intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Nghiên cứu bước đầu đánh giá vai trò của trí tuệ nhân tạo trong phân tích kết quả X quang ngực thẳng tại Bệnh viện Chợ Rẫy

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST
Báo xấu
6
lượt xem 1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

X quang ngực hiện nay là phương tiện chẩn đoán hình ảnh được sử dụng rộng rãi, có giá trị trong tầm soát, chẩn đoán và theo dõi sau điều trị. Với mục tiêu chẩn đoán nhanh chóng và chính xác, trí tuệ nhân tạo (AI) - ngành khoa học máy tính phát triển vượt bậc và có nhiều ứng dụng trong y học - đã và đang được áp dụng tại các cơ sở y tế ở Việt Nam.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Nghiên cứu bước đầu đánh giá vai trò của trí tuệ nhân tạo trong phân tích kết quả X quang ngực thẳng tại Bệnh viện Chợ Rẫy

  1. NGHIÊN CỨU BƯỚC ĐẦU ĐÁNH GIÁ NGHIÊN CỨU KHOA HỌC VAI TRÒ CỦA TRÍ TUỆ NHÂN TẠO TRONG SCIENTIFIC RESEARCH PHÂN TÍCH KẾT QUẢ X QUANG NGỰC THẲNG TẠI BỆNH VIỆN CHỢ RẪY Role of artificial intelligence in posteroanterior chest X-ray interpretation: Preliminary initial results at Cho Ray Hospital Trần Đức Hải*, Võ Ngọc Huy Thông*, Trần Anh Ngọc*, Tôn Long Hoàng Thân*, Nguyễn Huỳnh Nhật Tuấn*, Lê Văn Phước*, Mamoru Morota* SUMMARY Background: Chest X-ray is currently a widely used diagnostic modality, applied in screening, diagnosis, and post-treatment follow-up. In order to make a quick and accurate diagnosis, artificial intelligence (AI) - a computer science branch that has developed rapidly with many applications in medicine - has been applied in many health facilities in Vietnam. At Cho Ray Hospital, the AI system supporting chest X-ray interpretation has been applied for more than 1 year with 24120 cases processed by AI. This study aims to evaluate the role of artificial intelligence in chest X-ray interpretation at Cho Ray Hospital. Methods: Randomly collecting data from chest X-ray images taken at the exit examination department of Cho Ray Hospital from April 1, 2023, to May 1, 2023. Radiographic images were analyzed by a 5-year experienced radiologist at Cho Ray Hospital and used as reference data. Chest X-ray imaging characteristics including consolidation, interstitial lesions, pulmonary cavities, linear interstitial thickening, calcified nodules, pulmonary nodules, atelectasis, pleural effusion, and pleural thickening were observed. The interpreting time was also recorded. The data was then analyzed by two residents with and without AI assistance, the variables were collected for comparison. Results: The average time for an experienced doctor to analyze the results is: 55.17 ± 32.43 seconds, with AI assistance, this time is shortened to: 16.57 ± 13.78 seconds. Sensitivity for detecting general signs on PA chest radiographs of residents without AI was 73.01%, and specificity was 83.68%, with AI-assisted, the sensitivity, and specificity increased to 97.51% and 94.90%, respectively. For the group of important signs, suggesting TB, the resident's sensitivity and specificity were 73.01% and 83.68%, respectively; with AI-assisted, the sensitivity and specificity increased, reaching 97.49% and 94.83%. Conclusions: AI applications assist in chest radiograph interpreting time reduction while improving sensitivity and specificity. * Bệnh viện Chợ Rẫy Keywords: AI, artificial intelligence, PA chest x-ray, PACS/RIS.  ÑIEÄN QUANG & Y HOÏC HAÏT NHAÂN VIEÄT NAM Số 53 - 12/2023 55
