Ứng dụng trí tuệ nhân tạo trong tầm soát bệnh võng mạc đái tháo đường và Glaucoma

Bs Ngô Hữu Thế
13.10.26
Last Updated

Chương trình AIOC2026 IC447 năm 2026 đã thảo luận về gánh nặng bệnh lý đái tháo đường và vai trò của trí tuệ nhân tạo (AI) trong việc tối ưu hóa quy trình tầm soát. Việc ứng dụng công nghệ giúp giải quyết các thách thức về chi phí và khả năng tiếp cận dịch vụ y tế cho bệnh nhân.

Gánh nặng bệnh lý và chi phí tầm soát

Dữ liệu lịch sử cho thấy gánh nặng của bệnh đái tháo đường đang gia tăng đáng kể. Chi phí tầm soát cơ bản ước tính khoảng 2.000 đơn vị tiền tệ. Khi bao gồm cả các chi phí thăm khám chuyên sâu cho khoảng 20% bệnh nhân được chuyển tuyến sau tầm soát, tổng chi phí hàng năm lên tới gần 4.000 đơn vị tiền tệ. Đây là một con số đáng kể, đặt ra yêu cầu cấp thiết về việc phát triển các hệ thống tầm soát hiệu quả hơn, giúp phát hiện sớm và điều trị kịp thời cho bệnh nhân tại cộng đồng.

Vai trò của công nghệ AI trong tầm soát

Các công cụ AI có khả năng tăng cường đáng kể các sáng kiến tầm soát bằng cách làm cho quy trình trở nên nhanh hơn, có khả năng mở rộng (scalable) và ít phụ thuộc vào các phương thức tầm soát truyền thống. Các thuật toán (algorithms) hiện đại đã cho thấy hiệu suất rất tốt trong việc đánh giá bệnh lý. Hệ thống này hỗ trợ các trung tâm y tế trong việc quản lý dữ liệu thăm khám và kết nối với các bác sĩ từ xa (telemologist). Một ưu điểm quan trọng là các hệ thống AI tích hợp có thể hoạt động ngoại tuyến (offline), rất hữu ích tại các khu vực thiếu điện lưới hoặc kết nối internet ổn định. Các báo cáo cho thấy độ nhạy (sensitivity) và độ đặc hiệu (specificity) của các hệ thống này đạt mức khá cao.

Chỉ số/Kết cụcKết quả theo tài liệu
Chi phí tầm soát cơ bản2.000 đơn vị tiền tệ
Tỷ lệ bệnh nhân cần chuyển tuyến20%
Tổng chi phí hàng năm4.000 đơn vị tiền tệ
Số lượng bệnh nhân trong mô hình23.000 bệnh nhân
Độ nhạy và độ đặc hiệuTài liệu không nêu con số cụ thể
Bình luận: Bài trình bày nhấn mạnh tiềm năng của AI trong việc giảm tải cho hệ thống y tế truyền thống. Tuy nhiên, tài liệu thiếu các thông số kỹ thuật chi tiết về thuật toán, cỡ mẫu nghiên cứu cụ thể hoặc các chỉ số thống kê (p-value, CI) để đánh giá độ tin cậy của hiệu suất AI. Người thực hành cần lưu ý rằng AI chỉ là công cụ hỗ trợ, việc tiếp cận bệnh nhân và hành vi của bệnh nhân vẫn đóng vai trò quyết định trong thành công của quá trình điều trị.
  • Tích hợp AI vào quy trình tầm soát để tăng tốc độ và khả năng mở rộng dịch vụ.
  • Ưu tiên sử dụng các hệ thống AI có khả năng hoạt động ngoại tuyến tại các vùng sâu vùng xa.
  • Tăng cường nhận thức của bệnh nhân để họ chủ động tiếp cận các dịch vụ tầm soát sớm.
  • Sử dụng dữ liệu từ các trung tâm y tế để tối ưu hóa việc quản lý bệnh nhân từ xa.

Tài liệu tham khảo:

Dr. Divya Manohar, 2026, Leveraging AI for Diabetic Retinopathy and Glaucoma Detection, AIOS Editor Proceedings 2, Video ID: XgaHUlO8WRU.

Xem thêm