Ứng dụng AI cho da liễu là gì
Ứng dụng AI cho da liễu là triển khai thuật toán và công nghệ trí tuệ nhân tạo vào quy trình chẩn đoán, điều trị và quản lý các vấn đề và bệnh liên quan đến da.
Ứng dụng AI cho da liễu sử dụng các hệ thống máy tính và thuật toán thông minh để phân tích đa dạng các loại dữ liệu bao gồm hình ảnh tổn thương da (ảnh chụp lâm sàng, ảnh soi da, ảnh mô bệnh học), thông tin bệnh sử, dữ liệu di truyền và các yếu tố môi trường.
Mục tiêu cốt lõi là nhằm phát hiện sớm các bệnh lý da, nâng cao độ chính xác trong chẩn đoán, theo dõi sát sao diễn tiến bệnh, dự đoán nguy cơ và đưa ra các khuyến nghị điều trị được cá nhân hóa, phù hợp với đặc điểm riêng của từng bệnh nhân.
Cách tiếp cận này không chỉ dừng lại ở việc phân tích dữ liệu y tế để dự đoán một kết quả cụ thể mà còn đặc biệt nhấn mạnh vào khả năng “phát hiện sớm” và “cá nhân hóa điều trị”.
Đây là những khía cạnh mang tính cách mạng mà AI đóng góp cho chuyên ngành da liễu, một lĩnh vực y học vốn phụ thuộc rất nhiều vào khả năng quan sát và nhận diện hình ảnh.
Phát hiện sớm ung thư da
Ứng dụng SkinVision
SkinVision là một ứng dụng di động phổ biến giúp người dùng chụp ảnh nốt ruồi hoặc tổn thương da đáng ngờ bằng điện thoại thông minh của họ.
Trí tuệ nhân tạo tích hợp sẽ phân tích những hình ảnh này và đưa ra đánh giá rủi ro về khả năng ung thư da.
Theo các nghiên cứu ban đầu và thông tin từ nhà phát triển, SkinVision có tỷ lệ chính xác vượt quá 90%, được hỗ trợ bởi chứng nhận lâm sàng.
Tuy nhiên, một đánh giá hệ thống thực hiện vào năm 2019 (với dữ liệu cập nhật đến tháng 4/2019 và công bố vào cuối năm 2024) đã tiết lộ một số điểm đáng chú ý.
Trong hai nghiên cứu được xem xét, SkinVision thể hiện độ nhạy 80% (nghĩa là nhận diện chính xác 80% tổn thương ác tính hoặc tiền ác tính) với khoảng tin cậy 95% từ 63% đến 92%.
Độ đặc hiệu, khả năng nhận diện chính xác tổn thương lành tính được báo cáo là 78% (khoảng tin cậy 67% đến 87%).
Các nghiên cứu khác nhấn mạnh khi kết quả của SkinVision được so sánh với khuyến nghị của bác sĩ da liễu chuyên gia, độ chính xác của nó không ấn tượng bằng.
Một mối quan ngại đáng chú ý về SkinVision là tỷ lệ dương tính giả tương đối cao.
Ứng dụng này được báo cáo phân loại khoảng 19% tổn thương là nguy cơ cao, trong khi bác sĩ da liễu chỉ chẩn đoán khoảng 0,7% trong số những tổn thương đó là bất thường.
Sự khác biệt này cho thấy mặc dù SkinVision nhạy trong việc phát hiện nguy cơ tiềm ẩn nhưng nó cũng có thể tạo ra nhiều cảnh báo không cần thiết.
Vì vậy gây lo lắng cho người dùng hoặc dẫn đến tham vấn y tế không cần thiết.
Ví dụ: Một người đã sử dụng SkinVision để kiểm tra nốt ruồi trên lưng và nhận được cảnh báo “nguy cơ cao”.
Sau khi đến khám bác sĩ da liễu, họ được thông báo đó chỉ là một nốt ruồi bình thường không có dấu hiệu nguy hiểm.
Trường hợp này minh họa cho tình trạng cảnh báo quá mức có thể xảy ra với ứng dụng.
Những phát hiện này nhấn mạnh tầm quan trọng của việc đánh giá liên tục và sử dụng thận trọng các ứng dụng AI như SkinVision, đặc biệt khi chúng được tiếp thị trực tiếp đến người tiêu dùng mà không có sự giám sát chuyên môn.
Những công cụ như vậy có thể dùng để nâng cao nhận thức và khuyến khích kiểm tra da nhưng chúng không nên thay thế lời khuyên y tế chuyên nghiệp.
Ứng dụng DERM
DERM là công cụ AI đang được xem xét và thử nghiệm bởi Dịch vụ Y tế Quốc gia (NHS) của Vương quốc Anh nhằm hỗ trợ phân loại sơ bộ các tổn thương da đáng ngờ.
Mục tiêu chính của nó là giảm số lượt giới thiệu không cần thiết đến các chuyên gia da liễu.
Từ đó tối ưu hóa nguồn lực và rút ngắn thời gian chờ đợi của bệnh nhân.