  2. NGHIÊN CỨU KHOA HỌC I. ĐẶT VẤN ĐỀ lượt có và không sử dụng AI hỗ trợ. X quang ngực thẳng là phương tiện hình ảnh học Model AI: Lunit CXR-v3, version 3.1.4.1-C6. Mô được sử dụng nhiều nhất trên toàn thế giới, với ứng dụng hình học sâu: Convolutional Neural Network (CNN) kết rộng rãi trong tầm soát, chẩn đoán và theo dõi sau điều hợp kiến trúc ResNet. trị [7]. Tuy nhiên, trong thực hành, phân tích kết quả X Quy trình đọc phim: mở hình ảnh X quang ngực quang ngực thẳng gặp không ít khó khăn do các nguyên thẳng trên FUJI PACS đã có tích hợp sẵn AI, BSNT không nhân khách quan như chồng ảnh trên hình 2D, tương sử dụng AI tiến hành phân tích kết quả. BSNT có sử dụng phản mô mềm kém cũng như các nguyên nhân chủ quan AI hỗ trợ tiến hành bật chức năng AI và phân tích kết quả. như sai sót chuyên môn do khối lượng, áp lực công việc lớn, bác sĩ chẩn đoán hình ảnh chưa nhiều kinh nghiệm Các biến số được thu thập: [1],[4]. Trên thế giới, trí tuệ nhân tạo (AI) đã được ứng 1) Thời gian đọc kết quả: tính bằng đơn vị giây, từ dụng trong phân tích kết quả X quang ngực thẳng, và thời điểm mở thấy được hình X quang ngực thẳng trên đem lại nhiều kết quả khả quan [9]. Mô hình học sâu đã PACS đến thời điểm phân tích xong kết quả, đóng hình. được chứng minh giúp bác sĩ chẩn đoán hình ảnh cải 2) Đặc điểm hình ảnh trên X quang ngực thẳng: thiện độ chính xác trong chẩn đoán nốt phổi, viêm phổi, đông đặc, tổn thương mô kẽ, tổn thương dạng hang, tổn khí phế thũng, tràn dịch màng phổi...[2],[3],[5],[8]. Với thương xơ, nốt vôi, nốt mờ, xẹp phổi, tràn dịch màng mục tiêu chẩn đoán nhanh chóng và chính xác, hệ thống phổi. AI hỗ trợ phân tích kết quả X quang ngực thẳng đã được triển khai tại khoa Khám xuất cảnh, bệnh viện Chợ Rẫy 3) Nhóm các dấu hiệu gợi ý lao (tổn thương ở vùng (BVCR) từ tháng 2/2022, với 24120 trường hợp được AI đỉnh phổi): Đông đặc, tổn thương mô kẽ, tổn thương xử lý. Nghiên cứu này nhằm đánh giá bước đầu vai trò dạng hang, tổn thương xơ, nốt vôi (Hình 2). của trí tuệ nhân tạo trong phân tích kết quả X quang ngực Các số liệu được phân tích bằng phần mềm R- thẳng tại bệnh viện Chợ Rẫy. 4.3.1. Các biến số đặc điểm hình ảnh được thu thập dưới II. PHƯƠNG PHÁP NGHIÊN CỨU dạng thang điểm, dựa trên mức độ tin cậy của mỗi dấu hiệu (Bảng 1) [9]. Độ nhạy, độ đặc hiệu được tính dựa Tiến hành thu thập ngẫu nhiên dữ liệu hình ảnh từ trên đường cong ROC, diện tích dưới đường cong (AUC) 108 X quang ngực thẳng chụp tại khoa Khám xuất cảnh, được sử dụng để so sánh. bệnh viện Chợ Rẫy, trong thời gian từ 01/04/2023 đến 01/05/2023. Bảng 1. Thang điểm đánh giá các biến số đặc điểm hình ảnh trên X quang ngực thẳng. Tiêu chuẩn chọn mẫu: bệnh nhân đến khám tại khoa Khám xuất cảnh, BVCR, được chụp X quang ngực Thang Mức độ “tự tin” của bác sĩ chẩn đoán hình thẳng trong thời gian nghiên cứu, có dữ liệu hình ảnh trên điểm ảnh về sự hiện diện của mỗi dấu hiệu hệ thống PACS với AI tích hợp hỗ trợ phân tích kết quả. 0 “Không nghĩ” – >95% không có dấu hiệu. Tiêu chuẩn loại