Bài báo khoa học Tập 67 Số Số CĐ12- Bệnh viện Ung bướu Nghệ An (2026) 14/08/2026

NGHIÊN CỨU ỨNG DỤNG TRÍ TUỆ NHÂN TẠO VÀ KỸ THUẬT THỊ GIÁC MÁY TÍNH HỖ TRỢ PHÁT HIỆN VÀ CHẨN ĐOÁN SỚM UNG THƯ VÚ TẠI BỆNH VIỆN UNG BƯỚU NGHỆ AN

Phạm Vĩnh Hùng1,2, Nguyễn Quang Trung1,2, Nguyễn Tài Bùi Đạt1,2, Hồ Đức Tài1,2, Nguyễn Văn Việt1,2, Trần Thị Mỹ Trà1,2, Nguyễn Bá Trung1,2, Nguyễn Hoàng Nam3,4, Trần Anh Khoa3,4, Phạm Đức Lâm5,6, Võ Phúc Tình3,4
1 Nghe An Oncology Hospital
2 Bệnh viện Ung bướu Nghệ An
3 Ton Duc Thang University
4 Trường Đại học Tôn Đức Thắng
5 Nguyen Tat Thanh University
6 Trường Đại học Nguyễn Tất Thành
DOI: 10.52163/yhc.v67iCD12.6154
640 Lượt xem
0 Lượt tải xuống
Từ khóa
Ung thư vú; Trí tuệ nhân tạo; Thị giác máy tính; YOLOv7; ResNet50; Nhũ ảnh.
Tóm tắt

Mục tiêu: Đánh giá hiệu quả của phần mềm trí tuệ nhân tạo (AI) phiên bản 1.2.1 (kết hợp thuật toán YOLOv7 và ResNet50) trong hỗ trợ chẩn đoán, phát hiện, khoanh vùng và phân loại sớm tổn thương ung thư vú trên phim nhũ ảnh tại Bệnh viện Ung bướu Nghệ An.

Đối tượng, phương pháp nghiên cứu: Nghiên cứu trên 400 ảnh nhũ ảnh định dạng DICOM của 200 bệnh nhân hồi cứu (từ 03/2024 đến 08/2024) và 200 bệnh nhân tiến cứu (từ 09/2024 đến 12/2024). Mô hình YOLOv7 để phát hiện tổn thương, ResNet50 để phân loại chi tiết khối u và vi vôi hóa. Kết quả của AI được đối chiếu với tiêu chuẩn vàng là giải phẫu bệnh.

Kết quả: Trong giai đoạn hồi cứu, độ chính xác đạt 94% (188/200 ca), độ nhạy 100% với các trường hợp ác tính (166/166 ca). Trong giai đoạn tiến cứu, độ chính xác đạt 91% (182/200 ca), đồng thời duy trì độ nhạy 100% khi nhận diện đúng toàn bộ 10 ca ác tính, không bỏ sót tổn thương nguy hiểm. Tốc độ suy luận đạt 3,6 ms/ảnh.

Kết luận: Phần mềm AI vận hành ổn định, có độ nhạy cao, tích hợp tốt với hệ thống PACS, hỗ trợ hiệu quả trong phát hiện và sàng lọc sớm ung thư vú trên lâm sàng.

Tài liệu tham khảo
[1]
Đào Văn Tú và cộng sự (2021). Tổng quan nghiên cứu ứng dụng trí tuệ nhân tạo trong chẩn đoán ung thư vú bằng ảnh giải phẫu bệnh kỹ thuật số. Tạp chí Y học Việt Nam, 500(1), tr. 15-20. DOI: https://doi.org/10.51298/vmj.v500i1.290 Google Scholar
[2]
Đặng Công Thuận (2012). Nghiên cứu các đặc điểm chẩn đoán hình ảnh, giải phẫu bệnh và tình trạng thụ thể nội tiết bệnh ung thư vú tại Bệnh viện Trường Đại học Y Dược Huế. Tạp Chí Phụ sản, 10(3), 250-257. DOI: https://doi.org/10.46755/vjog.2012.3.172 Google Scholar
[3]
Nguyễn Thị Mai Lan (2016). Nghiên cứu tỷ lệ mắc mới ung thư vú ở phụ nữ Hà Nội giai đoạn 2014-2016. Luận án tiến sĩ Y học, Đại học Y Hà Nội. URL: http://dulieuso.hmu.edu.vn/handle/hmu/1972 Google Scholar
[4]
Min, H., Wilson, D., Huang, Y., Liu, S., Crozier, S., Bradley, A. P., & Chandra, S. S. (2020). Fully automatic computer-aided mass detection and segmentation via pseudo-color mammograms and mask r-cnn. IEEE 17th International Symposium on Biomedical Imaging (ISBI), pp. 1137-1141 . DOI: https://doi.org/10.1109/ISBI45749.2020.9098312 Google Scholar
[5]
Raza, S. K., Sarwar, S. S., Syed, S. M., & Khan, N. A. (2021). Classification and Segmentation of Breast Tumor Using Mask R-CNN on Mammograms. NED UniversityResearch Journal, 18(4), pp. 79-88. DOI: https://doi.org/10.21203/rs.3.rs-523546/v1 Google Scholar