Nghiên cứu Tác động DERM liên quan đến 700 bệnh nhân và 867 tổn thương, chứng minh rằng DERM có thể phân loại chính xác các tổn thương lành tính hiệu quả hơn so với các bác sĩ da liễu thực hiện đánh giá từ xa qua y tế từ xa.
Quan trọng là, DERM duy trì tỷ lệ phát hiện tương đương đối với các tổn thương cần đánh giá chuyên sâu hơn.
Về mặt phê duyệt quy định, DERM được cấp chứng nhận thiết bị y tế Loại IIA tại Vương quốc Anh vào năm 2022, xác nhận tính an toàn và hiệu quả của nó cho sử dụng lâm sàng.
Dữ liệu hiệu suất cho thấy giá trị dự đoán âm (NPV) nổi bật là 99,93% đối với phát hiện u ác tính hắc tố.
Như vậy khi DERM xác định một tổn thương là lành tính, nó gần như luôn đúng.
Độ nhạy tổng thể đối với tất cả các loại ung thư da được báo cáo ở mức 97%,
Ví dụ: Tại một phòng khám ở London, DERM đã giúp giảm 30% số lượt giới thiệu không cần thiết đến chuyên gia da liễu, giảm thời gian chờ đợi từ 12 tuần xuống còn 4 tuần cho những bệnh nhân thực sự cần được khám chuyên khoa.
Mức độ chính xác này đặt DERM như một công cụ lâm sàng có giá trị hỗ trợ các chuyên gia y tế đưa ra quyết định chính xác về việc giới thiệu và lộ trình chăm sóc bệnh nhân.
Bằng cách giúp lọc ra các tổn thương không đe dọa một cách hiệu quả, DERM có thể giảm áp lực công việc cho các chuyên gia và đảm bảo bệnh nhân có tổn thương đáng lo ngại nhận được sự chăm sóc kịp thời.
Ứng dụng DeepClinics
DeepClinics là một ứng dụng chẩn đoán da liễu được hỗ trợ bởi AI phát triển tại Việt Nam thông qua hợp tác với các bác sĩ da liễu có kinh nghiệm.
Hệ thống sử dụng các kỹ thuật học sâu tiên tiến, đặc biệt là mạng nơ-ron tích chập (CNN) tinh chỉnh để phân tích hình ảnh tổn thương da.
Một nghiên cứu liên kết đã huấn luyện mô hình CNN này trên một tập dữ liệu không cân bằng chứa hơn 17.000 hình ảnh về u ác tính hắc tố và nốt ruồi lành tính.
Mô hình đạt được diện tích ấn tượng dưới đường cong đặc tính hoạt động của bộ thu (AUC) là 94,4%, phản ánh hiệu suất chẩn đoán tổng thể xuất sắc.
Thêm vào đó, nó đạt độ nhạy 85% (phát hiện chính xác 85% u ác tính hắc tố) và độ đặc hiệu 95% (xác định chính xác tổn thương lành tính 95% thời gian).
Đáng chú ý, khi được đánh giá so với đánh giá của 157 bác sĩ da liễu từ 12 bệnh viện đại học lớn ở Đức sử dụng cùng tập dữ liệu, mô hình của DeepClinics đã vượt trội hơn các chuyên gia này.
Điều này chứng minh tiềm năng của các hệ thống AI được phát triển ở các thị trường mới như Việt Nam có thể cạnh tranh ở cấp độ quốc tế về độ chính xác trong chẩn đoán.
DeepClinics minh họa cách các ứng dụng AI được điều chỉnh phù hợp với bối cảnh địa phương với đầu vào từ các chuyên gia lâm sàng khu vực có thể đạt hiệu suất cao trong khi giải quyết các nhu cầu chăm sóc sức khỏe cụ thể.
Những công cụ như vậy đóng vai trò quan trọng trong việc mở rộng tiếp cận đến đánh giá da liễu chất lượng ở những khu vực có hạn chế về số lượng chuyên gia.
Ứng dụng COMPASS
COMPASS là mô hình AI dựa trên mạng nơ-ron tích chập (CNN) được thiết kế đặc biệt để hỗ trợ bác sĩ giải phẫu bệnh trong việc xác định ung thư tế bào đáy (BCC) trong hình ảnh toàn bộ lát cắt (WSI) của các mẫu mô học bệnh.
Kỹ thuật hình ảnh toàn bộ lát cắt liên quan đến việc quét toàn bộ lát kính hiển vi ở độ phân giải cao để tạo ra hình ảnh kỹ thuật số có thể được phân tích bằng máy tính.
Phương pháp này rất quan trọng cho chẩn đoán bệnh lý nhưng thường đòi hỏi thời gian và chuyên môn đáng kể để đánh giá hiệu quả.
Trong một nghiên cứu quan trọng liên quan đến 246 hình ảnh toàn bộ lát cắt, trong đó 147 mẫu chứa BCC đã được xác nhận, COMPASS đã thể hiện hiệu suất chẩn đoán đáng chú ý.
Hệ thống AI đạt độ nhạy 98,0%, nghĩa là nhận diện chính xác gần như tất cả các lát cắt chứa BCC.
Độ đặc hiệu của nó là 97,0%, chỉ ra tỷ lệ dương tính giả rất thấp trong các lát cắt lành tính.
