Siêu âm chức năng: Khi sóng âm trở thành 'mắt thần' của ngành thần kinh học

Trong nhiều thập kỷ, chụp cộng hưởng từ chức năng (fMRI) đã thống trị lĩnh vực chẩn đoán hình ảnh não bộ. Tuy nhiên, một công nghệ mới mang tên Siêu âm chức năng (fUSI) đang nổi lên như một đối thủ đáng gờm. Với khả năng ghi lại "thước phim" về dòng chảy máu trong não với tốc độ cực nhanh, fUSI hứa hẹn mang lại độ phân giải cao gấp 10 lần, thiết bị nhỏ gọn hơn và chi phí thấp hơn đáng kể so với fMRI truyền thống.

Minh họa nguyên lý siêu âm chức năng

Từ siêu âm cấu trúc đến siêu âm chức năng

Hầu hết chúng ta đều quen thuộc với siêu âm cấu trúc, phương pháp tạo ra những hình ảnh tĩnh như trong siêu âm thai. Ngược lại, siêu âm chức năng không chỉ chụp ảnh mà còn quay video về mô não với tốc độ cực nhanh, theo dõi những thay đổi tinh tế do lưu lượng máu gây ra sau hoạt động thần kinh.

Phương pháp này lần đầu được chứng minh bởi Macé và cộng sự (2011) trên não chuột. Một đầu dò siêu âm được dùng để chụp ảnh não với tốc độ cực cao, sau đó thuật toán máy tính sẽ tách ra những pixel thay đổi nhanh chóng, tạo thành bản đồ mạch máu.

Điểm đáng chú ý là fUSI sử dụng cùng nguồn tương phản với fMRI, nhưng có tiềm năng vượt trội hơn hẳn về nhiều mặt:

• Độ phân giải tuyến tính cao hơn tới 10 lần (gấp 1000 lần số voxel)
• Thiết bị nhỏ gọn hơn (không cần nam châm siêu dẫn cồng kềnh)
• Chi phí thấp hơn đáng kể
• Tỷ lệ tín hiệu trên nhiễu (SNR) cao hơn

Công nghệ này còn kết hợp tự nhiên với siêu âm tập trung cường độ thấp (LIFU) — một phương pháp điều trị mới đầy hứa hẹn cho các rối loạn tâm thần kinh và thần kinh. Trong tương lai, các phiên bản mở rộng sử dụng chất tương phản hoặc liệu pháp gen có thể đo trực tiếp hoạt động thần kinh, vượt xa giới hạn của phản ứng huyết động hiện tại.

Điều đáng kinh ngạc là dù siêu âm khó xuyên qua hộp sọ, fUSI đã được chứng minh trong môi trường phẫu thuật và trên một bệnh nhân được cấy ghép sọ trong suốt về mặt âm học sau phẫu thuật tái tạo.

Nguyên lý hoạt động: Từ sóng siêu âm đến tín hiệu máu

Sóng phẳng siêu nhanh

Siêu âm truyền thống tạo hình ảnh bằng cách quét một chùm tia hội tụ theo kiểu "sonar trong tàu ngầm". fUSI sử dụng chiến lược ghép kênh khác biệt: thay vì chùm tia hội tụ, nó phát sóng phẳng không hội tụ với mặt sóng phẳng, chiếu sáng toàn bộ mặt phẳng chụp cùng lúc.

Tốc độ lặp lại bị giới hạn bởi thời gian sóng phản hồi trở về đầu dò. Với quãng đường khứ hồi 10 cm và tốc độ truyền 1500 m/s, tốc độ lặp đạt tới 15 kHz. Trong thực tế, sóng phẳng được truyền ở nhiều góc độ khác nhau và lặp lại nhiều lần, sau đó kết hợp mạch lạc để giảm tốc độ khung hình xuống mức hợp lý.

Bài toán tái tạo là suy luận mật độ các hạt tán xạ trong mô từ chuỗi thời gian của mỗi phần tử. Với giả định môi trường nền đồng nhất, ta có thể rút ra phương trình truyền sóng giải tích và mô phỏng bằng biến đổi Fourier.

Thuật toán phổ biến nhất là delay-and-sum beamforming: với mỗi pixel, tính thời gian sóng âm đi từ đầu dò đến điểm đó và quay lại, áp dụng độ trễ tương ứng lên tín hiệu thô, rồi cộng chúng lại trong không gian ảnh. Giao thoa cấu trúc sẽ làm nổi bật vị trí các hạt tán xạ.

Tách dòng chảy máu: Power Doppler

Sau khi có một chồng ảnh lớn được thu thập nhanh chóng, ta có thể dùng ước lượng độ lệch chuẩn trong cửa sổ trượt để đo mức độ thay đổi của kết cấu ảnh — đại diện cho thể tích máu. Đây gọi là ước lượng Power Doppler (PD).

Tên gọi này có phần gây nhầm lẫn: PD không đo dịch chuyển tần số Doppler, mà chỉ đo sự thay đổi về biên độ và pha của ảnh. Nó nhạy cảm với cả chuyển động dọc theo chùm tia lẫn vuông góc với chùm tia.

Một vấn đề lớn của Power Doppler là nó rất nhạy với chuyển động toàn cục không phải do phản ứng huyết động — ví dụ như nhịp tim, hơi thở, hoặc rung tay. Trong chẩn đoán hình ảnh não, mọi thứ đều chuyển động: xung và hô hấp làm rung đầu dò và mô (hãy nhớ, não có kết cấu như bơ ấm!). Giải pháp cổ điển là lọc clutter: sử dụng SVD để tìm các thành phần chính trong phân rã theo thời gian và không gian, sau đó loại bỏ chúng.

