Kết hợp giữa Explainable AI, học máy và học sâu trong chẩn đoán chấn thương khuỷu tay trẻ em

Abstract

Chẩn đoán chấn thương khuỷu tay ở trẻ em là một thách thức đáng kể do sự thay đổi cốt hóa1 theo từng độ tuổi và một số loại chấn thương kín rất khó phát hiện, các chân thương này có thể để lại di chứng và ảnh hưởng chất lượng cuộc sống của người bệnh. Tuy nhiên, do điều kiện y tế hiện nay còn nhiều hạn chế, đa số loại ảnh chụp chấn thương xương là ảnh X-quang, và việc chẩn đoán muốn chính xác phải cần có bác sĩ chuyên gia nhiều kinh nghiệm, hoặc phải thực hiện các xét nghiệm chuyên sâu khác, như: CT, MRI, vốn cần nhiều chi phí hơn – đây là một trở ngại ở một số nơi hạn chế về cơ sở vật chất kỹ thuật, điều kiện kinh tế. Để giải quyết thách thức này, chúng tôi đề xuất một mô hình Trí tuệ nhân tạo sử dụng kết hợp giữa máy học và học sâu để tăng hiệu quả và diễn giải kết quả chẩn đoán qua bản đồ nhiệt dựa vào ảnh X-quang, nêu bật lên các điểm quan trọng cần lưu ý trường hợp có thể là chấn thương (gãy xương, biến dạng, và viêm khớp), từ đó hỗ trợ ra quyết định tốt hơn. Dữ liệu huấn luyện được chúng tôi thu thập tại Việt Nam, bao gồm ảnh X-quang khuỷu tay của trẻ có độ tuổi từ 12 tháng tuổi đến 19 tuổi, sau đó được đánh nhãn bởi bác sĩ chuyên khoa về chấn thương chỉnh hình. Kết quả các mô hình huấn luyện được đánh giá qua các chỉ số đánh giá MCC, Kappa, Recall, F1-Score, Precision để xem xét tính khả thi của đề tài.