Ứng dụng mô phỏng ảo và trí tuệ nhân tạo trong đào tạo phẫu thuật nhãn khoa

Bs Ngô Hữu Thế
28.10.26
Last Updated

Phiên hội thảo IC309 tại AIOC 2026 với chủ đề "Mastering skills from virtual simulations to real life applications in ophthalmology" đã tập trung thảo luận về vai trò của công nghệ trong việc chuyển đổi từ đào tạo mô phỏng sang năng lực thực hành lâm sàng. Các diễn giả nhấn mạnh rằng trong một chuyên khoa vi phẫu như nhãn khoa, việc kết hợp giữa các công cụ mô phỏng hiện đại và sự hướng dẫn truyền thống là chìa khóa để đảm bảo an toàn cho bệnh nhân và nâng cao kết quả phẫu thuật.

Vai trò của mô phỏng trong đào tạo phẫu thuật

Mô phỏng phẫu thuật được định nghĩa là sự tái tạo các kịch bản phẫu thuật trong môi trường được kiểm soát, nhân tạo và giám sát. Nhãn khoa là một chuyên khoa vi phẫu đòi hỏi kỹ năng tinh xảo, sự phối hợp tay-mắt và chân-mắt phức tạp. Việc học tập tại phòng mổ (OT) thường không thể dự đoán trước, thiếu cấu trúc và chịu ảnh hưởng bởi sự mệt mỏi, căng thẳng của cả bác sĩ nội trú lẫn bệnh nhân. Các mô hình mô phỏng cung cấp môi trường an toàn, không rủi ro, cho phép thực hành có chủ đích (deliberate practice), đánh giá khách quan và phản hồi tức thì. Điều này giúp phát triển thị giác lập thể (stereoscopic vision), cải thiện sự khéo léo của cả hai tay (ambidexterity) và kỹ năng phối hợp tâm vận động (psycho-motor coordination).

Các loại hình mô phỏng và phân loại

Các loại hình mô phỏng được phân loại dựa trên độ trung thực (fidelity) và mục đích sử dụng. Các mô hình độ trung thực thấp bao gồm các vật liệu như bọt, chuối, hành tây, cà chua hoặc nho để thực hành khâu, tạo vạt hoặc kỹ thuật xé bao (Rex's). Các mô hình trung thực cao hơn bao gồm mắt động vật (mắt dê, mắt lợn) hoặc các mô hình 3D tổng hợp như Kitaros. Các hệ thống mô phỏng hiện đại (high-end simulators) như IC simulator hoặc Help Me See cung cấp độ phân giải 3D cao, mô phỏng lực cản mô (tissue resistance), phân tích chuyển động cổ tay và đánh giá dựa trên rubric scoring. Việc đào tạo được chia thành các giai đoạn: năm thứ nhất tập trung vào kiến thức dụng cụ và phối hợp cơ bản; năm thứ hai tập trung vào kỹ năng khéo léo và phẫu thuật cơ bản; năm thứ ba tập trung vào phẫu thuật phức tạp và quản lý biến chứng.

Chỉ số/Kết cụcKết quả theo tài liệu
Độ trung thực của mô hìnhTừ thấp (vật liệu tự nhiên) đến cao (mô phỏng 3D hiện đại)
Lợi ích của mô phỏngGiảm lo âu, tăng tốc độ và sự tự tin, không rủi ro cho bệnh nhân
Giai đoạn đào tạo4 giai đoạn (từ cơ bản đến quản lý biến chứng)
Rào cản triển khaiChi phí cao (lên đến hàng crore rupees), thiếu hướng dẫn chuẩn
Bình luận: Thông tin theo AIOC 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Các tác giả nhấn mạnh mô phỏng không thay thế hoàn toàn sự hướng dẫn truyền thống mà là một công cụ bổ trợ (blended model). Hạn chế lớn nhất được nêu là chi phí đầu tư thiết bị mô phỏng cao và sự thiếu đồng bộ trong chương trình đào tạo nội trú tại Ấn Độ.

Trí tuệ nhân tạo trong chẩn đoán và dự báo bệnh lý

Trí tuệ nhân tạo (AI) đang thay đổi cách tiếp cận chẩn đoán trong nhãn khoa, đặc biệt là trong bệnh võng mạc đái tháo đường, glaucoma và thoái hóa hoàng điểm tuổi già (AMD). AI sử dụng các kỹ thuật học sâu (deep learning) để phân tích hình ảnh đáy mắt, OCT, OCTA và hình ảnh góc rộng. Trong bệnh võng mạc đái tháo đường, AI có khả năng phát hiện vi phình mạch, xuất huyết, xuất tiết và tân mạch. Đối với AMD, AI hỗ trợ phát hiện drusen, teo địa lý và tân mạch hắc mạc. Các hệ thống AI đã đạt được độ nhạy và độ đặc hiệu cao, ví dụ trong bệnh võng mạc đái tháo đường là 87-91%, trong ROP là 93-94% và trong AMD lên đến 95%. Tuy nhiên, các tác giả cảnh báo về vấn đề "garbage in, garbage out" nếu dữ liệu đầu vào không chất lượng, cũng như các thách thức về pháp lý, đạo đức và sự thiếu hụt dữ liệu đa dạng trong các quần thể thực tế.

Chỉ số/Kết cụcKết quả theo tài liệu
Độ nhạy/đặc hiệu (DR)87% đến 91%
Độ nhạy/đặc hiệu (ROP)93% đến 94%
Độ nhạy/đặc hiệu (AMD)Lên đến 95%
Độ chính xác (Infective keratitis)99.3%
Bình luận: Thông tin theo AIOC 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Các diễn giả thống nhất rằng AI là công cụ hỗ trợ (adjunctive tool), không thay thế bác sĩ lâm sàng. Việc thiếu dữ liệu về bệnh sử, thuốc đang dùng và các bệnh lý đồng mắc là hạn chế lớn khiến AI có thể đưa ra chẩn đoán sai lệch trong các trường hợp phức tạp.
  • Tích hợp mô phỏng vào chương trình đào tạo nội trú một cách có hệ thống.
  • Sử dụng AI như một công cụ hỗ trợ chẩn đoán, không thay thế đánh giá lâm sàng.
  • Luôn duy trì sự tương tác trực tiếp và tư vấn cho bệnh nhân.
  • Cần thận trọng với các kết quả AI trong trường hợp bệnh lý phức tạp hoặc hình ảnh chất lượng thấp.
  • Tiếp tục cập nhật kiến thức về công nghệ để không bị tụt hậu trong thực hành lâm sàng.

Tài liệu tham khảo:

AIOC 2026, 2026, IC309 Mastering skills from Virtual simulations to real life applications in Ophthalmo, YouTube, Video ID: zyONIDNWTq4

Xem thêm