Trong khoảng 150 nghiên cứu được công bố gần đây về lĩnh vực lác, việc hiểu rõ cách thức vận hành của Trí tuệ nhân tạo (Artificial Intelligence - AI) trở nên thiết yếu đối với bác sĩ nhãn khoa. AI không thay thế bác sĩ mà đóng vai trò như một công cụ hỗ trợ, tương tự như cách máy tính hay máy siêu âm đã thay đổi thực hành lâm sàng truyền thống.
Cơ chế hoạt động của AI và Machine Learning
Machine Learning (ML) là một nhánh của AI, cho phép máy tính học từ dữ liệu mà không cần lập trình chi tiết cho từng tình huống. Quá trình này bao gồm việc cung cấp dữ liệu đầu vào (ví dụ: hình ảnh hoặc thông số lâm sàng) để thuật toán phân loại và nhận diện các đặc điểm. Một bước tiến quan trọng là Deep Learning (DL), sử dụng các mạng thần kinh nhân tạo (Neural Networks) để tự động hóa việc trích xuất đặc điểm từ dữ liệu phức tạp như hình ảnh. Khác với các phương pháp truyền thống, DL có khả năng tự học và cải thiện độ chính xác khi được cung cấp tập dữ liệu lớn, giúp phân loại các nhóm bệnh nhân hoặc dự đoán kết quả lâm sàng mà không cần sự can thiệp thủ công liên tục.
Ứng dụng thực tiễn trong nhãn khoa
Các mô hình AI hiện nay có thể xử lý hàng nghìn hình ảnh để sàng lọc các bất thường ở trẻ em hoặc phân tích video chuyển động mắt để hỗ trợ chẩn đoán. Một ví dụ điển hình là việc huấn luyện mô hình trên 6.500 hình ảnh để nhận diện các dạng lác cụ thể. Ngoài ra, AI còn được ứng dụng trong việc xây dựng các chatbot hỗ trợ bệnh nhân, giúp giải đáp các thắc mắc về quy trình phẫu thuật, chi phí hoặc chăm sóc hậu phẫu bằng ngôn ngữ tự nhiên. Các hệ thống này có thể được tùy chỉnh để phản hồi dựa trên dữ liệu cụ thể của từng cơ sở y tế, giúp giảm tải cho nhân viên y tế trong việc tư vấn các câu hỏi lặp lại.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Số lượng nghiên cứu về lác gần đây | 150 nghiên cứu |
| Số lượng hình ảnh dùng huấn luyện mô hình (ví dụ) | 6.500 hình ảnh |
| Khả năng xử lý hình ảnh trẻ em | 10.000 hình ảnh |
| Thời gian theo dõi/phân tích video | 15 phút |
Bình luận: Tác giả nhấn mạnh AI là công cụ hỗ trợ (tool) thay vì thay thế bác sĩ. Hạn chế lớn nhất được nêu là sự khác biệt trong tư vấn lâm sàng giữa các bác sĩ, dẫn đến khó khăn trong việc chuẩn hóa dữ liệu đầu vào cho AI. Cần lưu ý rằng các ứng dụng chatbot cần được kiểm soát chặt chẽ về nội dung y khoa để tránh đưa ra thông tin sai lệch hoặc không phù hợp với từng cá thể bệnh nhân.
- Tận dụng AI để tự động hóa việc sàng lọc hình ảnh lác quy mô lớn.
- Sử dụng chatbot tích hợp dữ liệu nội bộ để hỗ trợ tư vấn bệnh nhân trước và sau phẫu thuật.
- Xây dựng tập dữ liệu chuẩn hóa (labeled data) từ hồ sơ bệnh án để huấn luyện các mô hình AI chuyên biệt.
- Phối hợp với kỹ sư phần mềm để tùy chỉnh mô hình AI phù hợp với quy trình làm việc tại phòng khám.
Tài liệu tham khảo:
Prof. Amr Elkamshoshy, 2024, AI in Strabismus, Strabismus from A to Z, Video ID: 1amT1M34lAs