Các nhà nghiên cứu tại University of Missouri đang thử nghiệm hệ thống AI nhằm hỗ trợ phát hiện u hắc tố bằng cách đánh giá ảnh các bất thường trên da. Người dẫn dắt nghiên cứu, Kamlendra Singh, giải thích rằng công nghệ này là công cụ hỗ trợ quyết định, không nhằm thay thế bác sĩ.
Nhóm đã huấn luyện và kiểm thử các mô hình trên một bộ dữ liệu gồm 400,000 hình ảnh, thu thập từ kỹ thuật chụp ảnh toàn thân 3D độ phân giải cao. Phương pháp chụp cho phép phân tích các chi tiết trực quan tinh tế trên toàn cơ thể.
Họ so sánh ba mô hình AI: mỗi mô hình đơn lẻ đạt độ chính xác lên đến 88%, và khi kết hợp ba mô hình thì độ chính xác vượt quá 92%. Nhóm cũng nhấn mạnh cần mở rộng bộ dữ liệu cho đa dạng tông da, ánh sáng và góc chụp, đồng thời cần thêm thời gian trước khi áp dụng vào lâm sàng. Nghiên cứu được công bố trên Biosensors and Bioelectronics: X.
Từ khó
- u hắc tố — ung thư da từ tế bào tạo màu
- hệ thống AI — phần mềm và công nghệ tự động giúp phân tích
- bộ dữ liệu — tập hợp các hình ảnh hoặc thông tin
- huấn luyện — dạy máy học từ dữ liệu đã cho
- mô hình — một chương trình toán học hoặc máy tính
- độ chính xác — tỷ lệ dự đoán đúng của hệ thống
- độ phân giải — mức chi tiết khi hiển thị ảnh hoặc video
- đa dạng — có nhiều loại hoặc khác nhau
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Tại sao nhóm nghiên cứu nói cần mở rộng bộ dữ liệu cho đa dạng tông da, ánh sáng và góc chụp?
- Bạn nghĩ lợi ích và rủi ro khi dùng AI để hỗ trợ phát hiện bệnh là gì?
- Nếu một bệnh viện muốn áp dụng hệ thống này, họ nên làm những bước nào trước khi dùng cho bệnh nhân?
Bài viết liên quan
Tại sao mô hình ngôn ngữ lớn khó nhân số bốn chữ số
Một nghiên cứu do University of Chicago dẫn đầu giải thích vì sao nhiều mô hình ngôn ngữ lớn không nhân đúng hai số có bốn chữ số. Nghiên cứu so sánh huấn luyện tinh chỉnh tiêu chuẩn và phương pháp Chuỗi suy luận ẩn (ICoT) và thấy ICoT giúp mô hình lưu và dùng kết quả trung gian.
