Hội thảo Glaucoma Fast Track 2025 (Session 3: AI and Imaging) đã thảo luận về vai trò của các phương pháp hình ảnh học tiên tiến và AI trong việc phát hiện sớm, theo dõi tiến triển bệnh Glaucoma. Mục tiêu chính của phiên thảo luận là đánh giá kết nối giữa mắt và não, nhận diện cơ hội ứng dụng AI cho các chỉ số kết cục tiền lâm sàng (preclinical outcome measures) bên cạnh các phương pháp truyền thống.
Hình ảnh học và kết nối Mắt - Não trong Glaucoma
Glaucoma là bệnh lý thoái hóa thần kinh (neurodegenerative disease) của hệ thống thị giác, trong đó áp lực nội nhãn (IOP) là yếu tố nguy cơ duy nhất có thể can thiệp lâm sàng. Tuy nhiên, bệnh vẫn có thể tiến triển ngay cả khi IOP đã được kiểm soát. Các chuyên gia nhấn mạnh tầm quan trọng của việc tìm kiếm các dấu ấn sinh học (biomarkers) sớm thông qua OCT và MRI. OCT giúp đánh giá các lớp tế bào hạch võng mạc (retinal ganglion cells - RGC), bao gồm lớp sợi thần kinh quanh gai thị (peripapillary RNFL) và lớp tế bào hạch tại hoàng điểm (macular ganglion cell inner plexiform layer - MGCIPL). Nghiên cứu cho thấy RNFL có thể bắt đầu giảm trước khi có thay đổi đáng kể trên thị trường (visual field), với điểm tới hạn (tipping point) khoảng 76 micromet. MGCIPL được cho là nhạy hơn trong việc phát hiện sớm bệnh lý. Ngoài ra, MRI được sử dụng để đánh giá sự thay đổi oxy hóa máu và cấu trúc não bộ, bao gồm các vùng như dải dọc trên (superior longitudinal fasciculus - SLF) liên quan đến tích hợp đa giác quan.
Ứng dụng AI trong phân tích Synapse và đếm sợi trục
AI đóng vai trò quan trọng trong việc phân tích hình ảnh synapse và đếm sợi trục (axons) với độ chính xác cao. Trong phân tích synapse, AI hỗ trợ phân đoạn (segmentation) và phân loại các loại synapse khác nhau từ dữ liệu hiển vi điện tử (electron microscopy - EM) hoặc hiển vi huỳnh quang (fluorescence microscopy). Các công cụ như Axonet và Axon Deep đã được phát triển để tự động hóa việc đếm sợi trục trong dây thần kinh thị giác. Việc đếm sợi trục thủ công là một thách thức lớn do tính chất nhỏ, mềm của sợi trục và sự biến thiên giữa các người quan sát. Các mô hình AI sử dụng mạng đối nghịch (adversarial network) có thể tận dụng dữ liệu chưa được gán nhãn để học tập, giúp giảm bớt gánh nặng cho con người. Tuy nhiên, các tác giả cảnh báo về việc không nên sử dụng các mô hình đã xuất bản mà không tinh chỉnh (fine-tune) với dữ liệu riêng của phòng thí nghiệm.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Điểm tới hạn RNFL | 76 micromet |
| Tỷ lệ mất RNFL trước điểm tới hạn | 14% từ nhóm khỏe mạnh |
| Tỷ lệ mất MGCIPL trước điểm tới hạn | 24% từ nhóm khỏe mạnh |
| Độ chính xác Axonet (Dice score) | 0.81 so với con người |
| Độ chính xác giữa hai người quan sát (Dice score) | 0.87 |
| Số lượng người tham gia nghiên cứu AI ready | 1.000 người (đã phát hành dữ liệu), mục tiêu 4.000 |
Bình luận: Các phương pháp AI được trình bày tập trung vào việc tối ưu hóa quy trình phân tích hình ảnh học phức tạp. Hạn chế lớn nhất hiện nay là tính sẵn sàng của các mô hình cho lâm sàng thực tế (consumer packaged) và sự khác biệt về chất lượng dữ liệu đầu vào. Thông tin theo Glaucoma Fast Track 2025, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng.
Góc nhìn nhãn khoa (biên tập bổ sung, cần kiểm chứng): Việc tích hợp dữ liệu đa phương thức (multimodal integration) giữa OCT và thị trường Humphrey đang trở thành xu hướng chủ đạo trong quản lý Glaucoma. Các mô hình dự đoán tiến triển dựa trên AI có tiềm năng thay đổi cách chúng ta đánh giá nguy cơ bệnh nhân, tuy nhiên cần thận trọng với các trường hợp có chất lượng hình ảnh kém hoặc nhiễu ảnh hưởng đến độ tin cậy của thuật toán.
- Ưu tiên sử dụng các mô hình AI mã nguồn mở để hiểu rõ cơ chế thuật toán.
- Luôn tinh chỉnh mô hình AI bằng dữ liệu thực tế tại cơ sở lâm sàng của bạn.
- Kết hợp nhiều phương thức hình ảnh (OCT, thị trường, ảnh màu gai thị) để tăng độ chính xác dự đoán.
- Cần thận trọng với các dữ liệu đầu vào có chất lượng thấp (poor quality scans) khi sử dụng AI.
- Khuyến khích chia sẻ dữ liệu đã được gán nhãn để cộng đồng cùng phát triển các công cụ chẩn đoán tốt hơn.
Tài liệu tham khảo:
BrightFocus Foundation, 2026, Glaucoma Fast Track 2025 Session 3: AI and Imaging, YouTube Video ID: fVcOi5n_QS8.