Trí tuệ nhân tạo giúp dự đoán biểu hiện gene của ung thư niêm mạc miệng

Nhóm y bác sĩ, chuyên gia và nhà khoa học tại Đại học Y Dược TP.HCM vừa xây dựng thành công mô hình đánh giá đặc điểm hóa mô miễn dịch và sinh học phân tử của ung thư biểu mô tế bào gai niêm mạc miệng bằng kỹ thuật học máy.

Ngày nay, ung thư (hay còn được gọi là K) là một căn bệnh nguy hiểm và phổ biến, gây tử vong hàng đầu trên toàn cầu. Bệnh ung thư (còn được gọi là bệnh ác tính) về cơ bản là tình trạng mất kiểm soát trong quá trình phân chia và phát triển của các tế bào trong cơ thể. Các tế bào ung thư không tuân theo quy luật tự nhiên của cơ thể, không chết đi như các tế bào bình thường và không thể thực hiện chức năng bình thường cho cơ thể. Quá trình hình thành ung thư bắt đầu khi một hoặc nhiều tế bào bị biến đổi về mặt di truyền (đột biến) trong nhân tế bào.

Đột biến có thể xảy ra do di truyền, tác động môi trường, lỗi trong quá trình sao chép vật chất di truyền, hoặc các yếu tố khác. Khi các tế bào ung thư bị biến đổi, chúng có thể tiếp tục phân chia một cách không kiểm soát, tạo thành một khối u ác tính. Các tế bào ung thư có thể phát triển, xâm lấn vào mô và các cơ quan xung quanh, gây cản trở, rối loạn về hoạt động và chức năng bình thường của cơ quan, bộ phận này.

Bên cạnh đó, các tế bào ung thư có thể đi theo hệ thống mạch máu và mạch bạch huyết, lan đến các phần khác của cơ thể (gọi là di căn), gây ra các triệu chứng tại các cơ quan này và ảnh hưởng đến sức khỏe tổng thể cho người bệnh.

Trong đó, ung thư niêm mạc miệng là một trong 16 loại ung thư thường gặp nhất. Đây là một bệnh lý đa nguyên nhân, những yếu tố nguy cơ quan trọng nhất đã biết là thói quen hút thuốc, uống rượu, nhai trầu.

TS.BS. Huỳnh Công Nhật Nam (Đại học Y Dược TP.HCM) cho biết ung thư niêm mạc miệng là sự tân sinh ác tính chiếm khoảng 90% trong số các bệnh lý ác tính ở miệng và ảnh hưởng đến nhiều vị trí giải phẫu khác nhau, đặc biệt là môi, lưỡi, má, sàn miệng, nướu răng.

Ở Việt Nam, tỷ lệ bệnh nhân ung thư niêm mạc miệng có thói quen hút thuốc cũng như nhai trầu rất cao. Sự phát triển của các kỹ thuật sinh học phân tử giúp cho việc chẩn đoán và điều trị trúng đích ung thư niêm mạc miệng đạt được những thành tựu nhất định.

Trong đó, các phương pháp giải trình tự có độ chính xác cao nhất, nhưng chi phí cũng tốn kém nhất. Giải trình tự RNA (RNAseq) là kỹ thuật phổ biến trong khoa học đời sống, đặc biệt trong nghiên cứu ung thư, phát triển thuốc, chẩn đoán và tiên lượng ung thư.

"Tuy nhiên tại Việt Nam, đặc biệt là trong ung thư đầu mặt cổ, ung thư biểu mô tế bào gai niêm mạc miệng, chưa có nghiên cứu nào về giải trình tự mRNA", TS.BS. Huỳnh Công Nhật Nam nhận định, "Song với sự phát triển của các công nghệ trí tuệ nhân tạo và học máy, việc tích hợp các đặc điểm lâm sàng, giải phẫu bệnh và kết quả giải trình tự biểu hiện gen nhằm phân nhóm và dự đoán biểu hiện gen cũng như tiên lượng của bệnh nhân là một bước tiến mới trong nghiên cứu ung thư".

Nhận thấy tính cấp thiết trong việc quản lý nhóm bệnh này sao cho hiệu quả và chính xác, Đại học Y Dược TP.HCM đã triển khai nhiệm vụ khoa học - công nghệ "Xây dựng mô hình đánh giá đặc điểm hoá mô miễn dịch và sinh học phân tử của ung thư biểu mô tế bào gai niêm mạc miệng bằng kỹ thuật học máy".

