Ứng dụng AI trong chẩn đoán 12 loại mụn trứng cá

Hệ thống do nhóm tác giả tại Phòng thí nghiệm AIoT Lab VN thực hiện, với sự tham vấn từ các bác sĩ Bệnh viện Quốc tế Hoàn Mỹ Thủ Đức, Bệnh viện Nhân dân Gia Định và Trường ĐH Y Khoa Phạm Ngọc Thạch.

Chẩn đoán chính xác 12 loại sang thương da

TS. Lê Duy Tân - giảng viên khoa Công nghệ thông tin - Trường ĐH Quốc tế - ĐHQG TP.HCM (đại diện nhóm nghiên cứu), cho biết, 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.

Theo TS. Lê Duy Tân, 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, 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.

TS. Lê Duy Tân cũng cho biết thêm, 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.

“Chúng tôi 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”, TS. Tân chia sẻ thêm.

Trợ thủ đắc lực cho bác sĩ và người bệnh

Theo bác sĩ đa khoa Nguyễn Bảo Anh - Bệnh viện Nhân dân Gia Định, việc chẩn đoán ban đầu, 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.

“Nhìn chung đa số các sang thương mụn đều có thể được đánh giá ban đầu bằng mắt thường. Đây cũng là nền tảng quan trọng của việc AI trong cuộc cách mạng khám và chữa mụn trứng cá”, bác sĩ Bảo Anh chia sẻ.

Vì vậy, nhiều thuật toán phân tích hình ảnh đã được phát triển. Mặc dù đã có nhiều nghiên cứu về nhận diện các thương tổn trong y khoa, nhưng việc nhận diện các sang thương mụn trứng cá chưa được chú ý tương xứng. Bên cạnh đó, các phương pháp xử lý hình ảnh truyền thống bao gồm dựa theo mô hình màu sắc hoặc cấu trúc còn nhiều hạn chế.

Trong khi đó, ACNE8M là mô hình AI được huấn luyện từ hơn 9400 hình ảnh về các sang thương liên quan đến mụn. Mô hình có thể nhận diện được các sang thương với độ chính xác khá cao, có thể lên đến hơn 95%.

Nếu ứng dụng được hoàn thiện và cải tiến hơn nữa có thể giúp rất nhiều trong công tác khám và chữa mụn trứng cá. Các bác sĩ có thể khám bệnh từ xa hoặc khám bệnh online, ngoài phát hiện mụn với những đánh giá ban đầu, ứng dụng còn có thể hỗ trợ phát hiện được các sang thương dễ nhầm lẫn với mụn để có thể chẩn đoán và điều trị kịp thời.

Đồng thời rút ngắn được thời gian thăm khám vì đánh giá mức độ nặng của mụn thường phải đếm số lượng sang thương mà việc đếm số sang thương thì AI làm rất nhanh.

“Điều trị mụn là cả một quá trình có thể kéo dài nhiều tháng, thậm chí là năm, bệnh nhân và bác sĩ dựa trên AI có thể theo dõi được quá trình qua các hình ảnh được lưu trữ qua các giai đoạn điều trị để có thể điều chỉnh điều trị sao cho hợp lý và đánh giá được hiệu quả điều trị”, bác sĩ Bảo Anh chia sẻ thêm.

Bác sĩ da liễu Mai Thị Kim Oanh - Trường ĐH Y khoa Phạm Ngọc Thạch cho biết, do mới là giai đoạn đầu nghiên cứu, ứng dụng này cũng có những hạn chế nhất định. Việc nhận diện sang thương để đánh giá độ nặng của mụn đòi hỏi những hình ảnh mang tính chính xác cao, nên yêu cầu đặt ra là liệu hình ảnh bệnh nhân cung cấp có đủ sắc nét như thực tế hay không vẫn đang là một thách thức lớn.

“Việc thăm khám sang thương mụn để đánh giá độ nặng không đơn thuần chỉ nhìn mà trong một số trường hợp còn phải sờ để đánh giá, phân biệt các sang thương với nhau như: sẩn viêm, nốt, nang… nên ứng dụng này có thể không thay thế hoàn toàn được việc thăm khám từ bác sĩ. Nhưng nó đóng góp rất quan trọng trong việc nhận diện phân loại bệnh ban đầu, hỗ trợ bệnh nhân phần nào có cách nhìn nhận vấn đề bệnh lý của mình một cách chính xác và hợp lý hơn, từ đó đưa ra phương pháp điều trị phù hợp” - BS Mai Thị Kim Oanh nhận định.