Meet the Minds Behind VinBrain's Revolutionary DrAid™ Liver Cancer CT
VinBrain (Acquired by NVIDIA)
Infuse AI and IoT into Healthcare to improve people's lives and productivity
👇 𝘗𝘭𝘦𝘢𝘴𝘦 𝘴𝘤𝘳𝘰𝘭𝘭 𝘥𝘰𝘸𝘯 𝘧𝘰𝘳 𝘝𝘪𝘦𝘵𝘯𝘢𝘮𝘦𝘴𝘦👇
🧠 Ha Quoc Khoi, Project Coordinator: "No matter how high the accuracy, a product fails to deliver value if it is cumbersome and can't be used in real scenarios."
Q: There are many types of existing cancer; why did our team choose to develop DrAid™ Liver Cancer CT as the first in our Oncology Suite?
Khoi: For the health of Vietnamese people.
According to statistics from WHO in 2020, the rate of people with liver cancer in Vietnam is the highest among cancers.
After market research, our team believes that the world has not had many studies and products to truly help tackle this disease. Based on the emergency and urgency, the R&D of DrAid™ Liver Cancer CT is both a challenge and an opportunity for the team.
Q. What criteria for DrAid™Liver Cancer CT to deploy successfully?
Khoi: The first criterion is "applicability", concerning how the product can be applied to the actual workflow of doctors. No matter how high the accuracy, a product fails to deliver value if it is cumbersome and can't be used in real scenarios.
The following criterion is "newness"; there is no gap from DrAid™ Liver Cancer CT to the latest standards and information. The team is constantly updating strictly from the classification of lesions to the features to supplement clinical data and laboratory information.
Finally, "breakthrough", the team is always looking for a newer, more unique approach to have the best and most innovative products. Typically, the person in charge of the lesion classification feature is applying a new model, the team has yet to find any scientific papers using this model before, and the current results suggest that it is a potential direction.
Q. How is VinBrain's AI-enabled liver cancer screening system different from traditional screening methods in accuracy and efficiency?
Khoi: Up to now, the most significant difference between AI products and traditional methods lies in detecting small lesions (<1cm) that are easy to miss with a naked eye. DrAid™ Liver Cancer CT helps screen and detect lesions and tumors earlier, increasing the likelihood of successful patient treatment.
---
🧠 Duong Thi Minh Soan - Head of Medical Image Registration & Research Group: "During the development process, the Applied Scientist team always 'chases' the radiologists to debug the data and create the perfect dataset. Thereby building AI models with high reliability."
Q. Can you share the team's process to develop DrAid™ Liver Cancer? Is there something different and innovative about the process?
Soan: Developing a liver cancer CT project follows a 4-step process: data collection; annotation; building AI models; integrated into DrAid™.
The peculiarity of liver cancer CT is that the complex data with 3D images and many images of one patient makes it difficult to collect and annotate. During the development process, the Applied Scientist team always "chases" the radiologists to debug the data labels and create the most perfect dataset, thereby building highly reliable AI models.
Creativity is always shown in the implementation process to ensure accurate and standard data collection, build AI models with high accuracy, and execute quickly; for integration into DrAid™ with a user-friendly interface.
Q. Currently, there are few AI products specifically built for the liver globally.
What is the most significant advantage and difference that makes DrAid™ Liver Cancer CT different from competitors in the world market, and how will our DrAid™Liver Cancer CT impact on the world market?
Soan: The biggest difference between DrAid™ and other AI products for liver cancer is that DrAid™ provides a comprehensive solution to determine the location, size, and type of focal liver lesions from multi-stage CT images.
This version of DrAid™ Liver Cancer CT will assist radiologists in diagnosing quickly without missing lesions in the liver.
In addition, DrAid™ can integrate and be compatible with existing PACS (Picture Archiving and Communication Systems) and HIS (Hospital Information) systems in hospitals, helping to increase convenience and efficiency for doctors and medical staff during use.
In terms of influence on the world market, I am confident that DrAid™ can provide a comprehensive and accurate solution for liver cancer diagnosis in Vietnam and globally.
This will help millions of people who are fighting this fatal disease get early detection and timely treatment, in addition to reduce workload on radiologists and oncologists.
Q. Currently, our DrAid™ Liver Cancer CT can identify 4 types of liver lesions. So, how will we promote the development of more unusual signs in the future?
