Ứng dụng trí tuệ nhân tạo (AI), nhóm tác giả Trường Đại học Quốc tế, Đại học Quốc gia TPHCM đã xây dựng hệ thống chẩn đoán, phân biệt và đánh giá mức độ nghiêm trọng của 12 loại mụn trứng cá thường gặp.
Rút ngắn thời gian khám bệnh
Mụn trứng cá là tình trạng viêm mạn tính của nang lông tuyến bã, có thể xuất hiện ở bất kì đâu trên cơ thể, đặc biệt là trên mặt, vai, lưng, cổ, ngực và vùng cánh tay trên. Tùy theo đặc điểm và mức độ của từng loại, mụn trứng cá có thể bao gồm mụn đầu trắng, mụn đầu đen, mụn nhọt, mụn mủ, các nốt sần...
Bệnh về mụn trứng cá xảy ra ở mọi độ tuổi và có thể tái đi tái lại nhiều lần, nhiều nhất ở độ tuổi dậy thì. Tuy không nguy hiểm, nhưng mụn trứng cá có thể để lại các vết thâm, sẹo trên da.
Đánh giá nhanh, chính xác mức độ nghiêm trọng của mụn trứng cá rất quan trọng để lập kế hoạch điều trị hiệu quả. Tuy nhiên, các hoạt động lâm sàng hiện nay còn thiếu các hệ thống đánh giá chuẩn hóa để phân loại mức độ nghiêm trọng của mụn.
Do đó, không chỉ kéo dài thời gian chẩn đoán mà còn có khả năng đánh giá chủ quan về mức độ nghiêm trọng của mụn, do bác sĩ da liễu tiến hành thăm khám và kết luận thủ công.
Hệ thống ACNE8M ứng dụng trí tuệ nhân tạo (AI), giúp chẩn đoán mụn trứng cá và các chẩn đoán phân biệt thường gặp trên 12 loại sang thương (chấn thương) da.
TS Lê Duy Tân, giảng viên Khoa Công nghệ thông tin - Trường Đại học Quốc tế, Đại học Quốc gia TPHCM (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 hàng nghìn 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. 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, 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.
Chẩn đoán chính xác đến 95%
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.
“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.
Mô hình phân loại mức độ nghiêm trọng của mụn trứng cá ACNE04 được huấn luyện trên bộ dữ liệu chứa khoảng 1.400 hình ảnh, đánh giá mức độ nghiêm trọng. Sau khi phân loại mụn, hệ thống sẽ đưa ra giải pháp nhằm hỗ trợ cho các bác sĩ da liễu và người bệnh trong điều trị.
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, 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.
Ngoài phát hiện mụn với những đánh giá ban đầu, hệ thống còn có thể hỗ trợ phát hiện các sang thương dễ nhầm lẫn với mụn, nhờ đó chẩn đoán và điều trị kịp thời. Hệ thống còn giúp rút ngắn thời gian thăm khám, vì đánh giá mức độ nặng của mụn thường đòi hỏi phải đếm số lượng sang thương, mà việc đếm số sang thương thì AI làm rất nhanh.
Hệ thống đang được triển khai thử nghiệm để hỗ trợ bác sĩ da liễu ở một số bệnh viện như Bệnh viện Hoàn Mỹ, Bệnh viện Nhân dân Gia Định,... Nhóm đang tiếp tục hoàn thiện hệ thống để có thể tích hợp vào các ứng dụng đa nền tảng (app, Zalo,…) nhằm phát triển rộng rãi ứng dụng này.
