Các nhà nghiên cứu bệnh học ở người được đào tạo chuyên sâu để phát hiện khi các mẫu mô của một bệnh nhân vô tình rơi vào các phiến kính hiển vi của bệnh nhân khác (một vấn đề được gọi là ô nhiễm mô). Tuy nhiên, một nghiên cứu mới cho biết sự ô nhiễm như vậy có thể dễ dàng gây nhầm lẫn cho các mô hình trí tuệ nhân tạo (AI), vốn thường được đào tạo trong môi trường mô phỏng, nguyên sơ. Nghiên cứu cho thấy mỗi mô hình trong số bốn mô hình AI trong nghiên cứu đều chú ý quá nhiều đến tình trạng ô nhiễm mô, dẫn đến sai sót khi chẩn đoán hoặc phát hiện tổn thương mạch máu, tuổi thai, tổn thương và ung thư tuyến tiền liệt.

Trong nghiên cứu mới, các nhà khoa học đã huấn luyện ba mô hình AI để quét các phiến kính hiển vi của mô nhau thai để (1) phát hiện tổn thương mạch máu; (2) ước tính tuổi thai; và (3) phân loại các tổn thương vĩ mô.

Họ đã đào tạo mô hình AI thứ tư để phát hiện ung thư tuyến tiền liệt trong các mô được thu thập từ sinh thiết bằng kim.

Khi các mô hình đã sẵn sàng, các nhà khoa học cho mỗi mô hình tiếp xúc với một phần nhỏ mô gây ô nhiễm (ví dụ như bàng quang, máu, v.v.) được lấy mẫu ngẫu nhiên từ các slide khác.

Cuối cùng, họ đã kiểm tra phản ứng của AI.

Nghiên cứu cho thấy mỗi mô hình trong số bốn mô hình AI đều chú ý quá nhiều đến tình trạng ô nhiễm mô, dẫn đến sai sót khi chẩn đoán hoặc phát hiện tổn thương mạch máu, tuổi thai, tổn thương và ung thư tuyến tiền liệt.

Phát hiện này đã được công bố vào đầu tháng này trên tạp chí Bệnh học hiện đại. Nó đánh dấu nghiên cứu đầu tiên kiểm tra mức độ ô nhiễm mô ảnh hưởng đến các mô hình học máy.

Nghiên cứu chỉ ra rằng ô nhiễm mô là một vấn đề đối với các nhà nghiên cứu bệnh học.

Một nhà nghiên cứu bệnh học kiểm tra 80 đến 100 tấm kính mỗi ngày có thể mong đợi nhìn thấy hai đến ba tấm kính chứa chất gây ô nhiễm, nhưng họ đã được đào tạo để bỏ qua chúng.

Khi con người kiểm tra mô trên các slide, họ chỉ có thể nhìn vào một trường giới hạn trong kính hiển vi, sau đó chuyển sang một trường mới,... Sau khi kiểm tra toàn bộ mẫu, họ kết hợp tất cả thông tin thu thập được để đưa ra chẩn đoán.

Một mô hình AI hoạt động theo cách tương tự, nhưng nghiên cứu cho thấy AI dễ bị các chất gây ô nhiễm đánh lừa.

Các mô hình AI tập trung cao độ vào các chất gây ô nhiễm, cho thấy không có khả năng mã hóa các tạp chất sinh học.

Các nhà khoa học AI trước đây trong lĩnh vực bệnh lý học đã nghiên cứu các loại tạo tác hình ảnh khác nhau, chẳng hạn như độ mờ, mảnh vụn trên slide, nếp gấp hoặc bong bóng, nhưng đây là lần đầu tiên họ kiểm tra tình trạng nhiễm bẩn mô.