHIM TOÀN CẢNH TỪ BỘ DỮ LIỆU PANORAMIC
DENTAL RADIOGRAPHY
PHỤ LỤC 6: DANH SÁCH PHIM TOÀN CẢNH LƯU TRỮ TẠI BỘ MÔN CHẨN
ĐOÁN HÌNH ẢNH
PHỤ LỤC 7: DANH SÁCH BỆNH ÁN LƯU TRỮ TẠI BỘ MÔN NHA CHU DO
SINH VIÊN RĂNG HÀM MẶT GHI NHẬN VÀ ĐIỀU TR

DANH MỤC CÁC BẢNG
Bảng 1.1. Phân loại bệnh nha chu theo Hiệp hội Nha chu Hoa Kì năm 1989…………………… 9
Bảng 1.2. Phân loại bệnh nha chu theo Hiệp hội Nha chu Hoa Kì năm 1999…………………… 11
Bảng 1.3. Phân loại bệnh nha chu theo Hiệp hội Nha chu Hoa Kì năm 2017…………………… 12
Bảng 1.4. Phân loại viêm nha chu theo Hiệp hội Nha chu Hoa Kì năm 2017…………………… 13
Bảng 1.5. Phân loại giai đoạn viêm nha chu theo Hiệp hội Nha chu Hoa Kì năm 2017…….. 14
Bảng 1.6. Phân loại cấp độ viêm nha chu theo Hiệp hội Nha chu Hoa Kì năm 2017 ………… 16
Bảng 1.7. Các rào cản của phân loại mới với các nhóm điều trị …………………………………….. 19
Bảng 1.8. Bảng phân loại ứng dụng của AI theo các công nghệ cốt lõi …………………………… 24
Bảng 1.9. Các chỉ số đánh giá hiệu suất của mô hình phân đoạn ……………………………………. 32
Bảng 1.10. Các nghiên cứu AI trong chẩn đoán viêm nha chu ………………………………………. 40
Bảng 2.1. Định nghĩa biến số…………………………………………………………………………………….. 47
Bảng 2.2. Các tham số huấn luyện cho các mô hình …………………………………………………….. 53
Bảng 2.3. Phân loại giai đoạn viêm nha chu theo AAP năm 2017………………………………….. 55
Bảng 2.4. Phân loại cấp độ viêm nha chu theo AAP năm 2017 ……………………………………… 55
Bảng 3.1. Phân bố số lượng và tỷ lệ cấu trúc giải phẫu trong bộ dữ liệu (N=500) ……………. 66
Bảng 3.2. Phân bố số lượng phim theo giai đoạn theo phim X-quang (N=500) ……………….. 67
Bảng 3.3. Hiệu suất của mô hình (KTC 95%) trên dữ liệu kiểm định và kiểm tra ……………. 74
Bảng 3.4. Đặc điểm lâm sàng của nhóm bệnh nhân (N = 50) ………………………………………… 79
Bảng 3.5. Phân bố 54 trường hợp không đồng thuận theo đánh giá của chuyên gia (n=54).. 80
Bảng 3.6. Phân bố số lượng răng không đồng thuận theo phim (n = 29)…………………………. 81
Bảng 3.7. Kết quả so sánh giữa mô hình AI và chuyên gia về giai đoạn bệnh (n=1260)……. 82
Bảng 3.8. Hiệu suất chẩn đoán của mô hình AI cho từng giai đoạn bệnh (KTC 95%)………. 83
Bảng 3.9. Đánh giá sự đồng thuận của AI và chuyên gia (n= 50)…………………………………… 84
Bảng 3.10. Kết quả so sánh giữa mô hình AI và chuyên gia về cấp độ bệnh (n = 50)……….. 85
Bảng 3.11. Phân tích thời gian suy luận của các mô hình thành phần (n = 50)…………………. 87
Bảng 3.12. Thời gian phản hồi thực tế của hệ thống qua giao diện Web (n = 50) …………….. 88
Bảng 3.13. Thống kê mô tả thời gian chẩn đoán lâm sàng của hội đồng chuyên gia…………. 89x
Bảng 4.1. So sánh các kiến trúc mô hình trong các nghiên cứu phân đoạn……………………… 100
Bảng 4.2. So sánh thiết kế hệ thống với các nghiên cứu khác………………………………………… 102
Bảng 4.3. So sánh kiến trúc mô hình với các nghiên cứu đại diện ………………………………….. 111
Bảng 4.4. So sánh độ chính xác của mô hình với các nghiên cứu khác …………………………… 114
Bảng 4.5. So sánh hiệu suất giữa nghiên cứu này với các nghiên cứu khác …………………….. 120
Bảng 4.6. So sánh hiệu suất AI theo từng giai đoạn bệnh giữa các nghiên cứu………………… 128
Bảng 4.7. So sánh hiệu suất chẩn đoán AI với nhóm các bác sĩ……………………………………… 129