Ví dụ: Tại một bệnh viện ở California, việc triển khai COMPASS đã giúp giảm thời gian đọc mẫu bệnh phẩm từ trung bình 25 phút xuống còn 8 phút cho mỗi ca, giúp bác sĩ giải phẫu bệnh có thể xử lý nhiều ca hơn mỗi ngày mà vẫn đảm bảo độ chính xác.
Những con số này gợi ý rằng COMPASS có thể đóng vai trò như một công cụ đọc thứ hai hoặc công cụ sàng lọc đáng tin cậy cho bác sĩ giải phẫu bệnh.
Do đó cải thiện tốc độ và độ chính xác trong chẩn đoán đồng thời có khả năng giảm khối lượng công việc.
Tự động đánh dấu các khu vực đáng ngờ, hệ thống giúp đảm bảo rằng các mô ác tính không bị bỏ qua trong quá trình đánh giá thủ công.
Ứng dụng DermaSensor
DermaSensor thể hiện một cách tiếp cận khác, kết hợp phần cứng và phần mềm AI thành một thiết bị y tế di động, không xâm lấn.
Nó sử dụng phương pháp quang phổ tán xạ đàn hồi để phân tích các kiểu tán xạ ánh sáng từ da.
Đây là phương pháp nhạy cảm với những thay đổi trong cấu trúc mô điển hình của các tổn thương ung thư.
Thiết bị này đã nhận được sự chấp thuận từ Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA).
Vì thế đánh dấu nó như một trợ giúp lâm sàng đáng tin cậy cho các bác sĩ chăm sóc ban đầu đánh giá ba loại ung thư da phổ biến nhất: u ác tính hắc tố, ung thư tế bào đáy (BCC), và ung thư tế bào vảy (SCC).
Nghiên cứu quan trọng được FDA hỗ trợ liên quan đến hơn 1.000 bệnh nhân và 224 ca ung thư da được xác nhận đã báo cáo độ nhạy tổng thể là 96%.
Điều này có nghĩa DermaSensor phát hiện chính xác gần như tất cả các tổn thương ung thư trong nghiên cứu.
Hơn nữa, một kết quả âm tính từ thiết bị có xác suất 97% rằng tổn thương là lành tính, mang lại sự an tâm cho bệnh nhân và bác sĩ lâm sàng.
Ví dụ: Một bác sĩ da liễu tại Houston đã chia sẻ khi sử dụng DermaSensor trong phòng khám đã giúp ông phát hiện một ca ung thư tế bào đáy giai đoạn sớm ở một bệnh nhân 67 tuổi mà ông có thể đã bỏ qua trong khám lâm sàng thông thường vì tổn thương rất nhỏ và không có các dấu hiệu điển hình.
Ngoài độ chính xác trong chẩn đoán, các nghiên cứu về tiện ích lâm sàng với 108 bác sĩ cho thấy việc tích hợp DermaSensor vào thực hành thường quy đã cắt giảm tỷ lệ bỏ sót ung thư da xuống một nửa ( từ 18% xuống còn 9% ).
Như vậy nhấn mạnh tiềm năng của nó trong cải thiện đáng kể phát hiện sớm trong môi trường thực tế.
Tuy nhiên, một số phân tích đã lưu ý các giá trị độ đặc hiệu tương đối thấp, khoảng 20,7% cho cả ba loại ung thư và 32,5% đặc biệt cho u ác tính hắc tố trong một số nghiên cứu cụ thể.
Độ đặc hiệu thấp dẫn đến tỷ lệ dương tính giả cao hơn nên có thể dẫn đến sinh thiết không cần thiết hoặc lo lắng cho bệnh nhân.
Cân bằng giữa độ nhạy và độ đặc hiệu vẫn là một thách thức chính cho các thiết bị như DermaSensor.
Phát hiện u ác tính hắc tố
Ngoài các sản phẩm riêng lẻ, những nỗ lực nghiên cứu AI rộng rãi tiếp tục hoàn thiện các thuật toán phát hiện u ác tính hắc tố sử dụng hình ảnh da qua kính soi những bức ảnh độ phóng đại cao của tổn thương da.
Một đánh giá hệ thống bao gồm 40 bài báo khoa học phát hiện các thuật toán AI thường đạt được giá trị diện tích dưới đường cong đặc tính hoạt động của bộ thu (AUC) trên 80%.
Chỉ số này phản ánh độ chính xác chẩn đoán tổng thể, giá trị cao hơn chỉ ra hiệu suất tốt hơn.
Độ nhạy trung bình trong các nghiên cứu này khoảng 83%, trong khi độ đặc hiệu trung bình khoảng 85,6%.
Do đó gợi ý AI có thể tương đương hoặc đôi khi vượt trội khả năng của bác sĩ da liễu trong việc phân tích hình ảnh kính soi da.
Một nghiên cứu đặc biệt triển vọng đã kết hợp AI với Chụp cắt lớp quang học (OCT), một phương pháp chụp ảnh thu thập hình ảnh cắt ngang của da sử dụng sóng ánh sáng.
