Ứng dụng của trí tuệ nhân tạo (AI) trong phẫu thuật đục thủy tinh thể

Việt Nam dẫn đầu công nghệ điều trị đục thủy tinh thể tại Đông Nam Á

1. Bối cảnh và mục tiêu

Đục thủy tinh thể là nguyên nhân hàng đầu gây mù lòa trên toàn cầu, đặc biệt phổ biến ở người cao tuổi. Khi dân số già hóa, nhu cầu phẫu thuật đục thủy tinh thể sẽ tăng mạnh — từ hơn 10 triệu ca (năm 2010) lên khoảng 40 triệu ca (dự kiến năm 2025). Bên cạnh đó, sự phát triển của trí tuệ nhân tạo (AI) trong y học, đặc biệt trong các chuyên ngành phẫu thuật, đã mở ra nhiều ứng dụng tiềm năng.

Mục tiêu chính của bài báo là tổng hợp các ứng dụng hiện có của AI trong từng giai đoạn của phẫu thuật đục thủy tinh thể (trước mổ, trong mổ và sau mổ), đồng thời chỉ ra những thách thức và hướng đi tương lai.

2. Phương pháp nghiên cứu

Các tác giả đã tiến hành tổng quan tài liệu từ PubMed và Google Scholar trong khoảng thời gian từ tháng 3 đến tháng 4 năm 2024, sử dụng các từ khóa như “artificial intelligence in cataract surgery”, “deep learning”, “machine learning”, v.v. Các nghiên cứu được chọn lọc phải được công bố từ năm 2010 trở lại đây và có liên quan trực tiếp đến ứng dụng AI trong phẫu thuật đục thủy tinh thể.

3. Ứng dụng AI theo từng giai đoạn phẫu thuật

A. Giai đoạn trước phẫu thuật

  • Tính toán công suất thủy tinh thể nhân tạo (IOL):

    • Các công thức cổ điển (SRK, Holladay, Hoffer Q...) được cải thiện đáng kể nhờ kết hợp với các mô hình deep learning.

    • AI giúp giảm sai số khúc xạ sau mổ bằng cách cá nhân hóa tính toán dựa trên đặc điểm sinh học cụ thể của từng mắt bệnh nhân.

    • Ví dụ: công thức Karmona (dựa trên DL) vượt trội hơn công thức Hill-RBF trong một số trường hợp.

  • Chẩn đoán đục thủy tinh thể:

    • AI đã được huấn luyện từ hình ảnh kính sinh hiển vi và ảnh đáy mắt để xác định đục nhân và đánh giá mức độ nghiêm trọng.

    • Một số mô hình DL cho độ nhạy và độ đặc hiệu tương đương bác sĩ chuyên khoa, tạo tiền đề cho việc triển khai sàng lọc đục thủy tinh thể tại cộng đồng.

  • Chẩn đoán bằng điện thoại thông minh:

    • Các mô hình AI sử dụng ảnh chụp bằng điện thoại để nhận diện bệnh lý giác mạc, bao gồm đục thủy tinh thể, cho kết quả chính xác gần tương đương bác sĩ chuyên khoa — mở rộng cơ hội tiếp cận y tế ở vùng sâu vùng xa.

B. Giai đoạn trong phẫu thuật

  • Phân tích hình ảnh thời gian thực:

    • AI có thể tích hợp các nguồn dữ liệu từ thiết bị OCT, cảm biến nội nhãn, lịch sử bệnh án... để đưa ra quyết định hỗ trợ phẫu thuật chính xác hơn.

  • Dụng cụ “thông minh”:

    • Dụng cụ có cảm biến lực (Auditory Force Feedback) giúp cảnh báo khi lực thao tác quá mạnh, giảm nguy cơ tổn thương mô.

    • Robot “steady-hand” có độ chính xác cao, hiện đang được thử nghiệm trong phẫu thuật võng mạc nhưng có tiềm năng ứng dụng trong đục thủy tinh thể.

  • Nhận diện và theo dõi quy trình mổ:

    • Hệ thống như DeepPhase và Touch Surgery Enterprise dùng AI để nhận diện các giai đoạn phẫu thuật dựa trên video mổ.

