Tại hội nghị AIOS Editor Proceedings 2026, báo cáo GP225 đã trình bày về việc triển khai hệ thống trí tuệ nhân tạo (AI) cấp độ lâm sàng nhằm tầm soát bệnh võng mạc đái tháo đường (Diabetic Retinopathy - DR) cho quần thể dân cư tại các khu vực vùng sâu vùng xa ở Bangladesh. Hệ thống này được thiết kế để giải quyết tình trạng thiếu hụt khả năng tiếp cận dịch vụ chăm sóc mắt tại các cộng đồng nông thôn, nơi việc sàng lọc truyền thống gặp nhiều rào cản về địa lý và hạ tầng.
Kiến trúc mô hình AI
Nhóm nghiên cứu đã xây dựng một mô hình học sâu (deep learning model) dựa trên nền tảng mô hình cơ sở Red fund, vốn được phát triển bởi Moorfields Eye Hospital với dữ liệu từ 1,6 triệu hình ảnh đáy mắt. Mô hình này được tinh chỉnh (fine-tune) bằng bộ dữ liệu bệnh viện tại Bangladesh với khoảng 63.000 hình ảnh. Để đảm bảo tính minh bạch và hỗ trợ bác sĩ trong chẩn đoán, hệ thống tích hợp công nghệ Grad-CAM (Gradient-weighted Class Activation Mapping) nhằm giải thích các vùng tổn thương mà AI dựa vào để đưa ra kết luận. Ngoài ra, mô hình phân đoạn tổn thương (lesion segmentation model) được sử dụng để trích xuất các đặc điểm như xuất tiết (exudate), vi phình mạch (microaneurysms) và xuất huyết (hemorrhage). Hệ thống được căn chỉnh theo tiêu chuẩn phân loại DESP của Dịch vụ Y tế Quốc gia (NHS) Vương quốc Anh thay vì tiêu chuẩn ETDRS truyền thống để tối ưu hóa quy trình phân loại và sàng lọc nhanh.
Quy trình làm việc và triển khai thực tế
Quy trình sàng lọc được thiết kế đơn giản hóa thông qua ứng dụng trên điện thoại thông minh. Nhân viên y tế thực hiện nhập dữ liệu bệnh nhân, chụp ảnh đáy mắt bằng máy chụp đáy mắt cầm tay (portable fundus camera) và tải hình ảnh lên hệ thống. AI thực hiện phân tích ngoại tuyến (offline) và kết quả được lưu trữ trên máy chủ hoặc gửi qua tin nhắn SMS cho bệnh nhân. Tại các trung tâm nông thôn, quy trình này luôn có sự tham gia của bác sĩ lâm sàng. Nếu có bất kỳ nghi ngờ nào về kết quả của AI, kỹ thuật viên có thể chuyển tiếp hình ảnh theo thời gian thực đến bác sĩ tại bệnh viện tuyến trên thông qua điện thoại thông minh để phê duyệt hoặc ghi đè (override) kết quả của AI. Điều này tạo ra một mạng lưới an toàn trong chẩn đoán.
Thách thức và giải pháp tại cộng đồng dân tộc thiểu số
Việc triển khai tại khu vực Chittagong Hill Tracts đối mặt với nhiều rào cản lớn. Thứ nhất là rào cản ngôn ngữ và giao tiếp do các mô hình ngôn ngữ tạo sinh hiện nay chưa nhận diện được các phương ngữ địa phương. Thứ hai là vấn đề hạ tầng với độ phủ sóng di động kém và thiếu hụt cơ sở y tế tại các vùng sâu. Thứ ba là rào cản tương tác công nghệ khi bệnh nhân không quen sử dụng điện thoại thông minh. Cuối cùng là rào cản môi trường, nơi ánh sáng mạnh hoặc thiếu sáng gây ảnh hưởng đến chất lượng hình ảnh đầu vào. Giải pháp được đưa ra bao gồm: tổ chức các nhóm tập trung (focus groups) với cộng đồng để xây dựng tài liệu truyền thông bằng ngôn ngữ địa phương, ưu tiên kiến trúc AI hoạt động ngoại tuyến, và sử dụng các biện pháp đối phó với hình ảnh cầm tay. Trong tương lai, nhóm dự kiến triển khai các lều di động và áp dụng các biện pháp kiểm soát hình ảnh nghiêm ngặt hơn.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Cỡ mẫu dữ liệu huấn luyện | 63.000 hình ảnh bệnh viện |
| Mô hình cơ sở | Red fund, 1,6 triệu hình ảnh đáy mắt |
| Tiêu chuẩn phân loại | DESP grading (NHS) |
| Loại máy chụp | Non-mydriatic portable fundus camera |
| Tỷ lệ bệnh nhi cần điều trị | 10 đến 20% |
Bình luận: Thông tin theo AIOS Editor Proceedings, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Hệ thống này cho thấy tiềm năng lớn trong việc thu hẹp khoảng cách y tế tại các vùng khó khăn. Tuy nhiên, việc phụ thuộc vào chất lượng hình ảnh trong điều kiện môi trường không kiểm soát là một hạn chế kỹ thuật đáng kể. Việc tích hợp bác sĩ vào quy trình "human-in-the-loop" là điểm mấu chốt để đảm bảo an toàn cho bệnh nhân khi AI chưa đạt độ tin cậy tuyệt đối.
- Ưu tiên sử dụng các mô hình AI đã được tinh chỉnh trên dữ liệu địa phương để tăng độ chính xác.
- Thiết lập quy trình kiểm soát chất lượng hình ảnh tại chỗ để giảm thiểu sai sót do điều kiện ánh sáng.
- Duy trì sự tham gia của bác sĩ lâm sàng trong việc phê duyệt kết quả AI để đảm bảo an toàn chẩn đoán.
- Xây dựng hệ thống chuyển tuyến (referral system) đồng bộ để đảm bảo bệnh nhân được điều trị sau khi sàng lọc.
Tài liệu tham khảo:
AIOS Editor Proceedings, 2026, Diabetic Retinopathy AI and its Application in Tribal Community Screening in Bangla, AIOS Editor Proceedings 2, Video ID: 51TVyyYuSqQ.