Phương pháp này mang lại độ chính xác chẩn đoán cao tới 99% khi phân biệt u ác tính hắc tố với nốt ruồi lành tính.
Ví dụ: Tại một trung tâm nghiên cứu ở Brisbane, Australia, mô hình AI kết hợp đã phát hiện thành công một ca u ác tính hắc tố ở giai đoạn cực kỳ sớm, khi tổn thương chỉ mới 0.5mm và không có bất kỳ dấu hiệu lâm sàng nào nhận biết được bằng mắt thường.
Những tiến bộ này cho thấy rằng tích hợp hình ảnh đa phương thức với các mô hình AI tinh vi có thể cung cấp cho bác sĩ da liễu những công cụ mạnh mẽ để sàng lọc ung thư da một cách không xâm lấn, nhanh chóng và chính xác.
Ung thư tế bào đáy và tế bào vảy
Trong khi COMPASS tập trung vào phát hiện BCC trong các lát cắt bệnh lý, các nhà nghiên cứu khác đang tích cực phát triển các ứng dụng AI cho chẩn đoán ung thư tế bào vảy (SCC).
Ví dụ: trong ung thư tế bào vảy miệng (OSCC), các nghiên cứu đã báo cáo hệ thống AI đạt tỷ lệ độ nhạy vượt quá 85% và độ chính xác chẩn đoán tổng thể trên 90%.
Những phát hiện này rất đáng khích lệ cho việc mở rộng vai trò của AI ngoài u ác tính hắc tố sang các loại ung thư da phổ biến khác.
Ví dụ: Một phòng khám đa khoa đã thử nghiệm một hệ thống AI nhận diện tổn thương SCC qua ảnh chụp lâm sàng, giúp bác sĩ không chuyên về da liễu có thể sàng lọc hiệu quả những bệnh nhân cần được chuyển đến bác sĩ chuyên khoa, giảm 25% số lượt khám chuyên khoa không cần thiết.
Những công cụ như vậy không chỉ nhằm mục đích hỗ trợ bác sĩ giải phẫu bệnh bằng cách tự động hóa việc phát hiện mà còn có thể giúp đỡ các bác sĩ lâm sàng thông qua hình ảnh không xâm lấn hoặc ảnh chụp lâm sàng.
Mục tiêu là xác định SCC đủ sớm để cải thiện thành công trong điều trị đồng thời giảm gánh nặng cho các nhà cung cấp dịch vụ chăm sóc sức khỏe chuyên biệt.
Điều trị mụn trứng cá
Ứng dụng Curology
Curology nổi bật như một dịch vụ y tế từ xa phổ biến tận dụng AI để nâng cao việc cá nhân hóa điều trị mụn trứng cá.
Quy trình bắt đầu khi bệnh nhân tải lên hình ảnh làn da của họ qua nền tảng.
Các thuật toán AI phân tích những bức ảnh này để đánh giá tình trạng da, tập trung vào mức độ nghiêm trọng của mụn, loại mụn và các đặc điểm liên quan khác.
Tuy nhiên, điều làm Curology đặc biệt độc đáo là sự hợp tác giữa con người và AI.
Bác sĩ da liễu xem xét phân tích của AI và tạo ra công thức tùy chỉnh được thiết kế riêng cho nhu cầu của từng bệnh nhân.
Những đơn thuốc cá nhân hóa này thường bao gồm các thành phần hoạt tính như tretinoin, clindamycin, axit azelaic, niacinamide, hoặc zinc pyrithione.
Mỗi thành phần đều được hỗ trợ bởi bằng chứng khoa học vững chắc về hiệu quả trong việc điều trị mụn trứng cá và các vấn đề da liên quan.
Ví dụ: Một bệnh nhân đã chia sẻ kinh nghiệm sử dụng một dịch vụ tương tự Curology: “Sau 3 tháng sử dụng công thức được điều chỉnh riêng, tình trạng mụn của tôi đã giảm 80% và vết thâm cũng mờ đi đáng kể. Đây là lần đầu tiên tôi cảm thấy tự tin với làn da của mình sau nhiều năm.”
Kết hợp hiệu quả của AI trong phân tích hình ảnh với đánh giá lâm sàng chuyên môn, Curology cung cấp các kế hoạch điều trị mục tiêu có thể tiếp cận từ nhà.
Do đó giảm rào cản trong chăm sóc như đi lại hoặc thời gian chờ đợi cho các cuộc hẹn.
Hơn nữa, nghiên cứu liên tục và đánh giá của người dùng khẳng định rằng các thành phần được sử dụng bởi Curology có nền tảng khoa học vững chắc và hiệu quả trong việc quản lý các hình thức mụn trứng cá khác nhau.
Thuật toán Trí tuệ nhân tạo (AIA)
Vào năm 2019, các nhà nghiên cứu đã giới thiệu một thuật toán AI được thiết kế riêng cho điện thoại thông minh để đánh giá mức độ nghiêm trọng của mụn trứng cá.
Thuật toán này, được gọi là AIA, đánh giá mụn sử dụng thang Đánh giá Mụn Toàn cầu (GEA).
