HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ
Lọc theo danh mục
liên kết website
Lượt truy cập
Lượt truy cập :
26,741,028
- Công bố khoa học và công nghệ Việt Nam
76
Kỹ thuận chẩn đoán bệnh
BB
Nguyễn Thị Thu Thảo, Trần Văn Lượng, Trần Quốc Long, Lương Sơn Bá, Phạm Tiến Du, Trịnh Ngọc Huỳnh, Vũ Đăng Lưu, Vũ Văn Giáp(1)
Ứng dụng trí tuệ nhân tạo hỗ trợ chẩn đoán ung thư phổi qua hình ảnh cắt lớp vi tính lồng ngực
Application of artificial intelligence in assisting lung cancer diagnosis through chest computed tomography imaging
Tạp chí Y học Việt Nam (Tổng hội Y học Việt Nam)
2025
1
181-186
1859-1868
Đánh giá hiệu quả của ứng dụng trí tuệ nhân tạo (AI) trong chẩn đoán ung thư phổi được xây dựng tại Bệnh viện Bạch Mai phối hợp với Trường Đại học Quốc gia Hà Nội dựa trên hình ảnh cắt lớp vi tính (CT) lồng ngực so với đánh giá của chuyên gia y tế. Đối tượng và phương pháp: Nghiên cứu mô tả trên 200 bệnh nhân (100 ung thư phổi xác định bằng giải phẫu bệnh, 100 bệnh nhân không ung thư) tại Bệnh viện Bạch Mai. Các đặc điểm tổn thương ghi nhận gồm vị trí, kích thước, đường bờ, vôi hóa, tạo hang (nhóm ác tính); đông đặc, kính mờ, nốt dạng nụ trên cành (nhóm lành tính). Thống kê độ nhạy, độ đặc hiệu, độ chính xác, ROC bằng SPSS 23 (p<0.05). Nghiên cứu được phê duyệt bởi Hội đồng đạo đức y sinh của Bệnh viện Bạch Mai (733/BM-HĐĐĐ). Kết quả: AI đạt độ nhạy 90%, độ đặc hiệu 91%, độ chính xác 90%. Mô hình tốt với các tổn thương lành tính và u phổi đơn độc, nhưng hạn chế trong đánh giá vôi hóa, tạo hang và dễ nhầm lẫn với tổn thương viêm, đặc biệt ở thể bệnh hiếm gặp. Kết luận: AI có tiềm năng ứng dụng tốt nhưng còn hạn chế cần khắc phục trước khi triển khai rộng rãi.
To evaluate the effectiveness of the artificial intelligence (AI) application developed at Bach Mai Hospital in collaboration with Vietnam National University, Hanoi, in diagnosing lung cancer based on chest computed tomography (CT) images, compared to the assessments of medical experts. Subjects and Methods: A descriptive study involving 200 patients (100 histologically confirmed lung cancer cases, 100 non-cancer cases) at Bach Mai Hospital. Recorded lesion features included location, size, border c-haracteristics, calcification, and cavitation (malignant group); consolidation, ground-glass opacity, and tree-in-bud lesions (benign group). Statistical measures included sensitivity, specificity, accuracy, and receiver operating c-haracteristic (ROC) curve analysis using SPSS 23 (significance level p<0.05). The study was approved by the Biomedical Ethics Committee (733/BM-HĐĐĐ). Results: The AI achieved a sensitivity of 90%, specificity of 91%, and accuracy of 90%. The AI model performed well with benign lesions and solitary pulmonary nodules but had limitations in assessing calcification and cavitation, often confusing tumors with inflammatory lesions, particularly in rare disease forms. Conclusion: AI shows promising potential but still has limitations that require improvement before widespread clinical application.
TTKHCNQG, CVv 46
Xem toàn văn