Các công nghệ trí tuệ nhân tạo (AI: artificial intelligence) đã cho phép chúng ta tự động phân tích, xử lý và đưa ra quyết định dựa trên dữ liệu y tế khổng lồ. Nhờ đó, việc chẩn đoán bệnh đã trở nên chính xác hơn và nhanh chóng hơn, giúp tiết kiệm thời gian và tăng cường khả năng chữa trị. Trên cơ sở đó, chúng tôi tiến hành nghiên cứu ứng dụng máy học trong nhận dạng hình ảnh kết quả khoanh giấy khuếch tán Kirby- Bauer nhằm đặt tiền đề cho các nghiên cứu chuyên sâu hơn về sau trong ứng dụng trí tuệ nhân tạo hỗ trợ cán bộ y tế trong khám, chẩn đoán, hỗ trợ ra quyết định trong ngành y tế. Đối tượng và phương pháp: sử dụng 200 hình ảnh kết quả kháng sinh đồ bằng kỹ thuật khoanh giấy khuếch tán Kirby-Bauer có số lượng khoanh giấy kháng sinh ≤ 6. Hình ảnh kết quả sẽ được gán nhãn nhằm phân biệt vùng ức chế và khoanh giấy kháng sinh. Sử dụng phương pháp SSD (Single-shot detection) MobileNet nhằm mục đích cân bằng về tốc độ, khả năng cài đặt triển khai và sự chính xác, thuận tiện khi xây dựng trên các thiết bị có sức mạnh tính toán hạn chế. Kết quả thu được từ mô hình nhận diện vị trí nhãn khoanh giấy kháng sinh được sử dụng làm đầu vào cho thuật toán nhận diện kết quả. Kết quả và bàn luận: 160 (80%) ảnh nhận dạng đủ thông tin số khoanh giấy kháng sinh, trong 40 ảnh thất bại thì có 30 (15%) ảnh không nhận dạng đủ số vòng tròn vô khuẩn và số khoanh giấy kháng sinh, 10 (5%) ảnh không thể nhận dạng. Ứng dụng có thể nhận diện và phân lớp các vị trí khoanh giấy kháng sinh và vòng vô khuẩn một cách chính xác với các ảnh có độ sáng, tương phản phù hợp. Kết luận: Chúng tôi đã xây dựng thành công bước đầu công cụ và thuật toán dựa trên mô hình máy học để xác định nhanh và chính xác các thông tin cần có của một kết quả kháng sinh đồ phương pháp đĩa thạch khuếch tán Kirby-Bauer gồm số lượng khoanh giấy kháng sinh, vòng tròn vô khuẩn, đường kính vòng tròn vô khuẩn... với tỉ lệ chính xác đạt 80%.