trừ: mất, dữ liệu hình ảnh không 1 “Ít nghĩ” – 75% không có dấu hiệu. phân tích được, chụp X quang bộ phận khác. 2 “Có thể” – 50%. Có thể có hoặc không có Hình ảnh được phân tích bởi 1 bác sĩ chẩn đoán dấu hiệu, tuy nhiên không thể quyết định hình ảnh 5 năm kinh nghiệm tại BVCR, được xem như khả năng nào cao hơn. dữ liệu tham chiếu. Dữ liệu sau đó được phân tích bởi 2 bác sĩ nội trú (BSNT) năm 3, đã được đào taọ lý thuyết 3 “Nghi ngờ” – 75% có hiện diện dấu hiệu. theo chương trình học BSNT và thực hành phân tích kết 4 “Chắc chắn” – >95% có hiện diện dấu hiệu. quả X quang ngực thẳng tại BVCR trong 12 tháng, lần 56 ÑIEÄN QUANG & Y HOÏC HAÏT NHAÂN VIEÄT NAM Số 53 - 12/2023
  3. NGHIÊN CỨU KHOA HỌC III) Kết quả với các dấu hiệu gợi ý lao. BSNT có AI hỗ trợ, III. KẾT QUẢ Thời gian đọc kết quả trung bình của bác độ nhạy hiệu độ đặc hiệu đạt có AI97,51% độ nhạy và các dấu và gợi ý lao. BSNT đạt hỗ trợ, và sĩ chẩn đoán hình kết quả trung bình của bác sĩ chẩn Thời gian đọc ảnh giàu kinh nghiệm, 94,90%hiệu đạt đạt 97,51% chung; 97,49% vàdấu hiệu độ đặc với các dấu hiệu và 94,90% với các không sử dụng AI hỗ trợnghiệm, không32,43 là: 55,17 ± sử dụng AI hỗ 94,83% với các dấu hiệu gợi ý lao. hiệu gợi ý lao. chung; 97,49% và 94,83% với các dấu đoán hình ảnh giàu kinh giây. Với AI hỗ trợ, thời gian đọc kết quả rút So sánh với model AI đơn độc, BSNT trợ là: 55,17 Kết quả giây. Với AI hỗ trợ, thời gian đọc III) ± 32,43 So sánh dấu hiệu gợi ý lao. BSNTBSNT hỗ trợ, sử với các với model có AI không ngắn còn: 16,57 ± gian đọc kết kháctrung có ý của bác không sử dụng AI có độAI đơn thấp hơn, tuy nhạy độc, Thời 13,78 giây, 13,78 biệt bình biệt có quả giây, khác dụng có độ đặc hiệu cao hơn. So với 97,51% và độ nhạy và độ đặc hiệu đạt đạt có độ đặc hiệu nghĩaquả rút kê. còn: 16,57 ± ảnh giàu kinh nghiệm, ý kết thống ngắn sĩ chẩn đoán hình nhiênAI có độ nhạy thấp hơn, tuy nhiên BSNT 94,90% với các dấu hiệu chung; 97,49% và nghĩa thống kê. độc có độ nhạy và độ đặc Modelkhông sử dụng AI hỗ trợ là: 55,17 ± 32,43 AI đơn không sửSo vớivới các dấu hiệugiúpýBSNT cải trợ giúp cao hơn. dụng AI, AIkhông sử dụng AI, AI hỗ 94,83% BSNT hỗ trợ gợi lao. hiệu đạt: 93,44% vàAI hỗcó độthời gian đọc đặc quả rút thiện rõ rệtSo sánh với độ đặc hiệuđơn hiệu chẩn đoán BSNT cải thiện nhạy và nhạy vàAI đặc độc, BSNT độ rõ rệt độ model độ chẩn đoán Model AI Với độc trợ,với các và độ kết hiệu đạt: giây. đơn 73,40% nhạy dấu hiệu chung; 93,14% còn:68,99% với các dấukhác biệt có ý ngắn và 16,57 ± 13,78 hiệu hiệu các dấukhông đặcdụng AIhìnhđộ nhạy X X quangtuy các dấu hiệu, sử điểm hình ảnh trên thấp hơn, ngực hiệu, đặc điểm có ảnh trên quang 93,44% và 73,40% với các dấu giây, chung; 93,14% gợi ý lao. BSNTthống kê. dụng AI có độ nhạy nghĩa không sử ngực thẳng nói chung nhómnhómhơn.hiệuvới BSNT nói thẳng nói chung độ đặc hiệu các dấu dấu gợi ý lao nhiên có và ở và ở cao các So hiệu và độ đặc hiệu lần lượt đơn độc có và 83,68% không sử và 68,99% với các dấulà 73,01% lao. BSNT Model AI hiệu gợi ý độ nhạy và độ đặc gợi ý lao nói riêng (Bảng 2, Hình 1).giúp BSNT cải không sử dụng AI, AI hỗ trợ riêng (Bảng 2, Hình 1). với các dấu hiệu 93,44% và hiệu lần lượt là dụng AI có độ đạt:chung; 74,54% và với các 73,01% và hiệu nhạy