Đây là phương pháp tiêu chuẩn hóa để đánh giá mức độ nghiêm trọng của mụ và xác định các loại tổn thương mụn khác nhau và tăng sắc tố sau viêm (PIHP).
Phát triển AIA liên quan đến phân tích một tập dữ liệu lớn gồm 5.972 hình ảnh từ hơn 1.000 bệnh nhân mụn.
Phiên bản mới nhất, AIA V6, đạt được sự đồng thuận đáng chú ý 68% với các bác sĩ da liễu khi phân loại mức độ nghiêm trọng của mụn dựa trên thang GEA.
Thuật toán cũng thể hiện hiệu suất mạnh mẽ trong nhận diện tổn thương, với điểm F1 là 84% cho tổn thương viêm (như sẩn và mụn mủ), 61% cho tổn thương không viêm (như mụn đầu đen và đầu trắng), và 72% cho PIHP.
Ví dụ: Tại một phòng khám da liễu, bệnh nhân sử dụng ứng dụng tương tự AIA có thể chụp ảnh làn da tại nhà mỗi tuần, giúp bác sĩ theo dõi tiến triển điều trị mà không cần bệnh nhân đến tái khám thường xuyên.
Điều này đặc biệt hữu ích trong mùa dịch Covid-19 khi việc đi lại bị hạn chế.
Yếu tố giúp AIA đặc biệt triển vọng là khả năng cung cấp cho bệnh nhân phản hồi thời gian thực về tình trạng mụn của họ chỉ bằng camera điện thoại thông minh.
Công nghệ này trao quyền cho cá nhân theo dõi tình trạng da của họ một cách khách quan và giao tiếp hiệu quả hơn với các nhà cung cấp dịch vụ chăm sóc sức khỏe.
Khi tỷ lệ sử dụng điện thoại thông minh tiếp tục tăng trên toàn cầu, các công cụ như AIA có thể trở nên không thể thiếu trong quản lý mụn từ xa.
Ứng dụng AcneAI
AcneAI là một ứng dụng được hỗ trợ bởi AI khác đang thu hút sự chú ý trong nghiên cứu học thuật nhờ độ chính xác trong việc phát hiện tổn thương mụn và dự đoán kết quả điều trị.
Sử dụng thuật toán học máy tiên tiến kết hợp với công nghệ nhận dạng hình ảnh nâng cao, AcneAI phân tích các tập dữ liệu lớn bao gồm nhiều biểu hiện mụn khác nhau.
Điểm mạnh của AcneAI nằm ở cách tiếp cận toàn diện.
Nó không chỉ nhận diện và phân loại tổn thương chính xác mà còn đánh giá mức độ nghiêm trọng của mụn và dự đoán mức độ hiệu quả của các phương pháp điều trị khác nhau đối với từng bệnh nhân.
Khả năng dự đoán này giúp bác sĩ da liễu xây dựng kế hoạch chăm sóc cá nhân hóa cao phù hợp với đặc điểm da độc đáo của từng bệnh nhân.
Ví dụ: Một nghiên cứu thử nghiệm tại bệnh viện đại học cho thấy AcneAI có khả năng dự đoán đáp ứng với isotretinoin (thuốc điều trị mụn nặng) với độ chính xác 76%.
Do đó giúp bác sĩ có thêm thông tin để quyết định phương pháp điều trị tối ưu cho bệnh nhân.
Bằng cách sử dụng lượng dữ liệu khổng lồ từ các nhóm dân số đa dạng, AcneAI cải thiện độ chính xác và giảm nguy cơ chẩn đoán sai hoặc đề xuất điều trị không hiệu quả.
Cách tiếp cận dựa trên dữ liệu này hỗ trợ ra quyết định dựa trên bằng chứng.
Từ đó có thể rút ngắn đáng kể thời gian để bệnh nhân tìm ra giải pháp hiệu quả cho vấn đề mụn của họ.
Ứng dụng Neutrogena Skin360
Neutrogena Skin360 là một ứng dụng di động được hỗ trợ bởi AI được thiết kế để đánh giá sức khỏe da tổng thể nhưng cũng cung cấp những hiểu biết giá trị về tình trạng mụn.
Người dùng bắt đầu bằng cách chụp một tấm ảnh tự sướng.
Sau đó ứng dụng phân tích bằng các thuật toán tinh vi so sánh hình ảnh với cơ sở dữ liệu gồm hơn 10.000 bức ảnh được đánh giá bởi bác sĩ da liễu.
Mặc dù phạm vi của nó mở rộng không chỉ giới hạn ở mụn, Skin360 bao gồm các tính năng đánh giá sự hiện diện và mức độ nghiêm trọng của mụn.
Vì vậy cung cấp các khuyến nghị sản phẩm chăm sóc da cá nhân hóa dựa trên phân tích.
Cơ sở dữ liệu tham khảo lớn đảm bảo rằng các đề xuất được dựa trên chuyên môn da liễu.
Ví dụ: Một người dùng chia sẻ: “Tôi đã sử dụng Skin360 trong 3 tháng và thấy rằng ứng dụng không chỉ giúp tôi theo dõi mụn mà còn đánh giá các vấn đề khác như lỗ chân lông, nếp nhăn và sắc tố.
