Sử dụng trí tuệ nhân tạo chẩn đoán mụn da mặt

Việc chẩn đoán mụn trứng cá, tái khám định kỳ và tuân thủ điều trị là cần thiết đối với nhiều người bệnh. Tuy nhiên, đây là một thách thức lớn do số lượng bác sĩ da liễu hạn chế đặc biệt là các vùng nông thôn, nên sự hỗ trợ từ thiết bị, công nghệ, AI trong quá trình chẩn đoán và điều trị mụn trứng cá là rất cần thiết. Vì thế, nhóm tác giả tại Phòng thí nghiệm AIoT Lab VN đã phối hợp với các cộng sự tại Bệnh viện Quốc tế Hoàn Mỹ Thủ Đức, Bệnh viện Nhân dân Gia Định và Trường Đại học Y Khoa Phạm Ngọc Thạch để phát triển hệ thống ACNE8M ứng dụng trí tuệ nhân tạo (AI), giúp chẩn đoán mụn trứng cá và các chẩn đoán phân biệt thường gặp, với độ chính xác là 0,976 trên 12 loại sang thương da.

ACNE8M được kỳ vọng sẽ cung cấp công cụ hỗ trợ trong quá trình chẩn đoán mụn trứng cá, giúp bệnh nhân hiểu rõ tình trạng của mình để có hướng điều trị tốt nhất.

Hệ thống ACNE8M được huấn luyện trên bộ dữ liệu chứa 9440 hình ảnh mụn trứng cá, được gắn nhãn theo định dạng chuyên biệt dành cho mô hình YOLOv8, bằng các công cụ chuyên dụng của Roboflow. Kết quả là hệ thống đã đạt được độ chính xác khá cao. Mức độ điểm tin cậy trung bình đạt 0,69 và độ chính xác cao nhất là 0,976 trên 12 loại sang thương da (đạt điểm tin cậy cao nhất so với các các nghiên cứu trước đó).

Cụ thể, 5 loại tổn thương nguyên phát của mụn trứng cá là mụn đầu trắng, mụn đầu đen, sẩn viêm, mụn mủ, nang. Hai loại sang thương thứ phát là sẹo lõm và sẹo lồi. Hệ thống còn nhận diện được thể lâm sàng nặng là mụn trứng cá cụm và 4 chẩn đoán phân biệt khác, như hạt kê, mụn cóc phẳng, viêm nang lông và u ống tuyến mồ hôi.

Sau khi phân loại mụn, hệ thống sẽ đưa ra giải pháp thiết thực, nhằm hỗ trợ cho các bác sĩ da liễu và người bệnh. Đồng thời góp phần đổi mới sáng tạo trong y tế, tăng hiệu quả, tỷ lệ tuân thủ điều trị và rút ngắn thời gian thăm khám, giảm tải hệ thống y tế. Tuy nhiên, nhóm nghiên cứu cho rằng khó khăn lớn nhất hiện nay trong quá trình phát triển hệ thống ACNE8M là thiếu lượng lớn dữ liệu chất lượng cao về mụn trứng cá, bởi 9440 hình ảnh chưa đủ lớn. Vì thế, các tác giả cần thêm dữ liệu hình ảnh về các sang thương khác của mụn trứng cá. Kết hợp với các cấu hình huấn luyện phù hợp để cải thiện hiệu suất của ACNE8M. Hệ thống dự kiến sẽ được tích hợp vào các ứng dụng đa nền tảng để sử dụng thương mại, đặc biệt là web và di động, được phát triển để hỗ trợ trong quá trình điều trị mụn trứng cá.

                                                                                Nguồn: N.P.D (tổng hợp) NASATI