    • Các hệ thống này hỗ trợ huấn luyện, giám sát phẫu thuật viên và tối ưu quy trình phẫu thuật.

  • Đào tạo phẫu thuật viên:

    • Công cụ PhacoTracking sử dụng ML để phân tích độ dài đường đi dụng cụ, số lần di chuyển... để đánh giá tay nghề bác sĩ.

    • AI cho phép đào tạo mang tính cá nhân hóa, nhắm đúng vào điểm yếu của bác sĩ trẻ.

C. Giai đoạn sau phẫu thuật

  • Theo dõi và phát hiện biến chứng:

    • AI có khả năng phát hiện đục bao sau (posterior capsule opacification) với độ chính xác >90%.

    • Mô hình TempSeq-Net sử dụng mạng thần kinh hồi tiếp (LSTM + CNN) để theo dõi hình ảnh đèn khe liên tục và dự đoán biến chứng.

  • Dự đoán lệch IOL sau mổ:

    • Mô hình CNN được huấn luyện với dữ liệu thời gian bung và xoay của thủy tinh thể nhân tạo có thể tiên đoán nguy cơ lệch IOL tùy theo thương hiệu IOL và đặc điểm bệnh nhân.

  • Theo dõi đồng tử và phản xạ đồng tử:

    • AI tự động phát hiện thay đổi kích thước đồng tử từ video mổ, hỗ trợ đánh giá nguy cơ suy giảm chức năng thị lực sau mổ.

  • Trợ lý hậu phẫu bằng AI – Dora:

    • AI có thể gọi điện để hỏi bệnh, đánh giá triệu chứng và hướng dẫn bệnh nhân hồi phục.

    • Dữ liệu cuộc gọi được lưu lại để bác sĩ đánh giá, đồng thời giúp giảm áp lực lên hệ thống y tế và tạo thuận tiện cho bệnh nhân khó khăn trong di chuyển.

4. Thách thức hiện tại

  • Thiếu dữ liệu công khai: Chỉ có 2 bộ dữ liệu phẫu thuật đục thủy tinh thể công khai, và chỉ giới hạn trong phacoemulsification — gây khó khăn cho phát triển AI ở các kỹ thuật khác như MSICS (phổ biến ở nước thu nhập thấp).

  • Chưa có chuẩn đánh giá chung: Các nghiên cứu sử dụng nhiều tiêu chí đánh giá khác nhau như độ chính xác, độ nhạy, Dice coefficient... dẫn đến khó so sánh hiệu quả các mô hình AI.

  • Khả năng tổng quát hóa còn yếu: Nhiều mô hình AI hoạt động tốt trên dữ liệu huấn luyện nhưng kém hiệu quả khi áp dụng cho dữ liệu mới (đặc biệt có chất lượng hình ảnh thấp hơn).

5. Định hướng tương lai

  • Phổ cập sàng lọc bằng AI tại cộng đồng: Đặc biệt hữu ích ở các vùng nông thôn và quốc gia có ít bác sĩ nhãn khoa.

  • Hỗ trợ đánh giá kỹ thuật phẫu thuật trực tiếp: AI sẽ không chỉ nhận diện giai đoạn mổ mà còn đưa ra gợi ý điều chỉnh kỹ thuật cho bác sĩ trong thời gian thực.

  • Tự động hóa phân tích video mổ: AI có thể xử lý hàng trăm nghìn khung hình video — phát hiện các dấu hiệu bất thường như chấn thương mống mắt, giúp liên kết với biến chứng sau mổ.

  • Tăng cường đào tạo cá nhân hóa: Dành cho bác sĩ trẻ thông qua mô phỏng phẫu thuật tích hợp AI.

6. Kết luận

AI đang dần chứng minh vai trò quan trọng trong cải thiện độ chính xác, hiệu quả và an toàn cho phẫu thuật đục thủy tinh thể. Dù ứng dụng thực tiễn vẫn còn ở giai đoạn sơ khai, tiềm năng tương lai là rất lớn — đặc biệt trong tầm soát cộng đồng, đào tạo bác sĩ, và phòng ngừa biến chứng sau mổ.