Ứng dụng Trí tuệ nhân tạo (AI) trong chẩn đoán hình ảnh võng mạc và chăm sóc mắt

Bs Ngô Hữu Thế
7.10.26
Last Updated

Giáo sư Pearse Keane, chuyên gia tại Viện Nhãn khoa UCL, đã thảo luận về sự chuyển dịch của trí tuệ nhân tạo (AI) trong thực hành nhãn khoa, đặc biệt là tiềm năng thay đổi mô hình chăm sóc từ bệnh viện sang cộng đồng. Việc ứng dụng AI trong phân tích hình ảnh võng mạc không chỉ hỗ trợ chẩn đoán mà còn mở ra hướng đi mới trong việc phát hiện các bệnh lý hệ thống thông qua hình ảnh mắt (Oculomics).

Cơ chế ứng dụng AI trong nhãn khoa

AI, đặc biệt là học sâu (deep learning), tận dụng khả năng xử lý dữ liệu hình ảnh đa chiều (high-dimensional data) từ các phương tiện chẩn đoán hình ảnh như chụp cắt lớp võng mạc (OCT) và ảnh màu đáy mắt. Bằng cách huấn luyện trên các tập dữ liệu lớn, thuật toán có thể nhận diện các đặc điểm bệnh lý tinh vi hoặc các dấu hiệu sinh học hệ thống mà mắt người khó phát hiện, từ đó hỗ trợ phân tầng nguy cơ và ưu tiên bệnh nhân cần can thiệp sớm.

Dữ liệu thực tế về ứng dụng AI

Chỉ số/Kết cụcKết quảGhi chú
Số lượng ca nghi ngờ thoái hóa hoàng điểm tuổi già (wet AMD) năm 20167.000 caTài liệu không nêu p/CI
Số ca thực tế được xác định là wet AMD800 caTài liệu không nêu p/CI
Thời gian chờ đợi trung bình từ chuyển tuyến đến điều trị (tại thời điểm 2016)40 ngàyTài liệu không nêu p/CI
Độ chính xác dự đoán tuổi từ ảnh võng mạcTrong vòng 3 nămDựa trên nghiên cứu UK Biobank (2018)
Kinh phí hỗ trợ nghiên cứu liên kết dữ liệu (2017)15.000 bảng AnhTài liệu không nêu p/CI

Bình luận chuyên môn: Các số liệu được trích dẫn từ podcast mang tính chất quan sát và kinh nghiệm cá nhân của diễn giả, không phải là kết quả của một thử nghiệm lâm sàng ngẫu nhiên (RCT). Việc dự đoán các bệnh lý hệ thống (như Alzheimer, Parkinson) từ ảnh võng mạc vẫn đang ở giai đoạn nghiên cứu sơ khởi. Cần lưu ý các hạn chế về sai lệch dữ liệu (bias) khi thuật toán được huấn luyện trên các nhóm dân số cụ thể (ví dụ: nam giới da trắng người Ireland) có thể không áp dụng hiệu quả cho các nhóm sắc tộc khác.

Định hướng thực hành lâm sàng

  • Tăng cường vai trò cộng đồng: Tận dụng AI tại các cơ sở khúc xạ/nhãn khoa cộng đồng để sàng lọc và phân tầng bệnh nhân, giúp giảm tải cho bệnh viện tuyến trên.
  • Minh bạch dữ liệu: Khi triển khai AI, cần minh bạch về tập dữ liệu huấn luyện để nhận diện sớm các nguy cơ sai lệch (bias) đối với các nhóm dân số khác nhau.
  • Tuân thủ quy định: Mọi hệ thống AI sử dụng trong lâm sàng phải được quản lý như một thiết bị y tế (Software as a Medical Device) và tuân thủ các quy định về bảo mật dữ liệu bệnh nhân.
  • Tiếp cận đa ngành: Tương lai của nhãn khoa gắn liền với Oculomics, đòi hỏi sự kết hợp giữa dữ liệu hình ảnh và các dữ liệu sinh học khác (proteomics, genomics) để tối ưu hóa chẩn đoán và điều trị.

Tài liệu tham khảo:

Pearse Keane, 2026, How AI Is Transforming Retinal Imaging & Eye Care, Eyes on Tomorrow, Video ID: O5pHG6idgyE.

Xem thêm