Ứng dụng Trí tuệ nhân tạo MadhuNetrAI trong tầm soát bệnh võng mạc đái tháo đường

Bs Ngô Hữu Thế
2.11.26
Last Updated

Tại hội nghị AIOC2026, Dr. Rohan Chawla đã trình bày về MadhuNetrAI, một mô hình trí tuệ nhân tạo (AI) được phát triển để tầm soát bệnh võng mạc đái tháo đường (diabetic retinopathy) tại Ấn Độ, nơi ước tính có khoảng 4 triệu người đang mắc bệnh ở giai đoạn đe dọa thị lực. Hệ thống này được thiết kế như một giải pháp kinh tế nhằm thu hẹp khoảng cách chăm sóc giữa nhu cầu tầm soát và nguồn lực chuyên gia hiện có.

Phát triển mô hình và kỹ thuật

MadhuNetrAI sử dụng các mạng thần kinh tích chập (convolutional neural networks) để phân loại hình ảnh võng mạc. Nhóm nghiên cứu đã sử dụng 82.000 hình ảnh từ nguồn mở để huấn luyện mô hình ban đầu, sau đó thực hiện xác thực trên 5.000 hình ảnh và tiếp tục thực hiện một nghiên cứu tiền cứu (prospective study) trên 5.000 hình ảnh khác. Để đảm bảo chất lượng dữ liệu, mỗi hình ảnh được báo cáo bởi hai nghiên cứu sinh võng mạc (retina fellows); nếu có sự bất đồng, hình ảnh sẽ được chuyển đến giảng viên để xác thực thêm. Mô hình được thiết kế để trở thành một công cụ mô tả (descriptive AI) thay vì AI tạo sinh (generative AI) nhằm tránh hiện tượng ảo giác (hallucination) và đảm bảo tính chính xác trong chẩn đoán.

Hiệu quả và quy trình vận hành

Hệ thống đạt độ chính xác khoảng 97% trong việc phát hiện sự hiện diện của bệnh võng mạc đái tháo đường. Ngoài ra, mô hình còn tích hợp khả năng phát hiện phù hoàng điểm đái tháo đường (diabetic macular edema) để hỗ trợ chỉ định chuyển tuyến. Quy trình vận hành được tối ưu hóa để trở nên "device agnostic" (không phụ thuộc vào thiết bị), cho phép sử dụng hình ảnh từ cả máy ảnh cao cấp và máy ảnh giá rẻ. Người vận hành chỉ cần nhập dữ liệu cơ bản và tải hình ảnh lên hệ thống để nhận kết quả trong vài giây. Mô hình cũng tích hợp tiêu chí đánh giá khả năng đọc được của hình ảnh (gradability criteria) để tự động loại bỏ các hình ảnh không đạt chất lượng hoặc không phải hình ảnh võng mạc.

Chỉ số/Kết cụcKết quả theo tài liệu
Độ chính xác phát hiện bệnh97%
Cỡ mẫu huấn luyện (nguồn mở)82.000 hình ảnh
Cỡ mẫu xác thực5.000 hình ảnh
Cỡ mẫu nghiên cứu tiền cứu5.000 hình ảnh
Số lượng bệnh nhân đã tầm soát10.000 bệnh nhân
Độ tin cậy dữ liệuSử dụng 2 retina fellows báo cáo, giảng viên xác thực khi có bất đồng
Bình luận: Thông tin theo AIOC2026, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Việc sử dụng AI trong tầm soát bệnh võng mạc đái tháo đường là một hướng đi tiềm năng, tuy nhiên cần lưu ý rằng đây là công cụ hỗ trợ tầm soát, không thay thế hoàn toàn chẩn đoán lâm sàng. Hạn chế của mô hình bao gồm sự phụ thuộc vào chất lượng hình ảnh đầu vào và thách thức trong việc triển khai thực tế tại các vùng sâu vùng xa.

Triển khai thực tế và định hướng tương lai

Hiện tại, MadhuNetrAI đang được triển khai tại một số cơ sở y tế với sự hỗ trợ từ Bộ Y tế Ấn Độ. Một thách thức lớn mà nhóm nghiên cứu đang đối mặt là quy trình chứng nhận pháp lý cho thiết bị y tế AI. Về mặt vận hành, nhóm đã chuyển đổi từ mô hình cố định tại phòng khám sang mô hình di động, nơi nhân viên y tế trực tiếp đến khu vực bệnh nhân chờ đợi để thực hiện chụp ảnh. Đối với các trường hợp không thể chụp ảnh không giãn đồng tử, việc sử dụng một giọt thuốc nhỏ mắt (tropicide) được ghi nhận là an toàn và hiệu quả để cải thiện chất lượng hình ảnh. Trong tương lai, nhóm nghiên cứu dự định mở rộng ứng dụng AI sang các bệnh lý khác như thoái hóa điểm vàng do tuổi già (age related macular degeneration - ARMD) và bệnh võng mạc trẻ sinh non (retinopathy of prematurity).

  • Ưu tiên đào tạo nhân viên y tế về kỹ thuật chụp ảnh võng mạc để đảm bảo chất lượng đầu vào cho AI.
  • Thiết lập quy trình chuyển tuyến kịp thời cho các bệnh nhân được AI phát hiện có bệnh võng mạc đái tháo đường hoặc phù hoàng điểm.
  • Phối hợp chặt chẽ với các bác sĩ nội tiết để quản lý bệnh nhân đái tháo đường toàn diện.
  • Sử dụng các công cụ AI như một phần của chiến lược tầm soát cộng đồng để tối ưu hóa nguồn lực chuyên gia.

Tài liệu tham khảo:

Rohan Chawla, 2026, MadhuNetrAI Artificial Intelligence for Diabetic Retinopathy, AIOS Editor Proceedings 2, Video ID: IhndrpaDb38.

Xem thêm