35. Ứng dụng bước đầu trí tuệ nhân tạo Qure.AI X-quang lồng ngực trong chẩn đoán lao phổi
Nội dung chính của bài viết
Tóm tắt
Bệnh lao phổi vẫn đang là gánh nặng bệnh tật trên toàn thế giới, đặc biệt ở các nước đang phát triển. Trí tuệ nhân tạo trong chẩn đoán lao phổi nhằm mục đích phát hiện sớm tổn thương, chẩn đoán chính xác bệnh. Nghiên cứu của chúng tôi nhằm đánh giá kết quả ứng dụng bước đầu trí tuệ nhân tạo Qure.AI X-quang lồng ngực trong chẩn đoán lao phổi. Nghiên cứu mô tả với 126 bệnh nhân nghi lao phổi được Qure.AI đọc X-quang lồng ngực và làm các xét nghiệm vi sinh hoặc mô bệnh học để chẩn đoán lao phổi và so sánh giữa kết quả chẩn đoán cuối cùng với phân tích AI cho kết quả tính đồng thuận ở mức tốt giữa 2 phương pháp. Độ nhạy của AI là 88,8%, độ đặc hiệu là 48,8%, giá trị dự đoán âm tính 71%. Diện tích dưới đường cong ROC là 77,1% với p < 0,001, KTC 95%: 0,69 - 0,86. Như vậy, hình ảnh X-quang lồng ngực được đọc bởi Qure.AI có giá trị trong chẩn đoán lao phổi với độ chính xác ở mức độ khá tốt với điểm cut off là 0,503. Kết quả cho thấy, AI có tiềm năng trở thành một công cụ cần thiết trong việc hỗ trợ chẩn đoán sớm lao phổi, sàng lọc lao phổi cộng đồng.
Chi tiết bài viết
Từ khóa
Lao phổi, trí tuệ nhân tạo Qure.AI
Tài liệu tham khảo
2. Hitze KL. Preliminary report of the WHO seminar on the evaluation of tuberculosis prevention. Bull Int Union Tuberc. 1973;48(0):60-63.
3. Bộ Y tế. Quyết định 3126/QĐ-BYT hướng dẫn chẩn đoán, điều trị, dự phòng lao. Accessed June 23, 2022. https://vnras.com/quyet-dinh-3126-qd-byt/
4. Lê Thị Ba. Nghiên cứu đặc điểm lâm sàng, cận lâm sàng ở bệnh nhân nghi lao phổi tại Trung tâm Hô hấp, Bệnh viện Bạch Mai. Trường Đại học Y Hà Nội. 2017. Accessed September 1, 2023.
5. Trịnh Việt Anh. Đặc điểm lâm sàng, cận lâm sàng và xét nghiệm genxpert trong đờm ở những bệnh nhân nghi lao phổi tại trung tâm hô hấp Bệnh viện Bạch Mai. Luận văn Thạc sĩ. Trường Đại học Y Hà Nội. 2015. Accessed September 1, 2023.
6. Qin ZZ, Sander MS, Rai B, et al. Using artificial intelligence to read chest radiographs for tuberculosis detection: A multi-site evaluation of the diagnostic accuracy of three deep learning systems. Sci Rep. 2019;9(1):15000. doi:10.1038/s41598-019-51503-3
7. Nash M, Kadavigere R, Andrade J, et al. Deep learning, computer-aided radiography reading for tuberculosis: a diagnostic accuracy study from a tertiary hospital in India. Sci Rep. 2020;10:210. doi:10.1038/s41598-019-56589-3
8. Lê Hoàn, Lê Tuấn Linh, Đinh Thị Thanh Hồng, và cs. Vai trò của ứng dụng trí tuệ nhân tạo vindr trong dự báo nguy cơ ác tính của nốt phổi đơn độc. Tạp chí Nghiên cứu Y học. 2023;165(4):17-24. doi:10.52852/tcncyh.v165i4.1480