AI trong chẩn đoán hình ảnh — qXR và Lunit tại Việt Nam

Bức tranh AI đọc ảnh y khoa 2026

• X-quang phổi, CT sọ não, mammography, đáy mắt, siêu âm tim
• Kiến trúc PACS + AI: DICOM → mô hình → RIS → bác sĩ đọc
• Đánh giá lâm sàng: sensitivity, specificity, NPV, PPV, AUC — không chỉ accuracy
• Luật AI 134/2025: AI chẩn đoán hình ảnh thuộc "rủi ro cao"

Case chính: qXR của Qure.ai

qXR triển khai tại Việt Nam (case của tác giả) — AI đọc X-quang phổi sàng lọc lao, COVID, ung thư phổi tại các chương trình y tế cộng đồng.

• Kiến trúc và tích hợp với hệ thống chụp lưu động
• Kết quả pilot ở Việt Nam
• Bài học tích hợp với chương trình sàng lọc quốc gia

Case song song: Lunit INSIGHT

Lunit INSIGHT CXR + MMG triển khai (case của tác giả) — AI đọc X-quang ngực và mammography, đối tác chiến lược tại Hàn Quốc.

• Điểm mạnh Lunit trong mammography
• Tích hợp với PACS bệnh viện Việt Nam
• So sánh với VinDr-CXR mã nguồn mở

Hướng dẫn triển khai theo tầng năng lực

• L0 — bác sĩ dùng demo web-based để trải nghiệm
• L1 — trạm y tế / xe lưu động dùng qXR cloud + Wi-Fi
• L2 — bệnh viện tích hợp Lunit / qXR on-premise vào PACS
• L3 — Sở Y tế deploy AI đọc ảnh cho chương trình sàng lọc toàn tỉnh

Rủi ro và tuân thủ

• Đăng ký thiết bị y tế loại C/D theo quy định Việt Nam
• Hồ sơ tuân thủ Luật AI 134/2025 cho AI rủi ro cao
• Đánh giá lâm sàng trước khi triển khai rộng
• Xử lý false negative: quy trình second read

Lab 5 — Đọc X-quang phổi với AI

• Upload 10 DICOM mẫu (VinDr public dataset)
• Xem heatmap của mô hình, đối chiếu với labeled ground truth
• Viết báo cáo giải thích 3 case khó
• Chấm: đối chiếu labels + rubric

Ghi chú của biên tập

• Chương này là bản khung. Đồng tác giả bổ sung: số liệu cập nhật, case chi tiết, hình minh họa, rubric Lab đầy đủ.
• Trước khi chuyển sang trạng thái review, đảm bảo mỗi mục có ít nhất 1 nguồn trích dẫn.