TS.BS. Huỳnh Công Nhật Nam - chủ nhiệm nhiệm vụ cho biết, mục tiêu tổng quát được nhóm nghiên cứu tại Đại học Y Dược TP.HCM đề ra là tập trung nghiên cứu xây dựng mô hình học máy nhằm dự đoán phân nhóm bệnh nhân từ đặc điểm lâm sàng và mô bệnh học; bước đầu xây dựng bộ cơ sở dữ liệu về mRNA-seq trên bệnh nhân ung thư niêm mạc miệng và trang web giúp hỗ trợ chẩn đoán ung thư niêm mạc miệng đầu tiên ở Việt Nam.

Lập bản đồ "nhận biết" và "hiểu rõ" khối u

Sau thời gian làm việc nghiêm túc và trách nhiệm, TS.BS Huỳnh Công Nhật Nam và cộng sự đã hoàn thành các nội dung như: (1) Đánh giá điểm số đặc điểm lâm sàng và mô bệnh học của bệnh nhân ung thư biểu mô tế bào gai niêm mạc miệng; (2) Giải trình tự và phân tích mRNA khối mô bệnh phẩm đã được đúc trong parafin của các bệnh nhân ung thư biểu mô tế bào gai niêm mạc miệng; xây dựng và kiểm tra mô hình học máy dự đoán phân nhóm của mRNA-seq dựa trên các đặc điểm giải phẫu bệnh và đề xuất dấu ấn sinh học cần được kiểm tra bằng nhuộm hoá mô miễn dịch (HMMD).

Cuối cùng, là một phần quan trọng của nhiệm vụ khoa học - công nghệ vừa được Sở KH&CN TP.HCM nghiệm thu và thông qua, Đại học Y Dược TP.HCM đã hoàn thiện việc xây dựng trang web chứa cơ sở dữ liệu giải phẫu bệnh, kết quả phân tích mRNA-seq và mô hình dự đoán biểu hiện mRNA từ kết quả giải phẫu bệnh.

Theo đó, website tại địa chỉ https://oscc.vn gồm các phần: trang chủ, giới thiệu, cơ sở dữ liệu (CSDL) giải trình tự mRNA, giải phẫu bệnh, hoá mô miễn dịch, biểu hiện gene, mô hình học máy, đánh giá đặc điểm lâm sàng - mô bệnh học, công bố kết quả.

Giao diện trang chủ oscc.vn

Ngoài ra, nhiệm vụ do Đại học Y Dược TP.HCM triển khai cũng đã hoàn thành 2 mô hình dự đoán gồm mô hình SVM và XGBoost dự đoán phân nhóm ung thư niêm mạc miệng dựa trên các đặc điểm lâm sàng - mô bệnh học với độ chính xác 70,5% và 71,4%.

Mô hình dự đoán và trang web có giao diện thân thiện, đơn giản, dễ tiếp cận, có thể phổ biến rộng rãi, giúp các bác sĩ trong việc gợi ý biểu hiện gen của bệnh nhân từ hình ảnh và điểm số giải phẫu bệnh, hỗ trợ phát hiện các dấu ấn sinh học quan trọng, từ đó cải thiện chẩn đoán và đề xuất liệu pháp điều trị trúng đích hiệu quả hơn.

Giao diện trang tìm kiếm theo gene

Bên cạnh đó, cơ sở dữ liệu giải trình tự mRNA của 101 mẫu ung thư niêm mạc miệng gồm dữ liệu gốc và dữ liệu đã xử lý, đạt chỉ số DV200 >30%, tỷ lệ aligned trung bình 90% và biểu hiện của 15.094 gene; cơ sở dữ liệu giải phẫu bệnh của 206 mẫu ung thư niêm mạc miệng (gồm 101 mẫu giải trình tự và 105 mẫu độc lập) và hoá mô miễn dịch của các dấu ấn sinh học của 50 mẫu độc lập; báo cáo chuyên đề quy trình đánh giá mô học và giải trình tự mRNA trên bệnh nhân ung thư biểu mô tế bào gai niêm mạc miệng.

