ISSN: 1859 - 2872
Khảo sát giá trị của phần mềm trí tuệ nhân tạo thử nghiệm trong hỗ trợ chẩn đoán bệnh vảy nến và viêm da cơ địa tại Bệnh viện Trung ương Quân đội 108
Main Article Content
Keywords
Tóm tắt
Mục tiêu: Đánh giá bước đầu khả năng hỗ trợ chẩn đoán của phần mềm trí tuệ nhân tạo thử nghiệm với bệnh vảy nến và viêm da cơ địa. Đối tượng và phương pháp: Nghiên cứu mô tả cắt ngang trên 60 bệnh nhân (30 vảy nến và 30 viêm da cơ địa) đến khám tại Bệnh viện Trung ương Quân đội 108 từ tháng 4 năm 2024 đến tháng 4 năm 2025, các bệnh nhân được thu thập ảnh tổn thương da, gán nhãn xử lý ảnh và chạy chẩn đoán trên phần mềm trí tuệ nhân tạo thử nghiệm. Đánh giá kết quả chẩn đoán bệnh vảy nến và viêm da cơ địa trên hệ thống phần mềm và đối chiếu với kết quả chẩn đoán bởi chuyên gia để tính độ nhạy và khả năng nhận diện thể bệnh. Kết quả: Độ nhạy của mô hình AI trong chẩn đoán bệnh vảy nến và viêm da cơ địa lần lượt đạt 90% và 100%. Tỷ lệ chẩn đoán đúng thể bệnh của AI đối với vảy nến và viêm da cơ địa lần lượt đạt 100% và 86,67%. Kết luận: Thử nghiệm bước đầu cho thấy khả năng hỗ trợ chẩn đoán vảy nến và viêm da cơ địa với độ nhạy cao. Cần có thêm nghiên cứu quy mô lớn hơn và có nhóm đối chứng để đánh giá toàn diện độ chính xác và tính ứng dụng của hệ thống.
Article Details
Các tài liệu tham khảo
2. Yu KH, Beam AL, Kohane IS (2018) Artificial intelligence in healthcare. Nat Biomed Eng 2(10): 719-731. doi: 10.1038/s41551-018-0305-z.
3. Walton OB, Garoon RB, Weng CY et al (2016) Evaluation of Automated Teleretinal Screening Program for Diabetic Retinopathy. JAMA Ophthalmol 134(2): 204-209. doi:10.1001/jamaophthalmol.2015.5083.
4. Vashist P, Singh S, Gupta N, Saxena R (2011) Role of early screening for diabetic retinopathy in patients with diabetes mellitus: An overview. Indian J Community Med 36(4): 247-252. doi: 10.4103/0970-0218.91324.
5. Simonyan K, Zisserman A (2015) Very Deep Convolutional Networks for Large-Scale Image Recognition. Published online April 10, 2015. doi: 10.48550/arXiv.1409.1556.
6. Griffiths CEM, Armstrong AW, Gudjonsson JE, Barker JNWN (2021) Psoriasis. Lancet 397(10281): 1301-1315. doi:10.1016/S0140-6736(20)32549-6.
7. Frazier W, Bhardwaj N (2020) Atopic Dermatitis: Diagnosis and Treatment. Am Fam Physician 101(10): 590-598.
8. Dopytalska K, Sobolewski P, Błaszczak A, Szymańska E, Walecka I (2018) Psoriasis in special localizations. Reumatologia 56(6): 392-398. doi:10.5114/reum.2018.80718.
9. Aijaz SF, Khan SJ, Azim F, Shakeel CS, Hassan U (2022) Deep Learning Application for Effective Classification of Different Types of Psoriasis. Journal of Healthcare Engineering 2022(1): 7541583. doi:10.1155/2022/7541583.
10. Junayed MS, Sakib ANM, Anjum N, Islam MB, Jeny AA (2020) EczemaNet: A Deep CNN-based Eczema Diseases Classification. In: 2020 IEEE 4th International Conference on Image Processing, Applications and Systems (IPAS). IEEE:174-179. doi:10.1109/IPAS50080.2020.9334929.
Article Sidebar