Tuy nhiên, lọc clutter thường loại bỏ hơn 99% phương sai trong chuỗi ảnh — một công cụ khá thô bạo. Giải pháp tốt hơn là ước lượng và loại bỏ chuyển động trực tiếp bằng bộ ước lượng chuyển động cứng từng phần (ví dụ NoRMCorre), vốn được dùng trong phân tích hình ảnh canxi.

Sơ đồ xử lý tín hiệu siêu âm chức năng

Cải tiến bằng hàm tự tương quan

Cũng chưa chắc rằng độ lệch chuẩn là ước lượng tốt nhất cho chuyển động của hồng cầu. Lấy cảm hứng từ quang phổ tương quan khuếch tán, chúng ta có thể đọc chuyển động của hạt tán xạ từ hàm tự tương quan của tín hiệu thay vì độ lệch chuẩn.

Nếu tín hiệu Power Doppler chủ yếu nhạy với số lượng hạt tán xạ (thể tích máu não), thì thời gian suy giảm tự tương quan tỷ lệ thuận hơn với vận tốc (lưu lượng máu não). Điều này mở ra một kênh nghiên cứu trực giao, như được chứng minh bởi Tang và cộng sự (2020).

Cuối cùng, ta có thể hình dung bỏ qua toàn bộ xử lý tín hiệu này và dùng phương pháp học sâu đầu-cuối để nhúng chuỗi ảnh dùng cho giải mã. Đáng tiếc là dữ liệu fUSI mở rất khan hiếm, khiến việc huấn luyện mô hình nền tảng trên dữ liệu thực gần như bất khả thi — nhưng mô phỏng có thể giải quyết được vấn đề này.

Phân tích dữ liệu và ứng dụng trong giao diện não-máy tính

Giả sử ta đo tín hiệu Power Doppler đã lọc clutter trên vỏ não vận động, trong bối cảnh bệnh nhân được yêu cầu dùng cần điều khiển để vẽ hình theo các cách khác nhau. Chuỗi thời gian này có thể phân tích bằng các phương pháp tương tự như fMRI:

• Mô hình tuyến tính tổng quát (GLM) để tìm các voxel chịu điều biến bởi ý định vận động
• Bộ giải mã (ví dụ hồi quy logistic) để xác định hướng mà bệnh nhân cố gắng di chuyển cần điều khiển
• MVPA và các biến thể của mô hình mã hóa/giải mã

Một câu hỏi mở quan trọng là độ phân giải thêm của fUSI mang lại bao nhiêu lợi ích so với fMRI về độ chính xác giải mã. Câu trả lời phụ thuộc vào biến số cần giải mã: một số biến được mã hóa trơn tru trên đa tạp vỏ não (như võng mạc, bản đồ cơ thể), trong khi những biến khác phân bố rải rác hơn nhiều (như tính chọn lọc hướng trong vỏ não thị giác sơ cấp).

Bản đồ kích hoạt não từ dữ liệu fUSI

Giới hạn từ cấu trúc mạch máu

Vượt qua một ngưỡng độ phân giải nhất định, tín hiệu bị giới hạn bởi cấu trúc liên kết của mạch máu. Tín hiệu ở cấp mao mạch — nơi nuôi dưỡng một vài tế bào thần kinh — có tính chọn lọc cao nhất nhưng lại cực nhỏ. Ngược lại, các tĩnh mạch lớn mang tín hiệu đủ lớn để fUSI thu nhận, nhưng vì chúng trung bình hóa trên một vùng thoát nước rộng với tính chọn lọc hỗn hợp, nên khả năng chọn lọc kém.

Hãy tưởng tượng việc đọc mức độ ô nhiễm từ sông Mississippi bằng vệ tinh: bạn sẽ nhận được tín hiệu mạnh ở New Orleans — nơi sông rộng hàng dặm — nhưng không thể xác định được nguồn ô nhiễm vì lưu vực tại điểm đó bao phủ phần lớn lục địa.

Có khả năng các tiểu tĩnh mạch nằm ở điểm ngọt — vị trí lý tưởng. Thật vậy, các hình ảnh kích hoạt từ GLM cho thấy tín hiệu điều biến tốt nhất không nằm trên các tĩnh mạch lớn (dễ thấy), mà ở vùng ngoại vi của chúng — nơi có lẽ là các tiểu tĩnh mạch.

Kết luận: Tương lai còn rộng mở

fUSI vẫn đang ở giai đoạn sơ khai nhưng sở hữu tiềm năng rất lớn. Một phần quan trọng trong lộ trình phát triển là làm cho công nghệ này dễ tiếp cận hơn. Khi tác giả bắt đầu tìm hiểu về fUSI khoảng một năm trước, các tác nhân AI thậm chí không thể mô phỏng đúng sự lan truyền của siêu âm hoặc viết chính xác thuật toán delay-and-sum.

Để giải quyết vấn đề này, tác giả đã xây dựng bốn notebook Python mã nguồn mở trên GitHub:

1. Truyền sóng siêu âm — mô phỏng vật lý cơ bản
2. Tái tạo cấu trúc — từ tín hiệu thô đến ảnh
3. Tái tạo chức năng — trích xuất tín hiệu huyết động
4. Phân tích dữ liệu thực — áp dụng GLM và giải mã

Đối với độc giả Việt Nam quan tâm đến khoa học thần kinh tính toán, học máy y tế hoặc thiết bị y tế thông minh, đây là thời điểm lý tưởng để tham gia nghiên cứu. Khi fUSI chứng minh được giá trị lâm sàng trong các thử nghiệm trên người, nhu cầu về kỹ sư và nhà khoa học dữ liệu am hiểu công nghệ này sẽ tăng vọt — mở ra cơ hội nghề nghiệp hấp dẫn trong lĩnh vực healthtech đang bùng nổ tại khu vực Đông Nam Á.