Article Sidebar
Views pdf: 40
EVALUATION OF THE EFFECTIVENESS OF CHEST X-RAY IMAGE ANALYSIS BY GEMINI 2.5 PRO AT THAI BINH UNIVERSITY OF MEDICINE HOSPITAL
Main Article Content
Abstract
Objective: This study aimed to evaluate the contribution of Gemini 2.5 Pro in the analysis of standard frontal chest radiographs. Materials and Methods: A prospective, cross-sectional descriptive study was conducted on 922 patients. Results: The mean patient age was 61.5 years, with the 58–67 age group accounting for the highest proportion (25.81%). Agreement between Gemini 2.5 Pro and board-certified radiologists was very low, with a Kappa coefficient of 0.04, indicating poor concordance. Gemini 2.5 Pro demonstrated high sensitivity, identifying abnormalities in 678 of 922 radiographs. The most frequently detected abnormality was interstitial thickening (44.71%). Concordance rates for lesion detection across lung regions ranged from 61.06% to 74.92%, with the lowest agreement for interstitial thickening and the highest for tracheal narrowing and cavitary lesions. Overall diagnostic performance yielded an accuracy of 56.55%, with a precision of 8.66%, recall of 57.38%, specificity of 56.49%, and an F1-score of 15.05%.
Article Details
Keywords
Chest X-ray; Gemini 2.5 Pro
References
2. Phạm Đắc Trung, Hoàng Hà và cộng sự (2024). Đặc điểm lâm sàng, X quang phổi bệnh nhân tràn khí màng phổi và một số yếu tố ảnh hưởng đến kết quả điều trị tràn khí màng phổi tại bệnh viện phổi Thái Nguyên. Tạp chí y học Việt Nam, 504(02)
3. Huỳnh Anh Đào, Đặng Đỗ Duy Khang và cộng sự. (2024). Nghiên cứu hình ảnh X-Quang và đánh giá mức độ lo âu trên người bệnh Covid-19 tại khoa khám bệnh viện lao và bệnh phổi thành phố Cần Thơ năm 2022.Tạp chí y học Cần Thơ , (70), 169–174.
4. Shi H., Han X. et al. (2020). Radiological findings from 81 patients with COVID-19 pneumonia in Wuhan, China: a descriptive study. Lancet Infect Dis, 20(4), 425–434.
5. Lê Hoàn, Nguyễn Thị Thu Thuỷ và cộng sự. (2023), Ứng dụng bước đầu trí tuệ nhân tạo QURE.AI X-quang lồng ngực trong chẩn đoán lao phổi- Bệnh viện Đại học Y Hà Nội, thành phố Hà Nội, Việt Nam.
6. Jeong S. M., Jung J. H. et al. (2024). 2023 Obesity Fact Sheet: Prevalence of Obesity and Abdominal Obesity in Adults, Adolescents, and Children in Korea from 2012 to 2021. J Obes Metab Syndr, 33(1), 27–35.
7. Nguyễn Ngọc Trung, Lâm Tuệ Khanh và cộng sự. (2025). So sánh thông số tia X dựa vào chỉ số BMI và hình ảnh X quang phổi thẳng của ChatGPT-4o với kỹ thuật viên tại Bệnh viện Đại học Y Thái Bình. Tạp chí y học Việt Nam, 549(3).
8. Siegle R.L., Baram E.M. et al. (1998). Rates of disagreement in imaging interpretation in a group of community hospitals. Acad Radiol, 5(3), 148–154.
9. Irvin J., Rajpurkar P. et al. (2019). CheXpert: A Large Chest Radiograph Dataset with Uncertainty Labels and Expert Comparison. Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI 2019) 33: 590-597.
10. Rajpurkar P., Irvin J. et al. (2017). CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning. arXiv preprint arXiv:1711.05225.