và độ đặc 73,40% 85,66%dấu hiệu thiện rõ rệt độ nhạy và độ đặc hiệu chẩn đoán 83,68% với các dấu hiệuvà 68,99% với các 85,66% với chung; 93,14% chung; 74,54% và dấu hiệu các dấu hiệu, đặc điểm hình ảnh trên X quang gợi ý lao. BSNT không sử dụng AI có độ nhạy ngực thẳng nói chung và ở nhóm các dấu hiệu Bảng 2. So sánh diện tích dưới đường cong (AUC) của các dấu hiệu giữa BSNT 1). gợi ý lao nói riêng (Bảng 2, Hình và độ đặc hiệu lần lượt là 73,01% và 83,68% có và không sử dụng AI hỗ trợ với các dấu hiệu chung; 74,54% và 85,66% Bảng 2: So sánh diện tích dưới đường cong (AUC) của các dấu hiệu giữa BSNT có và không sử dụng AI hỗ trợ. Bảng 2: So sánh diện tích dưới đường cong (AUC) của các dấu hiệu giữa BSNT có và không sử dụng AI hỗ trợ. Hình 1. So sánh diện tích dưới đường cong (AUC) của các dấu hiệu giữa BSNT có và không sử dụng AI hỗ trợ Hình 1: So sánh diện tích dưới đường cong (AUC) của các dấu hiệu giữa BSNT có và không sử dụng AI hỗ trợ. ÑIEÄN QUANG & Y HOÏC HAÏT 1: So sánh NAM tích dưới đường cong (AUC) của các dấu hiệu giữa BSNT có và không sử 57 Hình NHAÂN VIEÄT diện Số 53 - 12/2023 dụng AI hỗ trợ.
  4. NGHIÊN CỨU KHOA HỌC Trong đó, lao phổi vẫn là bệnh phổi truyền nhiễm khá phổ biến tại Việt Nam và trên thế giới, với khoảng 10 triệu người nhiễm vi khuẩn lao toàn cầu [6]. Tầm soát và chẩn đoán sớm bệnh lao góp phần giúp tăng hiệu quả điều trị, giảm tỉ lệ kháng thuốc và giảm tỉ lệ lây lan trong cộng đồng, từ đó giảm gánh nặng cho hệ thống y tế. X quang ngực thẳng là phương tiện tầm soát lao phổi đầu tay, đơn giản, không xâm lấn và hiệu quả [6]. Nghiên cứu bước đầu tại bệnh viện Chợ Rẫy đã cho thấy ứng dụng trí tuệ nhân tạo phương thức học sâu đã giúp cải thiện rõ rệt độ Hình 2: Minh họa Minh họa phế nang, xơ kèm nốt vôi vùng đỉnh phổi hai bên. Hình 2. tổn thương tổn thương phế nang, xơ kèm nốt vôi vùng đỉnh phổi tham khảo nhạy, độ đặc hiệu của BSNT trong khảo sát các dấu hiệu uận Tài liệu hai bên. ụng AI giúp giảm thời gian phân tích kết gợi ý lao phổi. IV. BÀN LUẬN 1. Brady, A.P., Error and discrepancy in ang ngực thẳng, điều này có ý nghĩa rất g tại các trung tâm, bệnh viện lớn, với giảm thời gian phân tích kết quả X Insights into radiology: inevitable or avoidable? Nghiên cứu của chúng tôi còn nhiều hạn chế như Ứng dụng AI giúp imaging, 2017. 8: p. 171-182. m chụp nhiều. Với bác sĩ đọc chưa nhiều cỡ mẫu nhỏ, dữ liệu tham chiếu đơn giản, số lượng biến quang ngực thẳng, điều này có ý nghĩa et al., Training and validating a m, ứng dụng AI giúp cải thiện rõ rệt chất 2. Cicero, M., rất quan trọng tại số đặc điểm hình ảnh trên X quang ngực thẳng chưa phim, đạt độ nhạy và độ đặc hiệu caoviện lớn, với lượng phim chụp network for computer- các trung tâm, bệnh deep convolutional neural nhiều. hiện các dấu hiệu, đặc điểm hình ảnhnhiều aidednghiệm, ứng dụng AI giúp of nhiều, cần được đánh giá thêm ở các nghiên cứu về sau. Với bác sĩ đọc chưa kinh detection and classification ng ngực thẳng, gần tương đương với bác abnormalities on frontal chest radiographs. V. KẾT LUẬN u kinh nghiệm. cải thiện rõ rệt chất lượngInvestigative đạt độ nhạy và 52(5): p. 281-287. đọc phim, radiology, 2017. độ oát các bệnh truyền nhiễm như lao, giang 3. Hurt, B., et al., Augmenting interpretation of đặc hiệu cao trong phát hiện các dấu hiệu, đặc điểm hình là mục tiêu quan trọng của khám xuất chest radiographs with deep learning probability quả bước đầu tại bệnh viện Chợ Rẫy cho thấy Kết ảnh trên X quang ngực thẳng, gần tương thoracic với bác 2020. 