Giao diện trang tải về hình ảnh giải phẫu bệnh

Báo cáo trước Hội đồng tư vấn nghiệm thu, TS.BS. Huỳnh Công Nhật Nam khẳng định rằng kết quả của nhiệm vụ khoa học - công nghệ này đã đóng góp những hiểu biết sâu sắc về vi môi trường khối u của ung thư niêm mạc miệng và cung cấp mô hình học máy tin cậy để dự đoán các dấu ấn sinh học bằng các đặc điểm lâm sàng và mô bệnh học.

Phân nhóm 1 với tình trạng uống rượu, lớn tuổi hơn, nam giới, các đặc điểm mô bệnh học nghiêm trọng hơn, tăng cường đáng kể tế bào T CD8, phản ứng miễn dịch và các dấu ấn sinh học của cái chết theo chương trình và p53.

Phân nhóm 2 được thể hiện bằng tình trạng uống rượu ít hơn, các đặc điểm lâm sàng nghiêm trọng hơn, với dấu ấn sinh học về phân chia/sửa chữa tế bào, các tín hiệu của tế bào ác tính (đột biến) và giàu tế bào T CD4. Phân nhóm 1 đặc trưng với biểu hiện SLAIN2+, ADNP+++, SLK++, MARCKS-; phân nhóm 2 với biểu hiện SLAIN2-, ADNP++, SLK+, MARCKS+. Bệnh nhân biểu hiện cao SLAIN2, ADPN có tiên lượng tốt hơn bệnh nhân biểu hiện cao MARCKS.

Qua phân tích, nhóm nghiên cứu nhận thấy, phân nhóm 1 có biểu hiện khả quan hơn phân nhóm 2. Từ đó, có thể thấy rằng, những phát hiện trong nghiên cứu này làm nổi bật tiềm năng của việc tích hợp các công nghệ tiên tiến như học máy với các phương pháp chẩn đoán truyền thống để gia tăng hiểu biết và quản lý ung thư niêm mạc miệng ở bệnh nhân người Việt Nam. Các dấu ấn sinh học mới đã được đề xuất cho từng phân nhóm ung thư niêm mạc miệng, cung cấp các mục tiêu tiềm năng cho nghiên cứu trong tương lai và các ứng dụng lâm sàng.

Quang cảnh buổi nghiệm thu nhiệm vụ

Có thể khẳng định rằng, kết quả của nhiệm vụ có thể ứng dụng vào việc hỗ trợ chẩn đoán và nghiên cứu cơ chế sinh học phân tử mang tính cá nhân hóa trên bệnh nhân ung thư biểu mô tế bào gai niêm mạc miệng. Đây là nghiên cứu đầu tiên ứng dụng công nghệ giải trình tự mRNA trên bệnh nhân ung thư đầu mặt cổ ở Việt Nam; cũng là đề tài đầu tiên ứng dụng học máy nhằm xây dựng mô hình dự đoán biểu hiện gene dựa trên đặc điểm giải phẫu bệnh.

Với việc cung cấp lượng dữ liệu biểu hiện mRNA trên bệnh nhân ung thư đầu mặt cổ đầu tiên ở Việt Nam, đề tài giúp cung cấp một cái nhìn sâu và toàn diện về biểu hiện gene của bệnh nhân, từ đó giúp các nhà lâm sàng, nhà nghiên cứu có thể khai khác sâu hơn dữ liệu phục vụ cho công việc nghiên cứu, chẩn đoán, tiên lượng, điều trị, đặc biệt là điều trị trúng đích trên bệnh nhân ung thư.

"Chưa dừng lại ở đó, dữ liệu và mô hình học máy của nghiên cứu này có thể được ứng dụng vào các công nghệ y tế, mở ra cơ hội hợp tác với các công ty dược phẩm, công nghệ sinh học để phát triển xét nghiệm tiên tiến hơn", TS.BS. Huỳnh Công Nhật Nam nhấn mạnh về tác động kinh tế của nhiệm vụ, "Ngoài ra, với sự phát triển của khoa học, khi đưa ra được các chẩn đoán chính xác hơn, liệu pháp điều trị ít xâm lấn hơn, chắc chắn sẽ giúp giảm biến chứng, nâng cao tỷ lệ sóng sót và chất lượng của cuộc sống sau điều trị cho bệnh nhân".