Soan: Presently, DrAid™ Liver Cancer CT can classify lesions into 4 main groups: HCC (Hepatocellular Carcinoma - the most common malignant liver cancer), malignant liver cancer other than HCC, benign lesions, and ambiguous diagnosis (no distinctive visual feature and difficult to differentiate).
In the future, the team aims to classify into more specific groups. For example, in the benign group, it will be more specific to recognize adenoma, hemangioma, FNH, or other rare benign lesions.
In addition, the team also aims to build features to assist doctors in treatment, such as estimating the remaining liver volume if surgery is performed.
---
🧠 Tran Bao Sam, Applied Scientist: "Building a good lesion classification model requires combining information from images, data, modeling medical knowledge."
Q. What were the challenges in the DrAid™Liver Cancer CT product development process? How did you manage to overcome these?
Sam: We see 2 main challenges in developing DrAid™Liver Cancer CT: building the dataset and researching suitable methods to obtain optimal outcomes. This is the challenge of the problem on lesion classification, particularly, and the team in general.
A feature of medical problems is that building a dataset consumes a lot of money and effort. While building imaging datasets for DrAid™ Liver Cancer CT, the team has continuously worked and consulted with specialist doctors for a long time. At one point, everyone worked until 10 p.m., including weekends, to achieve the most "green and pleasant" data set for subsequent processes.
Second, distinguishing the types of lesions in the liver is not only based on images but also has to be based on clinical laboratory information, monitoring the damage over time. Therefore, building a good lesion classification model requires combining information from imaging, data, and modeling medical knowledge.
The team has researched many scientific articles, constantly "trial and error," using many methods to build a model most suitable for the problem. Persistence and dedication to science is the key to helping the whole DrAid™ Liver Cancer CT R&D team constantly achieve achievements and overcome difficulties.
---
🧠Ta Duc Huy, Explainable AI Lead: "We have calculated and considered the accuracy and reliability of the AI system, AI integrated design, security, and data privacy when developing and deploying.
Q. What are some ethical and regulatory considerations that VinBrain considers when developing and implementing AI-based solutions for liver cancer diagnosis and treatment?
Huy: The considerations and regulations that VinBrain has considered are:
About the accuracy and reliability of the AI system:
Doctors worry about AI's accuracy and reliability, as they may not fully understand how it generates suggestions. They also fear that AI may replace their expertise or lead to dependency. To address these concerns, transparent and explainable AI systems should be developed, and doctors should be trained to integrate AI technology while maintaining their autonomy.
About AI Integrated Design:
Integrating AI with a physician's clinical workflow can disrupt or add work to a physician's existing workflow if not optimally designed.
About data security and privacy:
The team has considered the above issues and the right way to build the right product, and it has also been approved by the hospital's medical ethics committee, University of Medicine and Pharmacy, Ho Chi Minh City (UMC).
---
🧠 Tran Quang Duy, Applied Scientist: "Joining the team, I have the opportunity to contribute my part to build a product that helps doctors make decisions faster, reduce the error rate due to objective factors and bring great benefits to society."
Q. What inspires you the most in product research and development, and what interests you most in product development?
Duy: During product research and development, I worked and learned from leading doctors in medical imaging. The doctors are all caring, knowledgeable people who always care for and help patients, always ready to answer questions and provide medical knowledge for the technology team. All that leaves great inspiration in me.
By joining the team, I can contribute my part to build a product that helps doctors make faster decisions, reduce the error rate due to subjective factors, and bring great benefits to society.
-
Interviewer: Thank you so much! We are proud of your hard work and dedication, which made this CVPR acceptance possible.
#HumanofVinBrain #TeamDrAid™LiverCancerCT
Gặp Gỡ Đội Ngũ Đứng Sau Đột Phá Của DrAid™ Liver Cancer CT
Recommended by LinkedIn
Anh Hà Quốc Khôi, Chuyên viên Điều phối dự án: “Một sản phẩm dù độ chính xác cao đến đâu, nhưng quá bất tiện và không thể ứng dụng vào công việc thực tế được thì cũng không thể tạo ra giá trị gì.”
Q: Hiện nay có khá nhiều loại ung thư, tại sao đội ngũ của chúng ta lại lựa chọn phát triển sản phẩm công nghệ hỗ trợ phát triển cho gan đầu tiên trong bộ sản phẩm Ung thư?
