Từ 11/2019 đến 06/2020, nhóm tác giả thu thập 8.190 ảnh nội soi đại tràng (NSĐT) có polyp và 4.000 ảnh NSĐT không polyp, chia thành tập huấn luyện và tập kiểm chứng nhằm xây dựng mô hình AI. Mô hình học sâu đề xuất được xây dựng theo kiến trúc U-Net với nhánh EfficientNet, huấn luyện trong 150 bước với thuật toán SGD và đánh giá bởi chỉ số F1, giá trị dự đoán dương tính (PPV), độ nhạy (Se), độ đặc hiệu (Sp). Kết quả trên tập kiểm chứng cho thấy chỉ số F1 trên 2 tập ảnh khi hội tụ đạt >
95 %. Kết quả kiểm định thuật toán trên tập thực nghiệm (1.321 ảnh với 1.543 polyp) là PPV (94,60%), Se (96,39%) và Sp (99,84%). Trong tổng số 1543 polyp, 63,58% có kích thước <
5 mm và 81,14% thuộc nhóm Is (Phân loại Paris). 52 vùng bị khoanh sai do ảnh có bọt, vùng lóa hoặc dịch nhầy. Các vùng bị nhầm chủ yếu là nếp niêm mạc (44,23%) và dịch nhầy (13,46%). Nghiên cứu cho thấy thuật toán xây dựng trong phát hiện polyp đại tràng có PPV, Se, Sp cao và có tính khả thi.