ในงานวิจัยนี้ เราเสนอผลการพัฒนาและทดสอบโมเดล Deep Learning สำหรับการวินิจฉัยสภาวะผิดปกติจากภาพเอ็กซ์เรย์ทรวงอกในประชากรไทย โมเดลนี้ถูกสอนโดย ภาพฟิล์มเอ็กซ์เรย์ปอดจากโรงพยาบาลและศูนย์การแพทย์ต่างๆจากทั่วโลกจำนวน 705,184 ภาพเพื่อจำแนกสภาวะผิดปกติในภาพฟิล์มเอ็กซ์เรย์ปอดออกเป็น 13 สภาวะ (Reference Model) เมื่อนำมาทดสอบกับภาพฟิล์มเอ็กซ์เรย์ปอดในประชากรไทย พบว่ามีประสิทธิภาพลดลง โดยค่า AUROC เฉลี่ยลดลงจาก 0.899 เหลือ 0.849 เพื่อทำให้โมเดลมีความเหมาะสมกับการใช้งานในประชากรประเทศไทยมากขึ้น เรานำโมเดลข้างต้นมาสอนเพิ่มเติมด้วยภาพจากโรงพยาบาลศิริราชจำนวน 421,859 ภาพ (Locally Adapted Model) โดยเมื่อทำการวัดค่า AUROC ของโมเดลใหม่พบว่าโมเดลนี้มีค่า AUROC สูงถึง 0.914 เมื่อนำโมเดลนี้สามารถนำไปช่วยแพทย์ในการทำ triage หรือการจัดลำดับความสำคัญของเคสที่มีความเสี่ยงสูงไปยังความเสี่ยงต่ำ ปรากฎว่าโมเดลสามารถลดงานแพทย์ได้ถึง 55.9% งานวิจัยนี้นับว่าเป็นการศึกษาปัญญาประดิษฐ์เพื่อวินิจฉัยโรคจากภาพเอกซเรย์ปอดที่มีขนาดชุดข้อมูลใหญ่ที่สุดในประเทศไทย