Trí tuệ nhân tạo trong quản lý Glaucoma: Từ kỳ vọng đến thực tế lâm sàng

Bs Ngô Hữu Thế
10.11.26
Last Updated

Tại hội thảo AIOC 2026, Dr. Benjamin Xu đã trình bày về tiềm năng và thách thức của trí tuệ nhân tạo (AI) trong việc giải quyết cuộc khủng hoảng chăm sóc bệnh nhân Glaucoma toàn cầu. Với sự gia tăng gánh nặng bệnh tật do già hóa dân số và sự thiếu hụt nhân lực nhãn khoa, AI được kỳ vọng sẽ trở thành công cụ hỗ trợ đắc lực trong chẩn đoán và quản lý bệnh.

Tiềm năng của AI trong nhãn khoa

AI đang chuyển mình từ một công nghệ mang tính lý thuyết sang các ứng dụng thực tiễn. Các mô hình học sâu (convolutional network) đã chứng minh khả năng phát hiện Glaucoma thông qua ảnh màu đáy mắt và hình ảnh chụp cắt lớp võng mạc (OCT). Một nghiên cứu mang tính bước ngoặt của Daniel Ting và cộng sự (JAMA, 2017) đã thiết lập nền tảng cho việc sử dụng AI trong phát hiện các bệnh lý mắt, bao gồm Glaucoma có thể chuyển tuyến (referable glaucoma). Hiện nay, nghiên cứu không chỉ dừng lại ở việc phát hiện bệnh mà còn mở rộng sang dự báo các yếu tố nguy cơ như đóng góc thông qua ảnh soi góc tiền phòng (gonio photographs) hoặc OCT đoạn trước.

Thực trạng quản lý và nhu cầu lâm sàng

Nghiên cứu tại hệ thống Kaiser Permanente trên gần 300.000 bệnh nhân cho thấy hiệu quả của quy trình chuyển tuyến hiện tại còn hạn chế. Chỉ 8% bệnh nhân được chuyển tuyến thực sự có chẩn đoán Glaucoma. Hơn một nửa số bệnh nhân được chuyển tuyến có nguy cơ dự đoán dưới 5%, cho thấy sự lãng phí nguồn lực y tế. Các hạn chế trong quy trình hiện tại bao gồm sự chậm trễ trong đánh giá hình ảnh, sự biến thiên cao giữa các chuyên gia (human graders) và thiếu sự ưu tiên trong thăm khám. Việc áp dụng AI được kỳ vọng sẽ giúp phân tầng nguy cơ (risk stratification) chính xác hơn tại điểm chăm sóc.

Chỉ số/Kết cụcKết quả theo tài liệu
Cỡ mẫu nghiên cứu Kaiser PermanenteGần 300.000 bệnh nhân
Tỷ lệ chẩn đoán Glaucoma sau chuyển tuyến8%
Tỷ lệ bệnh nhân nguy cơ thấp (<5%) vẫn được chuyển tuyếnHơn 50%
Số lượng ảnh dùng huấn luyện mô hình CNNHơn 13.000 ảnh
Diện tích dưới đường cong (AUC) của mô hình AI0,8
Độ đồng thuận giữa các chuyên gia80-90%

Rào cản trong triển khai thực tế

Mặc dù có nhiều ưu điểm như khả năng thích ứng, tính có thể mở rộng (scalable) và hiệu quả thông tin cao, việc đưa AI vào thực hành lâm sàng vẫn đối mặt với nhiều rào cản. Thứ nhất, thiếu các định nghĩa bệnh học chuẩn hóa trong Glaucoma gây khó khăn cho việc huấn luyện thuật toán. Thứ hai, vấn đề khả năng tương tác dữ liệu (data interoperability) giữa các thiết bị và nhà cung cấp phần mềm khác nhau. Thứ ba, bảo mật dữ liệu bệnh nhân là mối quan tâm lớn, minh chứng là vụ việc tại Kaiser Permanente với khoản bồi thường 46 triệu USD. Cuối cùng, các quy định khắt khe từ FDA đối với thiết bị y tế AI đòi hỏi các bằng chứng lâm sàng vững chắc hơn.

Bình luận: Thông tin theo AIOC 2026, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Các rào cản về pháp lý và bảo mật dữ liệu là những thách thức thực tế mà các cơ sở y tế cần cân nhắc kỹ lưỡng trước khi tích hợp AI vào quy trình vận hành. Việc AI có thể vượt qua con người trong các bài kiểm tra trắc nghiệm không đồng nghĩa với việc thay thế hoàn toàn bác sĩ trong chẩn đoán lâm sàng phức tạp.

Thay đổi thực hành lâm sàng

  • Sử dụng AI để phân tầng nguy cơ bệnh nhân trước khi chuyển tuyến nhằm tối ưu hóa nguồn lực.
  • Tích hợp các mô hình AI hỗ trợ quyết định lâm sàng (clinical decision support) dựa trên ảnh đáy mắt chi phí thấp.
  • Cần thực hiện thêm các nghiên cứu triển khai thực tế (real-world implementation studies) trong các quần thể đa dạng.
  • Cảnh giác với các vấn đề về bảo mật dữ liệu khi sử dụng các mô hình AI dựa trên nền tảng đám mây.

Tài liệu tham khảo:

Dr. Benjamin Xu, 2026, Artificial Intelligence in Glaucoma From Hype to Reality, AIOC 2026 GP4, Video ID: b3bkWcIzDJs.

Xem thêm