Anh Khôi: Vì sức khỏe người Việt.
Theo thống kê của Tổ chức y tế thế giới vào năm 2020, tỉ lệ người mắc ung thư gan tại Việt Nam là cao nhất trong các loại bệnh ung thư.
Sau khi nắm bắt được tổng thể bài toán, team thấy rằng thế giới chưa có nhiều nghiên cứu cũng như sản phẩm để thật sự hỗ trợ cho căn bệnh này nên đây vừa là thách thức vừa là cơ hội cho team.
Q. Đội ngũ đã đặt ra những tiêu chí nào để có thể hoàn thiện sản phẩm chỉnh chu nhất trong quá trình phát triển sản phẩm DrAid™ Liver Cancer CT?
Anh Khôi: Tiêu chí đầu tiên được đặt ra là "tính ứng dụng", làm thế nào để sản phẩm có thể ứng dụng vào luồng công việc thưc tế của các bác sĩ. Một sản phẩm dù độ chính xác cao đến đâu, nhưng quá bất tiện và không thể ứng dụng vào công việc thực tế được thì cũng không thể tạo ra giá trị gì.
Tiêu chí tiếp theo là "tính mới", nghĩa là không có khoảng cách từ sản phẩm đến những tiêu chuẩn, thông tin mới nhất. Đội ngũ luôn cập nhật gắt gao từ việc phân nhóm tổn thương đến những tính năng để bổ sung các thông tin lâm sàng, thông tin xét nghiệm.
Cuối cùng là "tính đột phá", nhóm luôn tìm hướng tiếp cận mới hơn, độc đáo hơn cả để có sản phẩm tốt nhất, khai phá nhất. Điển hình là hiện nay bạn phụ trách tính năng phân loại tổn thương đang áp dụng mô hình mới, nhóm vẫn chưa tìm được bài báo khoa học nào sử dụng mô hình này cả, và kết quả hiện tại cho thấy đó là một hướng tiếp cận rất tiềm năng.
Q. Hệ thống tầm soát ung thư gan dựa trên AI của VinBrain so với các phương pháp tầm soát truyền thống khác biệt như thế nào về độ chính xác và hiệu quả?
Anh Khôi: Cho tới thời điểm hiện tại, sự khác biệt lớn nhất của sản phẩm AI so với phương pháp truyền thống nằm ở việc phát hiện các tổn thương nhỏ (<1cm) mà khi nhìn bằng mắt thường rất dễ bỏ sót, qua đó giúp tầm soát và phát hiện các tổn thương, khối u sớm hơn, tăng khả năng điều trị thành công cho các bệnh nhân.
---
🧠Chị Dương Thị Minh Soan - Trưởng Nhóm Nghiên cứu và căn chỉnh ảnh: “Trong quá trình phát triển, team Applied Scientist luôn luôn "bám sát" các chuyên gia chẩn đoán hình ảnh để gỡ rối dữ liệu, taọ bộ dữ liệu hoàn hảo nhất, từ đó xây dựng được các mô hình AI với độ tin cậy cao.”
Q. Chị có thể chia sẻ về quy trình thực tế team đã áp dụng để phát triển DrAid™ Liver Cancer CT? Có điểm gì khác biệt và sáng tạo trong quy trình hay không?
Chị Soan: Quy trình phát triển dự án CT ung thư gan cũng theo quy trình 4 bước: thu thập dữ liệu; gán nhãn; xây dựng mô hình AI; tích hợp vào phần mềm DrAid™.
Đặc thù của bài toán CT ung thư gan là dữ liệu phức tạp với hình ảnh 3 chiều và nhiều ảnh của một bệnh nhân gây nhiều khó khăn cho việc thu thập và gán nhãn. Trong quá trình phát triển, team Applied Scientist luôn luôn "bám sát" các chuyên gia chẩn đoán hình ảnh để gỡ rối dữ liệu, taọ bộ dữ liệu hoàn hảo nhất, từ đó xây dựng được các mô hình AI với độ tin cậy cao.
Tinh thần sáng tạo luôn được thể hiện trong quá trình thực hiện để đảm bảo thu dữ liệu chuẩn, chính xác; để xây dựng mô hình AI với độ chính xác cao, thực thi trong thời gian ngắn; để tích hợp vào phần mềm DrAid™ với giao diện thân thiện với người dùng.
