Đánh giá kỹ năng phẫu thuật qua mô hình mô phỏng trong đào tạo nhãn khoa

Bs Ngô Hữu Thế
25.10.26
Last Updated

Bài giảng tại AIOC2026 (2026) về chủ đề đào tạo dựa trên mô phỏng (simulation-based training) đã nhấn mạnh tầm quan trọng của việc đánh giá kỹ năng phẫu thuật khách quan. Việc sử dụng các hệ thống mô phỏng không chỉ giúp học viên rèn luyện kỹ năng mà còn cung cấp dữ liệu định lượng để theo dõi sự tiến bộ, từ đó nâng cao an toàn cho bệnh nhân trong thực hành lâm sàng.

Phân loại các loại hình mô phỏng

Các loại hình mô phỏng trong nhãn khoa rất đa dạng, trải dài từ các mô hình đơn giản đến các hệ thống thực tế ảo (virtual reality) phức tạp. Các ví dụ bao gồm mô hình mô phỏng gián tiếp (indirect ophthalmoscopy), RetiEye (nhãn cầu rỗng có cấu trúc giải phẫu để thực hành soi đáy mắt), và SimuLife (thực hành laser). Ngoài ra, các mô hình wet lab sử dụng mắt động vật (như mắt dê), mắt người hiến tặng hoặc các vật liệu nhân tạo (cà chua, lá nhôm) cũng được sử dụng rộng rãi để mô phỏng các bước phẫu thuật như xé bao (capsulorhexis) hoặc cắt dịch kính (vitrectomy). Việc lựa chọn mô hình phụ thuộc vào mục tiêu đào tạo và nguồn lực tài chính của cơ sở đào tạo.

Năm giai đoạn đánh giá mô phỏng

Để xác định chất lượng của một hệ thống mô phỏng, cần dựa trên năm giai đoạn đánh giá (five stages of assessment) bao gồm: (1) Face validity (độ tương đồng về hình thức), (2) Content validity (độ tương đồng về nội dung đào tạo), (3) Construct validity (khả năng chuyển đổi kỹ năng từ mô phỏng sang thực tế), (4) Concurrent validity (so sánh với tiêu chuẩn vàng), và (5) Predictive validity (khả năng dự đoán năng lực phẫu thuật viên tương lai). Predictive validity được coi là "chén thánh" (holy grail) của lĩnh vực mô phỏng, cho phép đánh giá năng lực học viên trước khi thực hiện trên người thật.

Ứng dụng đánh giá năng lực dựa trên dữ liệu

Các hệ thống như ICO Oscar (cho phẫu thuật phacoemulsification và SICS) hoặc SIM Oscar cung cấp bảng kiểm chi tiết từng bước để đánh giá năng lực học viên. Dữ liệu từ các hệ thống này cho phép theo dõi sự tiến bộ, xác định các bước học viên còn yếu để tập trung đào tạo chuyên biệt. Một nghiên cứu được trích dẫn đã chỉ ra rằng nhóm được đào tạo qua mô phỏng đạt mức độ thành thạo nhanh hơn đáng kể so với nhóm đối chứng. Các hệ thống hiện đại còn tích hợp phản hồi xúc giác (haptic feedback) và cảnh báo thời gian thực khi xảy ra sai sót, giúp học viên nhận diện và điều chỉnh hành vi ngay lập tức.

Chỉ số/Kết cụcKết quả theo tài liệu
Chi phí bộ mô phỏng xé bao80 USD mỗi bộ
Thời điểm đánh giá năng lực3 tháng, 12 tháng, 15 tháng
Hiệu quả đào tạo mô phỏngNhóm mô phỏng đạt mức độ thành thạo ngay lập tức so với 15 tháng ở nhóm đối chứng
Cảnh báo zonule (HelpMeSee)10%, 30%, 40%
Bình luận: Thông tin theo AIOC2026 (2026); đối chiếu guideline hiện hành khi áp dụng lâm sàng. Việc sử dụng mô hình mô phỏng giúp giảm thiểu rủi ro cho bệnh nhân trong giai đoạn học tập. Tuy nhiên, cần lưu ý rằng chi phí đầu tư cho các hệ thống mô phỏng cao cấp có thể là rào cản tại các nước đang phát triển. Các mô hình "jugad" (tự chế) là giải pháp thay thế nhưng cần được chuẩn hóa để đảm bảo tính hiệu quả.
  • Tích hợp đào tạo mô phỏng như một yêu cầu bắt buộc đối với học viên mới nhập môn.
  • Sử dụng dữ liệu từ hệ thống mô phỏng để cá nhân hóa lộ trình đào tạo cho từng học viên.
  • Áp dụng đánh giá định kỳ (năm thứ nhất, thứ hai, thứ ba) để theo dõi sự duy trì kỹ năng.
  • Sử dụng mô phỏng để thực hành các tình huống biến chứng hiếm gặp nhằm chuẩn bị tâm lý và kỹ năng cho phẫu thuật viên.

Tài liệu tham khảo:

Akshay G Nair, 2026, AIOC2026 GP61 Curriculam Assessment simulstion on based trainning, AIOS Editor Proceedings 3, Video ID: wVRqFZgY0vw.

Xem thêm