Nghiên cứu tổng quan phạm vi (scoping review) của Hamza và cộng sự (2026) đã sàng lọc 2.084 bài báo và đưa vào phân tích 14 nghiên cứu về theo dõi dụng cụ phẫu thuật không đánh dấu (markerless surgical tool tracking) trong phẫu thuật mở. Việc theo dõi dụng cụ là yếu tố then chốt để đánh giá kỹ năng phẫu thuật, tuy nhiên, các phương pháp truyền thống dựa trên cảm biến hoặc đánh dấu vật lý thường gây cản trở về mặt công thái học và vô trùng.
Ứng dụng trong phẫu thuật mở
Theo dõi dụng cụ không đánh dấu đã được nghiên cứu trên nhiều chuyên khoa bao gồm phẫu thuật tim mạch, thần kinh, cột sống, nhãn khoa, chỉnh hình và tai mũi họng. Các mục tiêu chính của các nghiên cứu này được phân loại thành: (1) Phát triển hạ tầng và chuẩn hóa (infrastructure and benchmarking) (n=6), (2) Điều hướng phẫu thuật (surgical navigation) (n=2), và (3) Đào tạo và đánh giá kỹ năng (training and skill assessment) (n=6). Dụng cụ được theo dõi phổ biến nhất là khoan phẫu thuật (n=6), tiếp theo là nhíp, kẹp kim, kim nhãn khoa và tua vít (n=2 mỗi loại). Các nghiên cứu chủ yếu sử dụng mô hình mô phỏng hoặc xác người (cadaver models) để khắc phục khó khăn trong việc thu thập dữ liệu thực tế.
Dữ liệu và phương pháp theo dõi
Dữ liệu theo dõi được thu thập qua ba loại góc nhìn: góc nhìn egocentric (n=2), góc nhìn hiển vi (microscopic) (n=4) và góc nhìn ngoại vi (external) (n=8). Hầu hết các nghiên cứu sử dụng dữ liệu RGB 2D (n=13), chỉ có một nghiên cứu sử dụng dữ liệu RGB-D 3D. Các thuật toán được chia thành ba nhóm: Học sâu (Deep Learning - DL) (n=12), Thị giác máy tính cổ điển (Classical Computer Vision - CV) (n=1) và phương pháp lai (n=1). Các kỹ thuật tiền xử lý phổ biến bao gồm cắt vùng quan tâm (ROI cropping), chuẩn hóa độ phân giải và tăng cường dữ liệu (data augmentation) thông qua xáo trộn miền (domain randomization).
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Tổng số bài báo đưa vào | 14 nghiên cứu |
| Số lượng bài báo sử dụng Deep Learning | 12 nghiên cứu |
| Số lượng bài báo sử dụng mô hình mô phỏng | 10 nghiên cứu |
| Số lượng bài báo theo dõi khoan phẫu thuật | 6 nghiên cứu |
| Số lượng bài báo về đào tạo và đánh giá kỹ năng | 6 nghiên cứu |
| Số lượng bài báo về hạ tầng và chuẩn hóa | 6 nghiên cứu |
| Số lượng bài báo về điều hướng phẫu thuật | 2 nghiên cứu |
Bình luận: Thông tin theo Hamza et al., 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Nghiên cứu cho thấy sự thiếu hụt các bộ dữ liệu chuẩn hóa cho phẫu thuật mở thực tế, dẫn đến việc các thuật toán hiện tại chủ yếu dừng lại ở mức chứng minh khái niệm (proof of concept) trong môi trường kiểm soát. Hạn chế lớn nhất là sự phụ thuộc vào dữ liệu mô phỏng và thiếu các mô hình học tập động lực học theo thời gian (temporal dynamics).
Góc nhìn nhãn khoa (biên tập bổ sung, cần kiểm chứng): Trong phẫu thuật nhãn khoa, đặc biệt là phẫu thuật đục thủy tinh thể (cataract surgery), việc theo dõi dụng cụ không đánh dấu có tiềm năng lớn trong việc đánh giá khách quan kỹ năng của phẫu thuật viên tập sự. Tuy nhiên, các thách thức về độ phân giải hình ảnh từ kính hiển vi phẫu thuật và sự thay đổi ánh sáng trong quá trình phẫu thuật thực tế vẫn là rào cản kỹ thuật cần được giải quyết để triển khai lâm sàng.
- Ưu tiên phát triển các bộ dữ liệu mở từ phẫu thuật thực tế thay vì chỉ dựa vào dữ liệu mô phỏng.
- Tích hợp các mô hình học tập động lực học theo thời gian để cải thiện độ ổn định của việc theo dõi trong điều kiện có vật cản.
- Thiết lập các tiêu chuẩn đánh giá (benchmark) thống nhất để so sánh hiệu quả giữa các thuật toán khác nhau.
- Cần chú trọng hơn vào việc phân tích các trường hợp thất bại (failure-mode analysis) khi dụng cụ bị che khuất hoặc di chuyển nhanh.
Tài liệu tham khảo:
Hamza, H., Naim, R., Shabir, D., Shaban, K., Abinahed, J., Deng, Z., Navkar, N.V., 2026. Vision-based markerless surgical tool tracking in open surgery: A scoping review. Machine Learning with Applications, 101050. DOI: https://doi.org/10.1016/j.mlwa.2026.101050