Bảng 4.8. Sự tương quan giữa AI với các bác sĩ tham gia chẩn đoán ……………………………… 132
Bảng 4.9. So sánh khả năng phân loại cấp độ của mô hình……………………………………………. 136
Bảng 4.10. So hiệu suất thời gian giữa các nghiên cứu AI chẩn đoán viêm nha chu…………. 13

DANH MỤC CÁC HÌNH
Hình 1.1. Khác biệt giữa răng có mô nha chu lành mạnh và viêm nha chu ……………………. 3
Hình 1.2. Tỷ lệ VNC thay đổi (%) trung bình theo từng năm, giai đoạn 1990-2021 ……….. 5
Hình 1.3. Mối liên hệ giữa VNC và các bệnh lý toàn thân …………………………………………… 6
Hình 1.4. So sánh cách nhìn nhận một ảnh giữa mắt người và máy tính………………………… 26
Hình 1.5. Phân biệt các nhiệm vụ trong mô hình thị giác máy tính……………………………….. 27
Hình 1.6. Hình ảnh huấn luyện cho mục tiêu phát hiện sâu răng ………………………………….. 29
Hình 1.7. Hình ảnh huấn luyện cho mục tiêu nhận diện răng……………………………………….. 29
Hình 1.8. Ví dụ về ma trận nhầm lẫn giữa thực tế và mô hình dự đoán …………………………. 30
Hình 1.9. Dương tính thật, dương tính giả, âm tính thật, âm tính giả trong mô hình AI…… 32
Hình 1.10. Phát hiện tình trạng tiêu xương trên phim toàn cảnh …………………………………… 36
Hình 1.11. Kết hợp 3 thuật toán khác nhau giúp chẩn đoán giai đoạn VNC…………………… 38
Hình 1.12. Mô hình YOLOv8 trong phát hiện tỷ lệ tiêu xương theo các răng ………………… 38
Hình 2.1. Hình ảnh X-quang được phân đoạn theo đường viền xương ổ, CEJ, răng ……….. 51
Hình 2.2. Áp dụng thuật toán tăng cường dữ liệu cho ảnh gốc …………………………………….. 52
Hình 2.3. Cách xác định tỷ lệ mất xương trên phim X-quang ………………………………………. 54
Hình 2.4. Giao diện ứng dụng web hỗ trợ hiển thị kết quả của mô hình AI……………………. 56
Hình 2.5. Phiếu thông tin chẩn đoán dành cho các bác sĩ chuyên gia ……………………………. 59
Hình 2.6. Sơ đồ tóm tắt quá trình nghiên cứu …………………………………………………………….. 60
Hình 3.1. Sơ đồ quy trình tuyển chọn và phân chia dữ liệu………………………………………….. 66
Hình 3.2. Quy trình xử lý của hệ thống chẩn đoán viêm nha chu………………………………….. 76
Hình 3.3. Giao diện hệ thống chẩn đoán viêm nha chu tự động ……………………………………. 77
Hình 3.4. Kết quả phân tích phim …………………………………………………………………………….. 77
Hình 3.5. Bảng phân loại giai đoạn và cấp độ theo AAP 2017 …………………………………….. 78
Hình 3.6. Bảng chi tiết tình trạng mất xương theo từng răng ……………………………………….. 78xii
DANH MỤC CÁC BIỂU ĐỒ
Biểu đồ 3.1 Đường cong A. Precision và B. Recall (mô hình viền xương) …………………… 68
Biểu đồ 3.2. Đường cong tương quan giữa Precision và Recall (mô hình viền xương)…… 68
Biểu đồ 3.3. Đường cong tương quan giữa F1 – độ tự tin (mô hình viền xương) …………… 69
Biểu đồ 3.4. Đường cong A. Precision và B. Recall (mô hình CEJ)…………………………….. 70
Biểu đồ 3.5. Đường cong tương quan giữa Precision và Recall (mô hình CEJ) …………….. 70
Biểu đồ 3.6. Đường cong tương quan giữa F1 – độ tự tin (mô hình CEJ)……………………… 71
Biểu đồ 3.7. Đường cong A. Precision và B. Recall (mô hình răng) ……………………………. 71
Biểu đồ 3.8. Đường cong tương quan giữa Precision và Recall (mô hình răng)…………….. 72
Biểu đồ 3.9. Đường cong tương quan giữa F1 – độ tự tin (mô hình răng) …………………….. 72
Biểu đồ 3.10. So sánh hiệu năng mô hình trên dữ liệu kiểm định và kiểm tra………………..