Tích hợp dữ liệu AI và lâm sàng trong chẩn đoán bệnh lý giác mạc

Bs Ngô Hữu Thế
2.11.26
Last Updated

Tại hội thảo AIOC2026, Dr. Shizuka Koh (Đại học Osaka, Nhật Bản) đã trình bày về vai trò của trí tuệ nhân tạo (AI) trong thực hành nhãn khoa, nhấn mạnh sự khác biệt giữa việc phân tích dữ liệu máy tính và thăm khám bệnh nhân thực tế. Trong khi AI thể hiện độ chính xác cao trong việc phát hiện các dấu hiệu tinh vi của bệnh lý giác mạc thông qua các chỉ số (indices) và hình ảnh (maps), việc quản lý bệnh nhân đòi hỏi sự tích hợp toàn diện các yếu tố lâm sàng thay vì chỉ dựa vào nhận diện mẫu (pattern recognition).

Vai trò của AI trong chẩn đoán giác mạc

AI đóng vai trò là đối tác mạnh mẽ trong chẩn đoán giác mạc, đặc biệt trong việc phát hiện sớm các dấu hiệu tinh vi của bệnh lý như keratoconus (giác mạc chóp). Các hệ thống AI hiện nay cải thiện đáng kể hiệu quả sàng lọc dựa trên dữ liệu từ bản đồ giác mạc (topography), nhiệt đồ (thermography) và cơ sinh học (biomechanics). Tuy nhiên, tác giả cảnh báo rằng AI thường gặp khó khăn khi đối mặt với các tình trạng bệnh lý phức tạp như viêm bề mặt nhãn cầu, sẹo giác mạc, biến dạng do kính áp tròng (contact lens warpage) hoặc các bệnh lý hỗn hợp. Thực tế lâm sàng cho thấy, các chỉ số trên máy có thể hiển thị bất thường nhưng không phản ánh chính xác bản chất bệnh lý nếu thiếu sự kết hợp với thăm khám trực tiếp.

Phân tích ca lâm sàng và chẩn đoán phân biệt

Tác giả chia sẻ các ca lâm sàng minh họa tầm quan trọng của việc khai thác bệnh sử chi tiết. Trong một trường hợp nghi ngờ keratoconus, dù các chỉ số trên bản đồ giác mạc và chỉ số cơ sinh học (biomechanical tomographic index) đều nằm trong ngưỡng bất thường, việc thăm khám bằng đèn khe (slit lamp) lại cho thấy tình trạng viêm bề mặt và tổn thương biểu mô do bệnh sử đỏ mắt mãn tính từ nhỏ. Điều này dẫn đến chiến lược điều trị tập trung vào kiểm soát viêm và ổn định bề mặt nhãn cầu thay vì chỉ tập trung vào chẩn đoán keratoconus. Một ca khác cho thấy bệnh nhân bị từ chối phẫu thuật LASIK do nghi ngờ keratoconus, nhưng sau khi đánh giá kỹ lưỡng, tình trạng bất đối xứng giác mạc được xác định là do thói quen nhắm mắt không kín khi ngủ (nocturnal lagophthalmos) gây khô mắt, không phải bệnh lý thoái hóa giác mạc.

Chỉ số/Kết cụcKết quả theo tài liệu
Loại hình báo cáoDiễn văn hội thảo
Số lượng ca lâm sàng2 ca
Các yếu tố gây nhiễu AIViêm bề mặt, sẹo giác mạc, biến dạng do kính áp tròng
Khuyến cáo chẩn đoánTích hợp dữ liệu máy và thăm khám lâm sàng
Bình luận: Thông tin theo AIOC2026, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Tác giả nhấn mạnh rằng AI chỉ là công cụ hỗ trợ, không thay thế được tư duy lâm sàng. Hạn chế của AI trong các ca này là sự thiếu hụt khả năng hiểu ngữ cảnh (context) và bệnh sử (stories) của bệnh nhân. Việc chẩn đoán nhầm keratoconus do các yếu tố bề mặt là một pitfall phổ biến trong thực hành khúc xạ.

Kết luận và định hướng thực hành

Việc chẩn đoán trong nhãn khoa, đặc biệt là các bệnh lý giác mạc, đòi hỏi sự kết hợp giữa dữ liệu khách quan và đánh giá chủ quan của bác sĩ. Các trường hợp nghi ngờ keratoconus cần được phân loại dựa trên ba nhóm: bệnh sớm/nhẹ, các ca ranh giới (borderline) và các tình trạng không phải keratoconus. Bác sĩ cần đặc biệt lưu ý đến các nguyên nhân gây giảm thị lực ở bệnh nhân trẻ tuổi, đôi khi bị chẩn đoán nhầm là bệnh lý thần kinh hoặc lác (strabismus) trước khi được chuyển đến phòng khám giác mạc. Chụp cắt lớp giác mạc (corneal tomography) được khẳng định là thiết yếu trong các trường hợp này.

  • Luôn thực hiện thăm khám đèn khe kỹ lưỡng để loại trừ các bệnh lý bề mặt trước khi kết luận dựa trên bản đồ giác mạc.
  • Khai thác bệnh sử chi tiết, đặc biệt là các triệu chứng mãn tính từ nhỏ và thói quen khi ngủ.
  • Không dựa vào một thông số đơn lẻ từ máy đo để đưa ra quyết định phẫu thuật hoặc điều trị.
  • Cân nhắc các chẩn đoán phân biệt như khô mắt, viêm kết mạc, hoặc các bệnh lý thần kinh nhãn khoa ở bệnh nhân trẻ có thị lực giảm.
  • Tích hợp dữ liệu AI như một phần của quá trình ra quyết định lâm sàng tổng thể.

Tài liệu tham khảo:

Dr. Shizuka Koh, 2026, AI Sees Data Clinicians See Patients Lessons from Real Kerato, AIOS Editor Proceedings 2, Video ID: 5NpKqV8CdXw.

Xem thêm