Đọc X-quang phổi cùng AI
Chương 5 cho bạn kiến trúc PACS+AI và 4 chỉ số đánh giá (sensitivity, specificity, PPV, NPV). Trong lab này, bạn đóng vai bác sĩ đọc phim: dùng AI đọc thử 10 ảnh X-quang phổi mẫu từ bộ dữ liệu công khai VinDr-CXR, xem heatmap, đối chiếu với đáp án chuẩn, và viết báo cáo về 3 ca khó nhất — đúng quy trình 'AI gợi ý, bác sĩ quyết định'.
Thông tin học viên
Câu hỏi
Tải 10 ảnh X-quang phổi mẫu từ bộ dữ liệu công khai VinDr-CXR (link trong mục Công cụ). Dùng một công cụ AI đọc ảnh miễn phí (bản demo web của nhà cung cấp, hoặc mô hình mở) để phân tích từng ảnh: ghi lại các bất thường AI phát hiện, điểm số nghi ngờ, và mô tả heatmap. Sau đó đối chiếu với nhãn chuẩn (ground truth) đi kèm bộ dữ liệu. Chọn 3 ca KHÓ nhất (AI sai, AI và bạn bất đồng, hoặc ca ranh giới) và viết báo cáo gồm: (1) mô tả ảnh và phát hiện của AI; (2) đáp án chuẩn và phân tích vì sao AI đúng/sai ở ca này; (3) với mỗi ca, nêu rõ bạn — trong vai trò bác sĩ ký báo cáo — sẽ kết luận gì và quyết định tiếp theo cho người bệnh (theo dõi, chụp thêm, chuyển tuyến); (4) tính sensitivity/specificity của AI trên 10 ca mẫu và nhận xét: với kết quả này, bạn có dám dùng AI này để sàng lọc không, vì sao. Tuyệt đối không dùng ảnh bệnh nhân thật của đơn vị bạn — chỉ dùng ảnh từ bộ dữ liệu công khai đã khử định danh.
🧰 Công cụ AI miễn phí gợi ý
Bạn có thể dùng bất kỳ công cụ nào dưới đây để nghiên cứu, so sánh, hoặc draft. Mục tiêu là giúp bạn làm bài có chất lượng — không phải nộp output của AI.
- ↳ VinDr-CXR (bộ dữ liệu X-quang ngực mở)18.000 ảnh X-quang ngực có gán nhãn của Việt Nam, đã khử định danh. Tải 10 ảnh mẫu kèm nhãn chuẩn.
- ↳ Qure.ai — qXR (bản demo)Đăng ký dùng thử demo đọc X-quang phổi. Chỉ upload ảnh từ bộ dữ liệu công khai.
- ↳ Lunit INSIGHT (thông tin sản phẩm)Tham khảo cách sản phẩm thương mại trình bày heatmap và điểm số để đối chiếu.