Hội nghị AIOC 2026 (IC363) đã trình bày các tiến bộ trong việc sử dụng Chụp mạch cắt lớp quang học (OCTA) kết hợp với Trí tuệ nhân tạo (AI) để tối ưu hóa hình ảnh, phân đoạn tự động và đánh giá các chỉ số lâm sàng quan trọng. OCTA là kỹ thuật hình ảnh không xâm lấn, đánh giá vi mạch võng mạc và hắc mạc dựa trên sự khác biệt tín hiệu tương quan (decorrelation signals) giữa các lần quét liên tiếp tại cùng một vị trí, giúp loại bỏ nhu cầu tiêm thuốc cản quang.
Nguyên lý và kỹ thuật OCTA
Nguyên lý cốt lõi của OCTA là đánh giá sự thay đổi ánh sáng phản xạ giữa các lần quét, có thể là thay đổi về biên độ hoặc pha. Tốc độ quét (A-scans per second) đóng vai trò quyết định trong việc phát hiện dòng chảy; các máy quét hiện đại như swept-source OCT có thể đạt tốc độ từ 100.000 đến 400.000 A-scans mỗi giây. Việc lựa chọn kích thước vùng quét (scan area) ảnh hưởng trực tiếp đến độ phân giải: vùng quét nhỏ (ví dụ 3x3 mm) cho độ phân giải tốt hơn để quan sát vi mạch, trong khi vùng quét rộng (ví dụ 15x15 mm hoặc ultra-wide) phù hợp để đánh giá vùng chu biên.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Tốc độ quét (Time domain) | 500 đến 1.000 A-scans/giây |
| Tốc độ quét (Swept source/SD) | 100.000 đến 400.000 A-scans/giây |
| Độ phân giải trục | 5 đến 10 micron |
| Độ phân giải ngang | 15 đến 20 micron |
| Kích thước vùng quét | 3x3 mm đến 26x21 mm |
Các loại nhiễu ảnh và cách xử lý
Nhiễu ảnh (artifacts) là thách thức lớn trong OCTA. Nhiễu chuyển động (motion artifact) thường được khắc phục bằng hệ thống theo dõi mắt (eye tracker) hoặc quét lại. Nhiễu bóng (projection artifact), hay còn gọi là "decorrelation tails", xảy ra khi tín hiệu dòng chảy từ lớp mạch máu nông bị in dấu lên các lớp sâu hơn, đặc biệt là tại biểu mô sắc mạc (RPE). Các phương pháp xử lý bao gồm trừ lớp (slab subtraction) hoặc phần mềm độc quyền của từng hãng. Nhiễu bóng (shadow artifact) do đục môi trường hoặc phù nề cũng cần được phân biệt với vùng mất dòng chảy (flow void) thực sự.
OCTA trong bệnh võng mạc đái tháo đường
Nghiên cứu quan sát trên 90 mắt (30 mắt không bệnh, 30 mắt NPDR, 30 mắt PDR) cho thấy OCTA có khả năng phát hiện các thay đổi sớm của bệnh võng mạc đái tháo đường ngay cả khi chưa có biểu hiện lâm sàng. OCTA cho phép đánh giá mật độ mạch máu (vessel density), mật độ tưới máu (perfusion density) và diện tích vùng vô mạch trung tâm (FAZ). Tuy nhiên, OCTA có hạn chế là không thể phát hiện sự rò rỉ (leakage) như chụp mạch huỳnh quang (FFA), do đó không phải là công cụ tối ưu để lập kế hoạch laser khu trú.
Ứng dụng AI trong OCTA
AI đóng vai trò quan trọng trong việc tự động hóa quy trình phân tích, bao gồm khử nhiễu (denoising) và phân đoạn lớp (segmentation). Các mạng đối nghịch tạo sinh (Generative Adversarial Networks - GANs) giúp khôi phục chất lượng hình ảnh, trong khi mạng thần kinh tích chập (Convolutional Neural Networks - CNNs) hỗ trợ phân đoạn giải phẫu và phát hiện bệnh lý. AI có thể xác định các vùng không tưới máu với độ chính xác hơn 95% và phân biệt động mạch/tĩnh mạch với độ chính xác hơn 85%.
Bình luận: Thông tin theo AIOC 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Cần lưu ý rằng AI hiện tại đóng vai trò hỗ trợ (augmentation) chứ không thay thế bác sĩ trong việc ra quyết định lâm sàng. Các thách thức về "hộp đen" (blackbox), sai lệch dữ liệu huấn luyện (training data bias) và rào cản pháp lý vẫn là những vấn đề cần giải quyết trước khi triển khai rộng rãi.
- Luôn kiểm tra phân đoạn (segmentation) trước khi đánh giá hình ảnh OCTA.
- Kết hợp đánh giá đồng thời hình ảnh cấu trúc (structural OCT) và hình ảnh dòng chảy để tránh nhầm lẫn nhiễu bóng với bệnh lý.
- Sử dụng OCTA để theo dõi tiến triển vùng vô mạch chu biên (peripheral CNP) thay vì chỉ dựa vào FFA.
- AI có thể hỗ trợ khử nhiễu và phân đoạn tự động, giúp tiết kiệm thời gian cho bác sĩ lâm sàng.
- Không sử dụng OCTA làm công cụ duy nhất để lập kế hoạch laser khu trú do không đánh giá được sự rò rỉ.
Tài liệu tham khảo:
AIOC 2026, 2026, IC363 Clinic-Ready OCTA+AI Fix Artefacts, Segment Smart, Key Metrics, Widefield Fusion, aioseditorproceedings, Video ID: 2hImQmhnu20.