Trivita Ai đạt cột mốc công nghệ mới tại CVPR 2026: Đột phá công nghệ SAGE trong chẩn đoán ung thư đại trực tràng

Trivita AI trân trọng công bố công trình nghiên cứu “Shape-Adapting Gated Experts (SAGE)” đã chính thức được chấp nhận tại CVPR Findings 2026 – một trong những hội nghị hàng đầu thế giới về Trí tuệ nhân tạo (AI) và Thị giác máy tính 

Việc có công trình được công nhận tại CVPR 2026 không chỉ là một cột mốc về mặt nghiên cứu, mà còn minh chứng cho định hướng chiến lược của Trivita AI: Xây dựng các hệ thống AI có nền tảng lý thuyết vững chắc nhưng sở hữu khả năng thực thi vượt trội trong môi trường y tế phức tạp.

Shape-Adapting Gated Experts (SAGE): Định tuyến chuyên gia động cho phân đoạn tổn thương đại trực tràng

Phân đoạn ảnh giải phẫu bệnh là một bài toán khó do tính dị chất (heterogeneity) cao của tế bào. Thách thức này càng trở nên rõ rệt khi xử lý Whole Slide Images (WSIs – ảnh tiêu bản toàn phần ở độ phân giải gigapixel).

SAGE được đề xuất nhằm giải quyết bài toán này thông qua cơ chế định tuyến chuyên gia động (dynamic expert routing) trong kiến trúc lai CNN–Transformer.

Nội dung chuyên môn

SAGE được xây dựng trên kiến trúc luồng kép (dual-path), trong đó nhánh chính giữ vai trò ổn định biểu diễn còn nhánh chuyên gia chỉ kích hoạt một phần nhỏ các block phù hợp với từng đầu vào.

Cơ chế này được hỗ trợ bởi bộ định tuyến phân cấp (hierarchical routing) gồm hai cấp: cấp nhóm và cấp lựa chọn Top-K. Cách tiếp cận này dựa trên Mixture of Experts (MoE – mô hình hỗn hợp chuyên gia), cho phép tăng năng lực mô hình mà không làm tăng chi phí tương ứng.

Một đóng góp quan trọng là Shape-Adapting Hub (SA-Hub), cho phép chuyển đổi qua lại giữa dữ liệu dạng không gian 2D của CNN và chuỗi token 1D của Transformer, giúp hai kiến trúc phối hợp hiệu quả.

Ngoài ra, SAGE sử dụng Sigmoid gating độc lập, cho phép nhiều chuyên gia cùng xử lý một vùng ảnh, đặc biệt phù hợp với các cấu trúc mô chồng lấn.

Giá trị công nghệ

SAGE mang lại một cách tiếp cận mới trong thiết kế hệ thống AI:

• Tính toán thích nghi theo đầu vào (input-adaptive computation) thay vì xử lý đồng nhất
• Mở rộng năng lực mô hình (scalability) thông qua MoE mà không tăng chi phí tương ứng
• Kết nối kiến trúc không đồng nhất giữa CNN và Transformer thông qua SA-Hub
• Tối ưu tài nguyên tính toán nhờ cơ chế kích hoạt thưa (sparse activation)
• Khả năng giải thích (explain ability) hỗ trợ thông qua Grad-CAM

Ứng dụng thực tế

Chẩn đoán ung thư tự động trên ảnh WSIs

SAGE xử lý hiệu quả ảnh gigapixel và đạt Dice score 95.23% trên EBHI, hỗ trợ phát hiện ung thư đại trực tràng với độ chính xác cao

Cá nhân hóa xử lý ảnh y khoa

Mô hình tự động phân bổ tài nguyên:

• Vùng phức tạp → tăng expert
• Vùng đơn giản → giảm chi phí

Hệ thống hỗ trợ quyết định lâm sàng (CDSS)

SAGE cung cấp bản đồ nhiệt Grad-CAM giúp bác sĩ hiểu rõ cơ sở đưa ra quyết định

Triển khai trong môi trường thực tế

Nhờ kích hoạt thưa (sparse activation):

• Giảm chi phí tính toán
• Phù hợp hạ tầng hạn chế
• Sẵn sàng triển khai tại bệnh viện

Ý nghĩa chiến lược đối với Trivita AI

SAGE không chỉ là một công trình nghiên cứu, mà là nền tảng cho cách Trivita AI xây dựng các hệ thống AI thế hệ mới.

Thay vì sử dụng các mô hình cố định, SAGE cho phép xây dựng các hệ thống thích nghi theo dữ liệu thực tế, từ đó hoạt động hiệu quả hơn trong môi trường phức tạp như y tế.

Đồng thời, khả năng cân bằng giữa hiệu năng và chi phí giúp Trivita AI triển khai các giải pháp AI ở quy mô lớn, trong những điều kiện hạ tầng thực tế.

Đây cũng là minh chứng cho cách tiếp cận của Trivita AI: phát triển công nghệ không chỉ để đạt kết quả học thuật, mà để giải quyết các bài toán thực tế và tạo ra giá trị vận hành rõ ràng.

Việc công trình SAGE được chấp nhận tại CVPR Findings không chỉ là một cột mốc học thuật, mà còn phản ánh một định hướng rõ ràng trong cách xây dựng và triển khai các hệ thống AI trong thực tế.

Thông qua cơ chế định tuyến chuyên gia động, khả năng thích nghi theo đầu vào và tối ưu tài nguyên tính toán, SAGE giải quyết khoảng cách quan trọng giữa các mô hình đạt hiệu năng cao trong môi trường nghiên cứu và yêu cầu vận hành trong thực tế. Sự cân bằng giữa độ chính xác, hiệu quả và khả năng giải thích giúp SAGE đặc biệt phù hợp với các lĩnh vực có độ rủi ro cao như y tế.

Đối với Trivita AI, công trình này tiếp tục khẳng định một hướng đi nhất quán: phát triển các hệ thống AI không chỉ tiên tiến về mặt học thuật, mà còn có khả năng vận hành thực tế. Thay vì tách rời nghiên cứu và ứng dụng, Trivita AI tập trung xây dựng các công nghệ có thể triển khai trực tiếp, tạo ra giá trị rõ ràng trong môi trường thực.