Khi có những đề xuất sản phẩm cụ thể rất hữu ích khi tôi đã không còn bối rối trước quá nhiều lựa chọn trên thị trường.”
Ứng dụng này đóng vai trò như một công cụ hữu ích cho người dùng tìm cách hiểu rõ hơn về làn da của họ và áp dụng các biện pháp phòng ngừa hoặc điều chỉnh sớm.
Giao diện thân thiện với người dùng kết hợp với độ chính xác do AI mang lại khiến nó trở thành nguồn thông tin dễ tiếp cận cho những cá nhân quan tâm đến việc theo dõi liên tục sức khỏe làn da của họ.
Chẩn đoán bệnh viêm da
ResNet-50 và mô hình CNN
Trong số các công cụ AI tiên tiến nhất trong lĩnh vực da liễu là mạng nơ-ron tích chập (CNN), vốn nổi trội trong các nhiệm vụ nhận dạng hình ảnh.
Một kiến trúc CNN cụ thể, ResNet-50, đã thể hiện kết quả đầy triển vọng trong chẩn đoán và đánh giá viêm da dị ứng (AD).
Đây là tình trạng viêm da mãn tính đặc trưng bởi da ngứa, khô và viêm.
Một nghiên cứu nổi bật đã kết hợp ResNet-50 với kỹ thuật hình ảnh siêu phổ (HSI), một phương pháp thu thập thông tin phổ chi tiết vượt ra ngoài phạm vi ánh sáng khả kiến.
Do đó giúp mô hình AI phân loại mức độ nghiêm trọng của AD với độ chính xác 83%.
Hình ảnh siêu phổ nâng cao khả năng phát hiện những thay đổi tinh tế trên da bị ảnh hưởng bởi AD mà có thể không nhìn thấy trong ảnh thông thường.
Vì vậy cung cấp cho AI dữ liệu tinh tế hơn để phân tích.
Tương tự như cách một chuyên gia da liễu có thể nhìn thấy các dấu hiệu bệnh lý mà mắt thường không thể phát hiện, nhưng với độ chính xác và nhất quán hơn.
Nghiên cứu sâu hơn của Maulana và cộng sự đã chứng minh hiệu suất thậm chí còn ấn tượng hơn của ResNet-50 trong khả năng tự động đánh giá mức độ nghiêm trọng của AD.
Mô hình của họ đạt độ chính xác 89,8%, với độ nhạy (khả năng xác định chính xác các trường hợp dương tính thật) là 89,8% và độ đặc hiệu (khả năng xác định chính xác các trường hợp âm tính thật) là 96,7%.
Những số liệu này cho thấy hệ thống AI có thể phát hiện đáng tin cậy các trường hợp AD đồng thời giảm thiểu kết quả dương tính giả.
Ngoài ResNet-50, các kiến trúc CNN khác như VGGNet-19, MobileNetV3, MnasNet và EfficientNetB0 cũng đã được thử nghiệm để phân loại mức độ nghiêm trọng của AD.
Mỗi mô hình đều có những điểm mạnh về hiệu quả tính toán hoặc độ chính xác.
Vì thế mang đến nhiều lựa chọn tùy thuộc vào nhu cầu lâm sàng và công nghệ có sẵn.
Điều này tương tự như việc bác sĩ chọn công cụ chẩn đoán phù hợp dựa trên tình trạng của bệnh nhân.
Hơn nữa, tích hợp CNN với hình ảnh kính hiển vi quang âm ba chiều đã nâng cao độ chính xác chẩn đoán lên đến 97% trong phân biệt giữa người khỏe mạnh và người mắc AD.
Phương pháp này tận dụng sự kết hợp giữa học sâu với các phương thức hình ảnh tiên tiến để nắm bắt cả thay đổi cấu trúc và chức năng của da.
Do đó mang lại mức độ chính xác chẩn đoán chưa từng có.
Thuật toán C5.0
Thuật toán học máy không chỉ giới hạn ở học sâu và phân tích hình ảnh; các thuật toán cây quyết định như C5.0 cũng đóng vai trò quan trọng trong hỗ trợ quyết định lâm sàng của bác sĩ da liễu.
Thuật toán C5.0 là phiên bản tinh chỉnh của bộ phân loại cây quyết định, xuất sắc trong quản lý tập dữ liệu phức tạp với khả năng giải thích cao.
Các nhà phát triển đã tạo ra một hệ thống hỗ trợ quyết định dựa trên C5.0 để trợ giúp chẩn đoán vẩy nến, chàm và bạch biến.
Hệ thống sử dụng tập dữ liệu gồm 1.000 bệnh nhân được chẩn đoán với các tình trạng này.
Khi thử nghiệm trên tập dữ liệu độc lập gồm 200 cá nhân, hệ thống đã thể hiện độ chính xác chẩn đoán tổng thể là 92,5%.
Chi tiết hơn, nó đạt độ chính xác 87% đối với các trường hợp vẩy nến và 90% đối với chàm.
Điều này giống như có một bác sĩ da liễu trợ giúp giàu kinh nghiệm luôn sẵn sàng cung cấp ý kiến thứ hai.
