Thanh bên bài viết
Số lượt xem pdf: 3
NGHIÊN CỨU BƯỚC ĐẦU ĐÁNH GIÁ VAI TRÒ CỦA TRÍ TUỆ NHÂN TẠO TRONG PHÂN TÍCH KẾT QUẢ X QUANG NGỰC TẠI BỆNH VIỆN CHỢ RẪY
Nội dung chính của bài viết
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%. Ngoài ra, ứng dụng AI trên nền tảng PACS/RIS, thời gian chụp X quang ngực thẳng trung bình cũng được giảm đi đáng kể so với trước đây, từ 93,57 ± 7,06 giây còn 34,86 ± 2,67 giây.
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.
Chi tiết bài viết
Từ khóa
AI, trí tuệ nhân tạo, X quang ngực thẳng, PACS/RIS.
Tài liệu tham khảo
2. Cicero, M., et al., Training and validating a deep convolutional neural network for computer-aided detection and classification of abnormalities on frontal chest radiographs. Investigative radiology, 2017. 52(5): p. 281-287.
3. Hurt, B., et al., Augmenting interpretation of chest radiographs with deep learning probability maps. Journal of thoracic imaging, 2020. 35(5): p. 285.
4. Lee, C.S., et al., Cognitive and system factors contributing to diagnostic errors in radiology. American Journal of Roentgenology, 2013. 201(3): p. 611-617.
5. Nam, J.G., et al., Development and validation of deep learning–based automatic detection algorithm for malignant pulmonary nodules on chest radiographs. Radiology, 2019. 290(1): p. 218-228.
6. Organization, W.H., Rapid communication on systematic screening for tuberculosis. 2020.
7. Radiation, U.N.S.C.o.t.E.o.A., Effects of ionizing radiation. Scientific Annexes E, 2008: p. 203-204.
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