Tại hội nghị AIOC2026, bài giảng IC309 của Dr. Quresh B. Maskati đã trình bày về sự phát triển mạnh mẽ của trí tuệ nhân tạo (Artificial Intelligence - AI) trong nhãn khoa, đặc biệt là các bệnh lý giác mạc. AI đang trở thành công cụ hỗ trợ đắc lực cho bác sĩ trong việc chẩn đoán và tiên lượng bệnh thông qua khả năng xử lý các tập dữ liệu lớn với độ chính xác cao.
Cơ chế và quy trình xây dựng mô hình AI
Các thuật ngữ cốt lõi bao gồm machine learning (học máy) và deep learning (học sâu), cùng với các mạng thần kinh nhân tạo. Sự khác biệt giữa các kỹ thuật này phụ thuộc vào lượng dữ liệu đầu vào; khi dữ liệu càng lớn, khả năng học và độ nhạy của mô hình càng tăng. Quy trình xây dựng một mô hình AI chuẩn bao gồm ba giai đoạn: (1) Tập huấn luyện (training sets) để dạy mô hình; (2) Tập xác thực (validation sets) để kiểm tra; và (3) Tập kiểm thử (testing sets) để đánh giá hiệu quả trong môi trường thực tế. Sau khi hoàn tất các bước này, mô hình mới sẵn sàng để ứng dụng lâm sàng.
Ứng dụng lâm sàng và hạn chế hiện tại
AI hiện đang được ứng dụng trong nhiều bệnh lý giác mạc như keratoconus, viêm giác mạc nhiễm trùng, loạn dưỡng Fuchs, sàng lọc nguy cơ giãn giác mạc sau LASIK, bệnh khô mắt và ghép giác mạc. Tuy nhiên, các công cụ chẩn đoán truyền thống thường bị hạn chế bởi tính chủ quan và sự khác biệt giữa các thiết bị (như Pentacam hoặc Sirius). AI khắc phục điều này bằng cách phân tích hàng trăm nghìn dữ liệu từ nhiều trung tâm trên thế giới. Dù vậy, AI vẫn tồn tại những hạn chế đáng kể: không nhận diện được các ca bệnh hiếm do thiếu dữ liệu, không hiểu được bệnh sử chi tiết (như thói quen dụi mắt, tiền sử dị ứng, hoặc sử dụng thuốc nhỏ mắt) và các vấn đề về quyền riêng tư dữ liệu bệnh nhân.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Cải thiện độ chính xác chẩn đoán | Từ 79% lên 88% |
| Độ đặc hiệu (khô mắt) | 95% |
| Độ nhạy (khô mắt) | 83% |
| Độ chính xác (viêm giác mạc nhiễm trùng) | 99.3% |
| Mô hình DenseNet 121 | Tài liệu không nêu cỡ mẫu |
Bình luận: Tác giả nhấn mạnh AI không thay thế bác sĩ mà đóng vai trò là đối tác hỗ trợ. Hạn chế lớn nhất được nêu là sự thiếu hụt dữ liệu bệnh sử (như tiền sử dùng thuốc, đeo kính áp tròng) khiến mô hình chưa thể đạt độ chính xác tuyệt đối trong các tình huống lâm sàng phức tạp. Bác sĩ cần học cách đặt câu hỏi đúng cho AI để tối ưu hóa kết quả.
- AI là công cụ hỗ trợ chẩn đoán, không thay thế hoàn toàn vai trò của bác sĩ lâm sàng.
- Cần chú trọng vấn đề bảo mật thông tin bệnh nhân và lấy sự đồng ý (consent) khi sử dụng dữ liệu cho AI.
- Bác sĩ cần nắm vững cách đặt câu hỏi cho các mô hình AI để nhận được phản hồi chính xác nhất.
- AI hiện chưa thay thế được việc khai thác bệnh sử chi tiết (dụi mắt, dị ứng, thuốc dùng kèm).
Tài liệu tham khảo:
Dr. Quresh B. Maskati, 2026, AI CORNEAL DISORDER, AIOS Editor Proceedings 2, Video ID: Tx8UbmHC4lE.