Phát hiện sâu răng bằng học máy Teachable Machine

Giới thiệu

Nghiên cứu này được thực hiện với mục tiêu ứng dụng công cụ trí tuệ nhân tạo mã nguồn mở Teachable Machine để phát hiện sâu răng từ hình ảnh chụp. Trong bối cảnh trí tuệ nhân tạo (AI) ngày càng phát triển và được ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm cả y tế, việc tìm kiếm các giải pháp hỗ trợ chẩn đoán bệnh lý răng miệng là một hướng đi tiềm năng. Nghiên cứu này tập trung vào việc sử dụng Teachable Machine, một công cụ đơn giản và dễ sử dụng, để tạo ra một mô hình nhận diện sâu răng từ hình ảnh.

Nghiên cứu được thực hiện tại Bệnh viện A80, Việt Nam, với sự phối hợp của nhiều tác giả. Mục tiêu là tạo ra một công cụ hỗ trợ các chuyên gia nha khoa trong quá trình chẩn đoán, giúp tiết kiệm thời gian và nâng cao hiệu quả công việc. Nghiên cứu sử dụng phương pháp nghiên cứu mô tả cắt ngang, phân tích tổng cộng 2.063 hình ảnh kỹ thuật số, bao gồm 1.563 hình ảnh có tổn thương sâu răng và 500 hình ảnh răng không có dấu hiệu sâu răng.

Tóm tắt

Kết quả nghiên cứu cho thấy, khi phân tích riêng trên 1.563 hình ảnh có sâu răng, công cụ Teachable Machine nhận diện chính xác 1.512 hình ảnh (96%), trong khi 51 hình ảnh (4%) không được phát hiện. Tuy nhiên, khi áp dụng trên toàn bộ 2.063 hình ảnh, công cụ chỉ nhận diện đúng 1.512 hình ảnh (73,3%), và bỏ sót 551 hình ảnh (26,7%). Sự khác biệt này được giải thích là do các tổn thương sâu răng giai đoạn sớm có màu sắc tương đồng với men răng lành mạnh, gây khó khăn cho việc phân biệt.

Kết luận từ nghiên cứu này cho thấy, việc sử dụng Teachable Machine có thể hỗ trợ chẩn đoán sâu răng với độ chính xác cao trong một số trường hợp. Tuy nhiên, để cải thiện độ chính xác, cần bổ sung dữ liệu về các tổn thương sâu răng giai đoạn sớm, đặc biệt là các trường hợp có màu sắc gần giống men răng lành mạnh. Nghiên cứu cũng nhấn mạnh tầm quan trọng của việc sử dụng các công cụ AI để hỗ trợ chẩn đoán bệnh lý răng miệng, góp phần nâng cao chất lượng chăm sóc sức khỏe răng miệng cho cộng đồng.

Nghiên cứu sử dụng các thiết bị như máy chụp ảnh kỹ thuật số GX-C300 và phần mềm SPSS 20.0 để xử lý dữ liệu. Các tác giả đã sử dụng các thuật toán thống kê để phân tích kết quả và đưa ra các kết luận. Nghiên cứu cũng thảo luận về những hạn chế và đề xuất các hướng nghiên cứu tiếp theo để cải thiện độ chính xác của mô hình nhận diện sâu răng.