Những kết quả này nhấn mạnh tính hữu dụng thực tế của các công cụ AI trong môi trường lâm sàng thực tế.
Đây là nơi bác sĩ da liễu đối mặt với thách thức phân biệt giữa các tình trạng tương tự về mặt hình ảnh.
Cung cấp đánh giá xác suất dựa trên các mẫu dữ liệu bệnh nhân, hệ thống dựa trên C5.0 giúp giảm bớt sự không chắc chắn trong chẩn đoán và hỗ trợ quyết định điều trị kịp thời.
Ngoài ra, các mô hình cây quyết định như C5.0 mang đến tính minh bạch trong quá trình ra quyết định.
Đây là một yếu tố quan trọng trong y học, nơi các bác sĩ lâm sàng cần hiểu lý do đằng sau các khuyến nghị của AI để tin tưởng và áp dụng chúng một cách tự tin.
Học máy truyền thống SVM và ANN
Mặc dù học sâu đã nhận được nhiều sự chú ý gần đây, các thuật toán học máy truyền thống vẫn có giá trị, đặc biệt khi xử lý các tập dữ liệu nhỏ hơn hoặc nhiệm vụ phân loại đơn giản hơn.
Máy Vector Hỗ trợ (SVM) và Mạng Nơ-ron Nhân tạo (ANN) đã được áp dụng hiệu quả để phân biệt viêm da dị ứng với các tổn thương da viêm khác.
SVM đặc biệt phù hợp cho các vấn đề phân loại liên quan đến ranh giới phi tuyến tính phổ biến trong phân tích hình ảnh y tế nơi các đặc điểm chồng chéo hoặc không thể tách biệt rõ ràng.
Nó hoạt động bằng cách tìm ra ranh giới quyết định tối ưu (siêu phẳng) tối đa hóa khoảng cách giữa các lớp khác nhau (giữa AD và các tình trạng da khác).
Có thể hình dung khả năng này như việc vẽ một đường ranh giới rõ ràng nhất có thể giữa hai nhóm điểm dữ liệu, ngay cả khi chúng phân bố phức tạp.
ANN mô phỏng mạng nơ-ron sinh học và có thể học các mẫu phức tạp thông qua nhiều lớp nút kết nối.
Mặc dù ít sâu hơn so với CNN hiện đại, nhưng các mạng này vẫn hoạt động tốt cho các nhiệm vụ như phân loại tổn thương khi được đào tạo phù hợp.
Nhiều nghiên cứu đã chứng minh cả mô hình SVM và ANN đều có thể đạt độ chính xác cao trong phân biệt AD với các bệnh viêm da khác cho dù với kích thước mẫu hạn chế.
Khả năng xử lý phi tuyến tính và nhiễu trong dữ liệu khiến chúng trở thành công cụ mạnh mẽ cho sàng lọc sớm hoặc như phương tiện bổ trợ cho đánh giá lâm sàng.
Điều này đặc biệt hữu ích trong các khu vực thiếu chuyên gia da liễu, nơi công cụ sàng lọc tự động có thể giúp phân loại bệnh nhân cần được chăm sóc chuyên sâu.
Nám da, trứng cá đỏ và lão hóa da
Bệnh nám da
Bệnh nám da đặc trưng bởi các mảng da sẫm màu do sản xuất melanin quá mức.
Hiện tượng này có thể bị kích hoạt bởi tổn thương do ánh nắng, thay đổi hormone, viêm, hoặc tổn thương da.
Chẩn đoán nám da chính xác liên quan đến việc đánh giá độ sâu, phân bố, và loại sắc tố.
Đây là một nhiệm vụ truyền thống phụ thuộc vào đánh giá lâm sàng chuyên môn.
AI hiện cung cấp những công cụ mạnh mẽ để phân tích hình ảnh da và định lượng chính xác đặc điểm bệnh nám da.
Các thuật toán có thể đánh giá nồng độ melanin, độ sâu sắc tố, và mô hình phân bố trên các vùng bị ảnh hưởng, cung cấp bức tranh chi tiết về tình trạng bệnh.
Giống như cách một kính hiển vi kỹ thuật số có thể phát hiện những thay đổi ở cấp độ tế bào mà mắt thường không thấy được.
Một ví dụ thực tế là ứng dụng Neutrogena Skin360.
Công cụ này sử dụng thiết bị chụp ảnh chuyên dụng để thu thập dữ liệu về độ ẩm, độ sáng của da, và đốm sắc tố.
AI xử lý thông tin này để đưa ra khuyến nghị sản phẩm chăm sóc da phù hợp nhằm điều trị hiệu quả tình trạng tăng sắc tố.
Người dùng cũng có thể theo dõi những thay đổi trong sắc tố da của họ theo thời gian thông qua giao diện của ứng dụng tương tự như cách một nhật ký điện tử ghi lại hành trình cải thiện làn da của bạn.
Khả năng của AI trong cung cấp hướng dẫn cá nhân hóa dựa trên các phép đo khách quan trao quyền cho cả cá nhân và bác sĩ lâm sàng để quản lý bệnh nám da hiệu quả hơn bao giờ hết.