35(5): p. AI giúp giảm rõ rệt thời gian phân tích kết quả X maps. Journal of đương imaging, ứng dụng ng đó, lao phổi vẫn là bệnh phổi truyền á phổ biến tại Việt Nam và trên thế nghiệm. 285. sĩ đọc giàu kinh giới, quang ngực thẳng đồng thời cải thiện độ nhạy và độ đặc g 10 triệu người nhiễm vi khuẩn lao toàn 4. Lee, C.S., et al., Cognitive and system factors hiệu phát hiện các tổn thương trên X quang ngực thẳng ầm soát và chẩn đoán sớm bệnh laocác bệnh contributing to diagnostic errors in radiology. Tầm soát góp truyền nhiễm như lao, giang Americancủa khám Roentgenology, 2013. chung, cũng như các dấu hiệu gợi ý lao phổi nói riêng. tăng hiệu quả điều trị, lậu...là lệ kháng quan trọng mai, giảm tỉ mục tiêu Journal of xuất cảnh. nói giảm tỉ lệ lây lan trong cộng đồng, từ đó 201(3): p. 611-617. h nặng cho hệ thống y tế. X quang ngực 5. Nam, J.G., et al., Development and validation hương tiện tầm soát lao phổi đầu tay, đơn KHẢO learning–based automatic detection TÀI LIỆU THAM of deep ng xâm lấn và hiệu quả [6]. Nghiên cứu algorithm for malignant pulmonary nodules on tại bệnh viện Chợ Rẫy Brady, A.P., ứng andchest radiographs. Radiology, 2019. 290(1): p. 1. đã cho thấy Error discrepancy in radiology: inevitable or avoidable? Insights into imaging, 2017. 8: p. 171-182. ệ nhân tạo phương thức học sâu đã giúp 218-228. 2. Cicero, M., et al., Training and validating a deep convolutional neural network for computer-aided detection and rõ rệt độ nhạy, độ đặc hiệu của BSNT 6. Organization, W.H., Rapid communication on o sát các dấu hiệu gợi ý classification of abnormalities on frontal for tuberculosis. 2020. lao phổi. systematic screening chest radiographs. Investigative radiology, 2017. 52(5): p. 281-287. n cứu của chúng tôi còn nhiều hạn chế 7. Radiation, U.N.S.C.o.t.E.o.A., Effects of 3. Hurt, B., et al., Augmenting radiation. Scientific Annexes E, 2008: p. ionizing interpretation of chest radiographs with deep learning probability maps. Journal of ẫu nhỏ, dữ liệu tham chiếu đơn giản, số 203-204. n số đặc điểm hình ảnh trên X quang ngực 2020. 35(5): p. 285. thoracic imaging, 8. Rajpurkar, P., et al., Chexnet: Radiologist-level a nhiều, cần được đánh giá thêm ở các Cognitive and system factors contributing to diagnostic errors in radiology. American Journal of 4. Lee, C.S., et al., pneumonia detection on chest x-rays with deep u về sau. uận Roentgenology, 2013. 201(3):arXiv preprint arXiv:1711.05225, 2017. learning. p. 611-617. 9. Seah, J.C., et al., Effect of a comprehensive uả bước đầu tại bệnh viện Chợ Rẫy et al., Development and validation of deep learning–based automatic detection algorithm for malignant 5. Nam, J.G., cho deep-learning model on the accuracy of chest x- dụng AI giúp giảm rõ rệt thời gian phân pulmonary nodules on chest radiographs. Radiology, 2019. 290(1): p. 218-228. ả X quang ngực thẳng đồng thời cải thiện ray interpretation by radiologists: a retrospective, à độ đặc hiệu phát hiện các tổn thương multireader multicase study. The Lancet Digital 6. Organization, W.H., Rapid communication on systematic screening for tuberculosis. 