Thanh bên bài viết
Số lượt xem PDF: 12
KẾT QUẢ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG HỖ TRỢ PHÁT HIỆN NỐT/KHỐI PHỔI TRÊN PHIM X-QUANG NGỰC THẲNG
Nội dung chính của bài viết
Tóm tắt
Mục tiêu: Đánh giá kết quả ứng dụng phần mềm trí tuệ nhân tạo (artificial intelligence - AI) DrAid trong phát hiện tổn thương dạng nốt/khối ở phổi trên phim X-quang ngực thẳng. Phương pháp nghiên cứu: Nghiên cứu tiến cứu, mô tả cắt ngang trên 637 bệnh nhân (BN) được chụp phim X-quang, cắt lớp vi tính (CLVT) lồng ngực và điều trị tại Bệnh viện Trung ương Quân đội 108 từ tháng 10/2024 - 3/2025. Kết quả chẩn đoán của phần mềm DrAid, của bác sỹ chẩn đoán hình ảnh (CĐHA) và của bác sỹ CĐHA sau khi tham khảo kết quả của phần mềm DrAid được đối chiếu với kết quả chụp CLVT. Đánh giá thông qua tính độ nhạy (Se), độ đặc hiệu (Sp) và diện tích dưới đường cong (AUROC). Kết quả: DrAid có Se, AUROC cao hơn nhưng Sp lại thấp hơn so với kết quả của bác sỹ CĐHA. Khi có sự hỗ trợ của DrAid, chỉ số Se, Sp và AUROC trong phát hiện nốt/khối phổi đều tăng. Kết luận: DrAid là công cụ hiệu quả trong việc hỗ trợ nâng cao chất lượng tầm soát các nốt/khối phổi trên phim chụp X-quang ngực thẳng.
Chi tiết bài viết
Từ khóa
Trí tuệ nhân tạo, X-quang ngực thẳng, Nốt/khối phổi
Tài liệu tham khảo
2. Del Ciello A, Franchi P, Contegiacomo A, Cicchetti G, Bonomo L, Larici AR. Missed lung cancer: When, where, and why? Diagnostic and interventional radiology (Ankara, Turkey). 2017; 23(2):118-126.
3. Diederich S, Das M. Solitary pulmonary nodule: Detection and management. Cancer imaging: The official publication of the International Cancer Imaging Society. 2006; 6(Spec No A):42-46.
4. Farouk S, Osman AM, Awadallah SM, Abdelrahman AS. The added value of using artificial intelligence in adult chest X-rays for nodules and masses detection in daily radiology practice. Egyptian Journal of Radiology and Nuclear Medicine. 2023; 54(1):142.
5. Miró Catalina Q, Vidal-Alaball J, Fuster-Casanovas A, Escalé-Besa A, Ruiz Comellas A, Solé-Casals J. Real-world testing of an artificial intelligence algorithm for the analysis of chest X-rays in primary care settings. Scientific Reports. 2024; 14(1):5199.
6. Niehoff JH, Kalaitzidis J, Kroeger JR, Schoenbeck D, Borggrefe J, Michael AE. Evaluation of the clinical performance of an AI-based application for the automated analysis of chest X-rays. Scientific Reports. 2023; 13(1):3680.
7. Guo L, Zhou C, Xu J, Huang C, Yu Y, Lu G. Deep learning for chest X-ray diagnosis: Competition between radiologists with or without artificial intelligence assistance. Journal of Imaging Informatics in Medicine. 2024; 37(3):922-934.
8. Ahn JS, Ebrahimian S, McDermott S, Lee S, Naccarato L, Di Capua JF, et al. Association of artificial intelligence-aided chest radiograph interpretation with reader performance and efficiency. JAMA Netw Open. 2022; 5(8):e2229289.
9. Bennani S, Regnard N-E, Ventre J, Lassalle L, Nguyen T, Ducarouge A, et al. Using AI to improve radiologist performance in detection of abnormalities on chest radiographs. Radiology. 2023; 309(3):e230860.
10. Robert D, Sathyamurthy S, Singh AK, Matta SA, Tadepalli M, Tanamala S, et al. Effect of artificial intelligence as a second reader on the lung nodule detection and localization accuracy of radiologists and non-radiology physicians in chest radiographs: A multicenter reader study. Academic Radiology. 2025; 32(3):1706-1717.