29/04/2025
Hệ thống MedCapSys: Đột phá trong chẩn đoán ảnh MRI não nhờ trí tuệ nhân tạo
Hệ thống MedCapSys, do sinh viên Phan Minh Nhật tại Trường Đại học Bách khoa - Đại học Đà Nẵng phát triển, đã xuất sắc giành giải Nhất tại Hội nghị Khoa học và Triển lãm Công nghệ 2024-2025. Với khả năng phân tích chính xác ảnh cộng hưởng từ (MRI) và tự động tạo báo cáo chẩn đoán, MedCapSys hứa hẹn là công cụ hỗ trợ đắc lực cho các bác sĩ trong việc phát hiện các bất thường ở não, chẳng hạn như u não. Thành tựu này không chỉ đánh dấu bước tiến quan trọng trong ứng dụng trí tuệ nhân tạo (AI) vào y học mà còn khẳng định tài năng của các nhà nghiên cứu trẻ Việt Nam.
MedCapSys được xây dựng trong hơn một năm với bốn modul chính, mỗi modul đảm nhiệm một chức năng chuyên biệt để tối ưu hóa quá trình phân tích ảnh MRI. Modul MedCapNet sử dụng mô hình mã hóa - giải mã để tự động tạo chú thích cho ảnh MRI não, giúp xác định các đặc điểm quan trọng. GuidedDCNet, hiện đang trong quá trình phản biện tại Tạp chí quốc tế Electronics and Telecommunications Research Institute (ETRI) thuộc danh mục Scopus Q2, phân loại tổn thương dựa trên khuếch tán để nhận diện các bất thường. Trong khi đó, GuidedSegDiff chịu trách nhiệm phân đoạn tổn thương, xác định chính xác vị trí, kích thước và số lượng tổn thương. Cuối cùng, BrainMedQwen, một mô hình ngôn ngữ thị giác, tổng hợp dữ liệu từ các modul trên để tạo ra báo cáo chẩn đoán chi tiết, tuân thủ nghiêm ngặt các quy chuẩn y khoa.
Các kiến trúc mô hình nhóm của hệ thống MedCapSys. Ảnh: Sưu tầm
Chẩn đoán ảnh MRI não là một trong những thách thức lớn của y học hiện đại, đòi hỏi độ chính xác gần như tuyệt đối và báo cáo đáp ứng các tiêu chuẩn chuyên ngành khắt khe. Theo Phan Minh Nhật, hiện tượng "ảo giác" trong AI, khi máy tự sinh thông tin không chính xác, là một rào cản lớn. Để khắc phục, MedCapSys áp dụng cách tiếp cận sáng tạo bằng cách cung cấp thông tin bổ trợ như chuỗi xung, góc chụp và vị trí tổn thương, giúp hệ thống hiểu rõ ngữ cảnh và giảm thiểu sai lệch. Nhờ đó, các báo cáo do MedCapSys tạo ra không chỉ giàu thông tin mà còn hỗ trợ hiệu quả cho bác sĩ trong việc đưa ra quyết định lâm sàng.
Quy trình hoạt động của MedCapSys được thiết kế khoa học và chặt chẽ. Ảnh MRI đầu vào, có thể ở định dạng 2D hoặc 3D, được tiền xử lý để chuẩn hóa chất lượng và định dạng. Sau đó, ảnh được chuyển qua các modul phân loại, tạo chú thích và phân đoạn tổn thương. Cuối cùng, BrainMedQwen tổng hợp kết quả và tạo ra một báo cáo chẩn đoán hoàn chỉnh. Dữ liệu huấn luyện của hệ thống được lấy từ các nguồn uy tín như Radiology Objects in Context, Multimodal Brain Tumor Segmentation Challenge 2020, Figshare, SARTAJ và Br35H. Ngoài ra, nghiên cứu còn ứng dụng mô hình Segment Anything Model 2 của Meta để gắn nhãn tự động, kết hợp với xử lý thủ công để đảm bảo độ chính xác trong tinh chỉnh dữ liệu.
Điểm nổi bật của MedCapSys nằm ở kiến trúc modul linh hoạt, cho phép nâng cấp từng phần mà không ảnh hưởng đến tổng thể hệ thống. TS Nguyễn Văn Hiệu, Trưởng bộ môn Công nghệ phần mềm, Trường Đại học Bách khoa - Đại học Đà Nẵng, nhận định rằng MedCapSys có tính độc đáo so với các dự án tương tự như Med-Gemini của Google, nhờ tập trung vào phân tích chuyên sâu ảnh y tế và tích hợp báo cáo tự động. Ông bày tỏ hy vọng rằng công trình này sẽ góp phần nâng cao hiệu quả chẩn đoán ảnh não trong thực hành lâm sàng, mở ra một hướng tiếp cận mới trong ứng dụng AI vào y học. Dù hiện chỉ phục vụ nghiên cứu và chưa triển khai thực tế, MedCapSys đã đặt nền móng vững chắc cho những đột phá tương lai trong lĩnh vực y tế./.
Tú Giang (TH)