Bệnh trứng cá đỏ
Rosacea là một rối loạn viêm da mãn tính đặc trưng bởi đỏ da kéo dài, mạch máu có thể nhìn thấy (giãn mao mạch), các nốt viêm, và mụn mủ, chủ yếu ảnh hưởng đến vùng giữa mặt.
Chẩn đoán rosacea có thể khó khăn do các triệu chứng chồng chéo với mụn trứng cá và các tình trạng da khác.
Công cụ AI sử dụng mạng nơ-ron tích chập (CNN) đã được phát triển để hỗ trợ phát hiện rosacea khi phân tích các đặc điểm hình ảnh đặc trưng như phân bố ban đỏ, giãn mạch máu, và tổn thương viêm.
Kiến trúc CNN đáng chú ý được nghiên cứu trong bối cảnh này bao gồm ResNet, VGG-16, DenseNet201 và một mô hình chuyên biệt có tên Ros-NET được thiết kế đặc biệt để nhận dạng rosacea.
Những mô hình này hoạt động tương tự như một bác sĩ da liễu kỹ thuật số, học cách nhận biết các dấu hiệu tinh tế của rosacea từ hàng nghìn hình ảnh.
Mô hình AI này phân tích hình ảnh khuôn mặt để phân loại rosacea chính xác và phân biệt nó với các bệnh da liễu khác.
Khả năng phát hiện những dấu hiệu hình ảnh tinh tế nâng cao sự tự tin trong chẩn đoán và có thể dẫn đến can thiệp sớm hơn và mục tiêu hơn.
Ngoài phân tích hình ảnh, các công cụ AI tạo sinh như chatbot bao gồm ChatGPT cho thấy tiềm năng đầy hứa hẹn trong hướng dẫn bệnh nhân về rosacea.
Nghiên cứu đánh giá ChatGPT 3.5 tiết lộ rằng nó có thể trả lời các câu hỏi thông thường của bệnh nhân về rosacea với độ tin cậy cao, từ 92,22% đến 97,78%.
Khả năng này mở ra cánh cửa cho việc phổ biến thông tin y tế đáng tin cậy một cách dễ tiếp cận và có thể mở rộng.
Từ đó trao quyền cho bệnh nhân với sự hiểu biết tốt hơn và các mẹo tự chăm sóc.
Chẩn đoán lão hóa da
Lão hóa da biểu hiện qua nhiều dấu hiệu như nếp nhăn, mất độ săn chắc, thay đổi kết cấu, lỗ chân lông to, quầng thâm, và sưng phù quanh mắt.
Những đặc điểm này cùng nhau ảnh hưởng đến “tuổi da” cảm nhận được, có thể khác với tuổi thực tế do di truyền, yếu tố lối sống và tiếp xúc với môi trường.
Ứng dụng AI hiện có thể phân tích đồng thời nhiều chỉ số lão hóa da.
Xử lý hình ảnh độ phân giải cao hoặc quét, công cụ AI đo độ sâu, độ dài và vị trí nếp nhăn; đánh giá độ đàn hồi và săn chắc của da.
Từ đó đánh giá kết cấu bề mặt; định lượng kích thước lỗ chân lông và phát hiện các vấn đề phổ biến như quầng thâm mắt hoặc phù nề.
Ví dụ: AI Skin Analyzer của Perfect Corp. xác định tới 15 vấn đề da bao gồm nếp nhăn, mức độ hydrat hóa, độ đàn hồi, bất thường kết cấu và sự hiện diện của mụn trứng cá.
Cách tiếp cận toàn diện này giúp người dùng hiểu chi tiết tình trạng da của họ và hướng dẫn họ đến các sản phẩm hoặc phương pháp điều trị chống lão hóa phù hợp.
Tương tự như một cuộc tư vấn da liễu chi tiết, nhưng có thể thực hiện ngay tại nhà qua điện thoại thông minh.
Một công cụ đáng chú ý khác là NOVOS FaceAge.
Được đào tạo trên hơn 12 triệu hình ảnh và được xác nhận bởi các chuyên gia da liễu, NOVOS cung cấp đánh giá toàn diện về tuổi da mặt.
Nó cung cấp ước tính tuổi riêng biệt cho tổng thể khuôn mặt và vùng mắt nhạy cảm đồng thời chấm điểm các yếu tố như phù nề, mức độ nghiêm trọng của nếp nhăn, độ đồng đều màu sắc, kích thước lỗ chân lông và độ đỏ.
Các phòng khám da liễu sử dụng nền tảng AI tiên tiến như VISIA® để phân tích sâu sắc sức khỏe da.
VISIA® đo lường mức độ nghiêm trọng của nếp nhăn, đốm tổn thương UV, kích thước lỗ chân lông, độ đồng nhất kết cấu, và biến đổi sắc tố.
Vì vậy cung cấp cho bác sĩ lâm sàng dữ liệu quý giá để điều chỉnh các can thiệp chống lão hóa cá nhân hóa.
Có thể bạn quan tâm
Liên hệ
Địa chỉ
Tầng 3 Toà nhà VNCC 243A Đê La Thành Str Q. Đống Đa-TP. Hà Nội