Q. Hiện nay trên thế giới vẫn chưa có nhiều sản phẩm AI về gan. Theo chị, điểm ưu việt và khác biệt lớn nhất mà DrAid™Liver Cancer CT khác biệt so với các đối thủ trên thị trường thế giới là gì, và DrAid™Liver Cancer CT của chúng ta sẽ gây ảnh hưởng như thế nào trên thị trường thế giới?
Chị Soan: Khác biệt lớn nhất của DrAid™Liver Cancer CT với các sản phẩn AI cho ung thư gan là DrAid™Liver Cancer CT cung cấp một giải pháp hoàn chỉnh để xác định được vị trí, kích thước, và loại của tổn thương khu trú gan từ ảnh CT đa thì.
DrAid™Liver Cancer CT phiên bản hiện tại này sẽ hỗ trợ các bác sĩ chẩn đoán hình ảnh chẩn đoán nhanh, không bỏ sót các tổn thương trong gan.
Ngoài ra, DrAid™ cũng có khả năng tích hợp và tương thích với các hệ thống thông tin bệnh viện PACS và HIS hiện có tại các bệnh viện, giúp tăng tính tiện dụng và hiệu quả cho các bác sĩ và nhân viên y tế trong quá trình sử dụng.
Về tầm ảnh hưởng trên thị trường thế giới, nếu DrAid™ được phát triển thành một sản phẩm thương mại thành công, nó có thể cung cấp một giải pháp toàn diện và chính xác cho chẩn đoán ung thư gan trên không chỉ tại Việt Nam mà trên toàn cầu.
Điều này sẽ giúp đỡ hàng triệu người mắc bệnh ung thư gan có được phát hiện sớm và điều trị kịp thời, bên cạnh việc giảm tải cho các bác sĩ chẩn đoán hình ảnh.
Q. Hiện tại sản phẩm của chúng ta đang có phân loại được 4 nhóm tổn thương chính. Vậy trong thời gian tới, chúng ta sẽ đẩy mạnh phát triển thêm những dấu hiệu bất thường như thế nào?
Chị Soan: Hiện tại, DrAid™ Liver Cancer CT có thể phân loại được tổn thương thành 4 nhóm chính: HCC (ung thư biểu mô tế bào gan - đây là loại ung thư gan ác tính phổ biến nhất), ung thư gan ác tính khác ngoài HCC, tổn thương gan lành tính, và chẩn đoán phân biệt (khó phân biệt, không có tính chất hình ảnh điển hình).
Trong thời gian tới, team hướng tới phân loại thành các nhóm cụ thể hơn, ví dụ trong nhóm lành tính sẽ nhận biết cụ thể hơn là adenoma, hemangioma, FNH, hay các loại lành tính hiếm gặp khác.
Ngoài ra, team cũng hướng tới xây dựng các tính năng hỗ trợ bác sĩ trong điều trị, ví dụ như ước lượng thể tích gan còn lại nếu thực hiện phẫu thuật.
---
🧠 Chị Trần Bảo Sam, chuyên viên AI - xử lý hình ảnh: “Việc xây dựng một mô hình phân loại tổn thương gan tốt yêu cầu kết hợp thông tin từ hình ảnh, dữ liệu, mô hình hoá kiến thức y tế.”
Q. Điều gì là thách thức trong quá trình phát triển sản phẩm DrAid™ Liver Cancer CT? Chị đã giải quyết như thế nào để vượt qua những điều này?
Chị Sam: Đối với tôi, có 2 thách thức lớn trong quá trình phát triển sản phẩm DrAid™ Liver Cancer CT là việc xây dựng bộ dữ liệu và nghiên cứu phương pháp phù hợp để đạt được kết quả tốt. Đây là thách thức của bài toán phân loại tổn thương nói riêng và cả team nói chung.
Một đặc trưng của các bài toán y tế là việc xây dựng 1 bộ dữ liệu tiêu tốn khá nhiều chi phí và công sức. Trong quá trình xây dựng bộ dữ liệu ảnh CT cho sản phẩm DrAid™Liver Cancer CT, cả team đã liên tục làm việc và tham khảo y kiến của bác sĩ chuyên môn trong một khoảng thời gian dài. Có lúc, mọi người đã làm việc tới 10 giờ tối, kể cả cuối tuần để đạt được một bộ dữ liệu “xanh, sạch, đẹp” nhất cho các quá trình tiếp theo.
