Tại sự kiện AIOS Editor Proceedings 2026, Dr. Gaurav Luthra đã trình bày về việc ứng dụng trí tuệ nhân tạo (AI) và học sâu (deep learning) để cải thiện độ chính xác trong việc lựa chọn kích thước kính nội nhãn (ICL sizing). Việc dự đoán khoảng cách giữa mặt sau của ICL và mặt trước của bao thể thủy tinh (vault) là yếu tố then chốt quyết định sự thành công và an toàn của phẫu thuật, đặc biệt là trong việc duy trì góc tiền phòng và tránh các biến chứng như tăng nhãn áp hoặc đục thủy tinh thể.
Lịch sử và thách thức trong lựa chọn kích thước ICL
Kể từ khi Visian ICL nhận được sự chấp thuận của FDA vào tháng 12 năm 2005, phương pháp truyền thống để tính toán kích thước kính là cộng thêm 1.1 mm vào khoảng cách trắng-trắng (white-to-white) đo được bằng Orbscan hoặc thước đo kỹ thuật số (digital calipers). Sau đó, các bác sĩ sử dụng nomogram của STAAR để xác định kích thước kính phù hợp. Mặc dù Pentacam sau này đã thay thế các phương pháp đo cũ nhờ độ nhất quán cao (sai lệch chỉ khoảng 0.1 mm so với thước đo kỹ thuật số), việc dự đoán chính xác vault vẫn là một thách thức lớn. Vault không phù hợp có thể dẫn đến các biến chứng nghiêm trọng: vault quá cao gây hẹp góc, phân tán sắc tố và block đồng tử; trong khi vault quá thấp có thể dẫn đến hình thành đục thủy tinh thể hoặc xoay kính đối với ICL toric.
Các phương pháp đo đạc hiện đại và mô hình dự đoán
Trong 5-7 năm gần đây, nhiều kỹ thuật mới đã được đề xuất để thay thế việc đo white-to-white đơn thuần. Các bác sĩ hiện nay có thể sử dụng đo đạc sulcus-to-sulcus bằng UBM (Ultrasound Biomicroscopy) hoặc đo khoảng cách từ cựa củng mạc đến cựa củng mạc (scleral spur-to-scleral spur) bằng OCT (Optical Coherence Tomography). Các công thức dự đoán mới như Nakamura NK formula (sử dụng Casia AS-OCT), Lasso formula (tương thích với IOL Master 700 hoặc AS-OCT) và công thức của Kim đã giúp cải thiện đáng kể độ chính xác. Đặc biệt, mô hình "safe vault ICL" sử dụng dữ liệu từ 25 bệnh nhân trong nhóm nghiên cứu tại Ấn Độ, kết hợp với học sâu để phân tích hình ảnh từ AS-OCT, cho phép dự đoán vault và kích thước kính với độ tin cậy cao.
Ứng dụng ICL Guru trong thực hành lâm sàng
ICL Guru là một phương pháp dựa trên UBM tần số cao, khắc phục được nhược điểm thiếu tính khách quan của các thiết bị UBM cũ. Thiết bị này tích hợp tính năng theo dõi mắt (eye tracking) để đảm bảo người đo luôn ở đúng mặt phẳng và trục cần thiết. Quá trình đo đạc diễn ra nhanh chóng, chỉ mất khoảng 10-15 giây để thu thập 5 phép đo nhất quán, sau đó dữ liệu được tự động tải lên máy chủ để phân tích bằng AI. Toàn bộ quy trình từ khi đo đến khi có báo cáo kết quả chỉ mất khoảng 30 giây. Báo cáo cung cấp dự đoán vault cho 4 kích thước kính khác nhau, giúp phẫu thuật viên lựa chọn kích thước tối ưu để đạt được vault trong "vùng xanh" an toàn, đồng thời đánh giá độ ổn định của kính trong sulcus.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Khoảng vault lý tưởng (Mark Packer, 2016) | 250 đến 750 microns |
| Khoảng vault chấp nhận được | 90 đến 1,000 microns |
| Sai lệch đo white-to-white (Pentacam vs digital calipers) | 0.1 mm |
| Cỡ mẫu nghiên cứu safe vault ICL (nhóm Ấn Độ) | 25 bệnh nhân |
| Thời gian đo ICL Guru | 10-15 giây |
| Thời gian tạo báo cáo ICL Guru | 30 giây |
| Tỷ lệ thành công dự đoán với nomogram mới | hơn 95% |
Bình luận: Các công nghệ AI và học sâu đang thay đổi cách tiếp cận trong phẫu thuật ICL, chuyển từ các công thức dựa trên white-to-white sang các phép đo giải phẫu trực tiếp tại sulcus. Tuy nhiên, cần lưu ý rằng dữ liệu về ICL Guru trong tài liệu này dựa trên kinh nghiệm ban đầu với 5 bệnh nhân. Thông tin theo AIOS Editor Proceedings, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng.
- Ưu tiên sử dụng các thiết bị đo đạc hiện đại như AS-OCT hoặc UBM tần số cao thay vì chỉ dựa vào white-to-white.
- Tận dụng các công thức dự đoán vault trực tuyến (Lasso, safe vault ICL) để lập kế hoạch phẫu thuật chính xác hơn.
- Sử dụng các hệ thống có tích hợp AI để giảm thiểu sai số do người vận hành (operator dependent).
- Theo dõi sát sao vault sau phẫu thuật để đánh giá độ ổn định của kính, đặc biệt với ICL toric.
Tài liệu tham khảo:
Gaurav Luthra, 2026, Perfecting ICL outcomes using AI and deep learning, AIOS Editor Proceedings 2, Video ID: iDwcF7uEeX0.