diff --git a/ai-medical/app.py b/ai-medical/app.py
index e44e566..337f07d 100644
--- a/ai-medical/app.py
+++ b/ai-medical/app.py
@@ -182,7 +182,6 @@ async def spleen_segmentation(file: UploadFile = File(...)):
                 predictor=model, overlap=0.5, mode="gaussian"
             )
 
-            # ... (Softmax/Sigmoid/Argmax Logic - เหมือนเดิม) ...
             if prediction_raw.shape[1] > 1:
                 prediction_prob = torch.softmax(prediction_raw, dim=1)
                 segmentation_map = torch.argmax(prediction_prob, dim=1).cpu().numpy()[0]
@@ -202,11 +201,6 @@ async def spleen_segmentation(file: UploadFile = File(...)):
 
         spleen_voxels = int(np.sum(segmentation_map == 1))
 
-        # ต้อง Inverse Transform Segmentation Map กลับไปยัง Spacing เดิม
-        # อย่างไรก็ตาม ในการใช้งานจริง มักใช้ Voxel Volume ของ Resampled Image (ซึ่งมี Spacing คงที่)
-        # เนื่องจาก Monai/Inferer มักจะทำการ Resample ก่อน และ Volume Calculation ในงานวิจัย
-        # ส่วนใหญ่จะใช้น้ำหนัก Spacing หลัง Resample แล้ว (target_spacing) เพื่อรักษาความสม่ำเสมอ
-
         # เราจะใช้ target_spacing เพื่อความสอดคล้องกับ Segmentation Map ที่ได้
         resampled_voxel_volume_mm3 = float(np.prod(target_spacing))