Thứ hai, việc phân biệt các loại tổn thương trong gan không chỉ đơn thuần dựa trên hình ảnh mà còn phải dựa trên một số thông tin xét nghiệm lâm sàng, theo dõi tổn thương theo thời gian. Vì vậy, việc xây dựng một mô hình phân loại tổn thương gan tốt yêu cầu kết hợp thông tin từ hình ảnh, dữ liệu, mô hình hoá kiến thức y tế.
Team đã nghiên cứu rất nhiều bài báo khoa học, liên tục “thử và sai” nhiều phương pháp khác nhau để xây dựng một mô hình phù hợp nhất cho bài toán. Sự bền bỉ và cống hiến vì khoa học là chìa khoá giúp cả team phát triển DrAid™ Liver Cancer CT không ngừng đạt được thành tựu, vượt qua khó khăn.
---
🧠 Anh Tạ Đức Huy, Trưởng Nhóm Diễn Giải AI: “Chúng tôi đã tính toán và cân nhắc độ chính xác và đáng tin cậy của hệ thống AI, thiết kế tích hợp AI, bảo mật và quyền riêng tư dữ liệu khi phát triển và triển khai.
Q. Một số cân nhắc về đạo đức và quy định mà VinBrain tính đến khi phát triển và triển khai các giải pháp dựa trên AI để chẩn đoán và điều trị ung thư gan là gì?
Anh Huy: Các cân nhắc và quy định mà VinBrain đã tính đến, đó là
Thứ nhất, độ chính xác và đáng tin cậy của hệ thống AI.
Các bác sĩ có thể lo lắng về độ chính xác và đáng tin cậy của hệ thống AI, đặc biệt là nếu họ không hiểu rõ cách AI đưa ra các khuyến nghị, dẫn đến chẩn đoán hoặc khuyến nghị điều trị sai. Mô hình AI còn có thể khiến bác sỹ lo ngại rằng nó sẽ thay thế chuyên môn lâm sàng của họ hoặc là họ sẽ trở nên quá phụ thuộc vào AI.
Thứ hai, Thiết kế tích hợp AI.
Việc tích hợp AI với quy trình làm việc lâm sàng của bác sĩ có thể làm gián đoạn hoặc thêm việc so với quy trình hiện có của bác sỹ nếu chưa được thiết kế tối ưu.
Thứ ba, bảo mật và quyền riêng tư dữ liệu.
Đội ngũ đã cân nhắc các vấn đề trên và để có đường lối đúng đắn xây dựng sản phẩm phù hợp và cũng đã được hội đồng y đức của bệnh viện Trường Đại học Y Dược Thành phố Hồ Chí Minh (UMC) thông qua.
---
🧠 Anh Trần Quang Duy, chuyên viên AI - xử lý hình ảnh: “Được tham gia vào team, tôi có cơ hội đóng góp một phần công sức của mình để xây dựng một sản phẩm hỗ trợ bác sĩ đưa ra quyết định nhanh hơn, giảm tỷ lệ sai sót do các yếu tố khách quan và mang lại lợi ích lớn cho xã hội.”
Q. Điều gì truyền cảm hứng đến anh và làm anh thấy thú vị nhất trong quá trình nghiên cứu phát triển sản phẩm?
Anh Duy: Trong quá trình nghiên cứu phát triển sản phẩm, tôi đã có cơ hội được làm việc và học hỏi kiến thức từ các bác sĩ hàng đầu trong lĩnh vực chuẩn đoán hình ảnh y tế.
Các bác sĩ đều là những người có tâm, có tầm, luôn quan tâm và giúp đỡ bệnh nhân, luôn sẵn sàng giải đáp thắc mắc, cung cấp kiến thức về y tế cho nhóm công nghệ. Tất cả điều đó mang lại cảm hứng rất lớn cho tôi.
Được tham gia vào team, tôi có cơ hội đóng góp một phần công sức của mình để xây dựng một sản phẩm hỗ trợ bác sĩ đưa ra quyết định nhanh hơn, giảm tỷ lệ sai sót do các yếu tố khách quan và mang lại lợi ích lớn cho xã hội.
-
PV: Xin cảm ơn và chúc các anh nhiều thành công và sức khỏe!
ITM, ITPM
1yCongrats Team !!!