Khoa học & Phương pháp

Cơ sở khoa học của ZinMed

Cách quang phổ tán xạ Raman và AI được dùng để hỗ trợ sàng lọc ung thư da — nguyên lý, phương pháp, tính giải thích được, dữ liệu và công bố. Trình bày trung thực theo đúng giai đoạn nghiên cứu.

Nghiên cứu · Đề tài ĐHQGHN QG.24.84 · Thiết bị chưa được cấp phép lưu hành. Đây là công cụ hỗ trợ sàng lọc; kết quả là chỉ số nguy cơ do AI ước lượng — không phải chẩn đoán và không thay thế bác sĩ. Thiết bị đang trong giai đoạn nghiên cứu.
Nguyên lý

Quang phổ Raman — “dấu vân tay” phân tử của mô

Khi chiếu laser 785nm vào mô da, phần lớn ánh sáng tán xạ giữ nguyên bước sóng; một phần rất nhỏ đổi bước sóng theo dao động của các liên kết phân tử (tán xạ Raman). Phổ thu được là “vân tay” sinh hoá đặc trưng của mô.

Biến đổi sinh hoá do tế bào ung thư (protein, lipid, DNA…) làm thay đổi cường độ tại một số số sóng. Đây là tín hiệu mà mô hình AI học để ước lượng chỉ số nguy cơ — không xâm lấn, không lấy mẫu mô.

4001000180026003400cường độ (a.u.)

Phổ Raman minh hoạ (không phải dữ liệu bệnh nhân). Đường cam: 8 số sóng mô hình AI dựa vào nhiều nhất (XAI).

Phương pháp AI

Từ phổ thô đến chỉ số nguy cơ

Pipeline xử lý tín hiệu + học máy, thiết kế để nhẹ và chạy được ngay trên máy (offline).

1

Tiền xử lý

Làm mượt Savitzky–Golay + chuẩn hoá SNV để khử nhiễu và trôi nền.

2

Giảm chiều

PCA (50 thành phần) rút gọn phổ 1501 điểm, giữ phần lớn phương sai.

3

Phân loại

Random Forest (400 cây) phân 4 lớp: BCC · SCC · Melanoma · Lành tính.

4

Triển khai

Xuất mô hình sang ONNX (~3,4 MB) để suy luận nhẹ, offline trên máy.

Giải thích được (XAI)

8 số sóng mô hình dựa vào — có thể diễn giải

Thay vì “hộp đen”, ZinMed truy vết các số sóng (cm⁻¹) mà mô hình chú ý nhất, đối chiếu được với các liên kết sinh hoá đã biết. Đây là điểm khác biệt cốt lõi so với chỉ đưa ra một con số.

856
cm⁻¹
990
cm⁻¹
1104
cm⁻¹
1358
cm⁻¹
1420
cm⁻¹
1602
cm⁻¹
1748
cm⁻¹
2960
cm⁻¹
Dữ liệu & Chỉ tiêu

Bộ dữ liệu phát triển mô hình

Bộ dữ liệu phát triển mô hình gồm khoảng 1.200 phổ Raman — trong đó ~500 phổ đo trên mẫu lâm sàng và ~700 phổ mô phỏng — dùng để huấn luyện và kiểm thử nội bộ. Thành phần do nhóm nghiên cứu công bố, chưa được kiểm định độc lập.

Mục tiêu thiết kế: độ nhạy và độ đặc hiệu 75–85%. Đây là mục tiêu của nghiên cứu, chưa phải kết quả đã được kiểm chứng lâm sàng.

An toàn & Tuân thủ

Thiết kế theo tiêu chuẩn (đang đánh giá)

Thiết kế hướng tới an toàn laser Class 1 (IEC 60825) và an toàn điện y tế (IEC 60601) — đang trong quá trình đánh giá.

Đang xây dựng hệ thống quản lý chất lượng theo ISO 13485 (chưa được chứng nhận).

Công bố

Nền tảng công bố khoa học

Nhóm nghiên cứu có bề dày công bố về Raman + AI trong chẩn đoán y sinh (tiểu đường, ung thư, thiết bị). Dưới đây là tuyển chọn.

A Hybrid 1D-CNN and Transformer Architecture for Differentiating Malignant Melanoma from Non-Melanoma Skin Cancers using Raman SpectroscopyRaman · ung thư da
Non-invasive in vivo Type 2 Diabetes Mellitus diagnosis using Raman spectroscopy in combination with Machine LearningMobile Networks and Applications
Machine learning approach for early detection of diabetes using Raman SpectroscopyMobile Networks and Applications 29:294–305
Prediction of the change of human blood glucose from Raman scattering by polynomial data preprocessingEAI ICCASA
A practical approach for colorectal cancer diagnosis based on machine learningAI chẩn đoán
Predicting the level of hypertension using machine learningAI chẩn đoán
Detection and classification of knee osteoarthritis using YOLOv3 and VGG-16 modelsAI chẩn đoán hình ảnh
Microfluidic impedance biosensors for cancer detection & monitoringThiết bị y sinh
Research on smart mobile application and cloud technology for monitoring and diagnosing diabetesThiết bị & phần mềm y tế

Hợp tác nghiên cứu & đánh giá lâm sàng

Bạn là bác sĩ, nhà nghiên cứu hay đơn vị y tế muốn đồng hành chứng thực công nghệ? Hãy kết nối.

← Trang chủ