2020. Health, 2021. 3(8): p. e496-e506. ang ngực thẳng nói chung, cũng như các ợi ý lao phổi nói riêng. Radiation, U.N.S.C.o.t.E.o.A., Effects of ionizing radiation. Scientific Annexes E, 2008: p. 203-204. 7. 8. Rajpurkar, P., et al., Chexnet: Radiologist-level pneumonia detection on chest x-rays with deep learning. arXiv preprint arXiv:1711.05225, 2017. 9. Seah, J.C., et al., Effect of a comprehensive deep-learning model on the accuracy of chest x-ray interpretation by radiologists: a retrospective, multireader multicase study. The Lancet Digital Health, 2021. 3(8): p. e496-e506. 58 ÑIEÄN QUANG & Y HOÏC HAÏT NHAÂN VIEÄT NAM Số 53 - 12/2023
  5. NGHIÊN CỨU KHOA HỌC TÓM TẮT Đặt vấn đề: X quang ngực hiện nay là phương tiện chẩn đoán hình ảnh được sử dụng rộng rãi, có giá trị trong tầm soát, chẩn đoán và theo dõi sau điều trị. Với mục tiêu chẩn đoán nhanh chóng và chính xác, trí tuệ nhân tạo (AI) - ngành khoa học máy tính phát triển vượt bậc và có nhiều ứng dụng trong y học - đã và đang được áp dụng tại các cơ sở y tế ở Việt Nam. Tại bệnh viện Chợ Rẫy, hệ thống AI hỗ trợ phân tích kết quả X quang ngực thẳng đã được triển khai hơn 1 năm nay với 24120 trường hợp được AI xử lý. Nghiên cứu này nhằm đánh giá bước đầu vai trò của trí tuệ nhân tạo trong phân tích kết quả X quang ngực tại bệnh viện Chợ Rẫy. Phương pháp nghiên cứu: Thu thập ngẫu nhiên dữ liệu hình ảnh X quang ngực thẳng chụp tại khoa Khám xuất cảnh, bệnh viện Chợ Rẫy trong thời gian từ 01/04/2023 đến 01/05/2023. Hình ảnh X quang được phân tích bởi một bác sĩ chẩn đoán hình ảnh 5 năm kinh nghiệm tại bệnh viện Chợ Rẫy và được xem như dữ liệu tham chiếu. Các biến số về đặc điểm hình ảnh trên X quang ngực thẳng như đông đặc, tổn thương mô kẽ, tổn thương dạng hang, tổn thương xơ, nốt vôi, nốt mờ, xẹp phổi, tràn dịch màng phổi, dày dính màng phổi được ghi nhận. Thời gian đọc kết quả X quang cũng được ghi nhận lại. Sau đó, dữ liệu sẽ tiếp tục được phân tích bởi hai bác sĩ nội trú có và không có sự hỗ trợ của AI, các biến số được thu thập để so sánh. Kết quả: Thời gian trung bình để bác sĩ đọc giàu kinh nghiệm phân tích kết quả là: 55,17 ± 32,43 giây, với AI hỗ trợ, thời gian này được rút ngắn còn: 16,57 ± 13,78 giây. Độ nhạy trong phát hiện các dấu hiệu chung trên X quang ngực thẳng ở bác sĩ nội trú không sử dụng AI là 73,01%, độ đặc hiệu là 83,68%, với AI hỗ trợ độ nhạy và độ đặc hiệu tăng lên, lần lượt là 97,51% và 94,90%. Với nhóm các dấu hiệu quan trọng, gợi ý lao, độ nhạy và độ đặc hiệu của bác sĩ nội trú lần lượt là 74,54% và 85,66%; với AI hỗ trợ, độ nhạy và đặc hiệu tăng lên, đạt 97,49% và 94,83%. Kết luận: Ứng dụng AI giúp giảm rõ rệt thời gian phân tích kết quả X quang ngực thẳng đồng thời cải thiện độ nhạy và độ đặc hiệu phát hiện tổn thương. Từ khóa: AI, trí tuệ nhân tạo, X quang ngực thẳng, PACS/RIS. Người liên hệ: Trần Đức Hải. Email: tranduchai92@gmail.com Ngày nhận bài: 21/09/2023. Ngày nhận phản biện: 03/10/2023. Ngày chấp nhận đăng: 06/12/2023 ÑIEÄN QUANG & Y HOÏC HAÏT NHAÂN VIEÄT NAM Số 53 - 12/2023 59
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
3=>0