Khóa học AIOC 2026 IC447 về Trí tuệ nhân tạo (AI) trong Nhãn khoa đã thảo luận về việc tích hợp các mô hình AI vào thực hành lâm sàng hàng ngày để hỗ trợ sàng lọc bệnh lý võng mạc và quản lý bệnh nhân. Các chuyên gia nhấn mạnh sự chuyển dịch từ các mô hình phân loại hình ảnh truyền thống sang các mô hình ngôn ngữ thị giác (Vision Language Models - VLM) có khả năng suy luận lâm sàng, giúp cải thiện hiệu quả chẩn đoán và quản lý bệnh nhân trong các cộng đồng có nguồn lực hạn chế.
Vai trò của Vision Language Models (VLM) trong Nhãn khoa
Các mô hình AI truyền thống thường chỉ thực hiện một nhiệm vụ đơn lẻ như phát hiện bệnh võng mạc đái tháo đường (DR) từ ảnh đáy mắt và đưa ra kết quả nhị phân. Ngược lại, VLM kết hợp khả năng hiểu hình ảnh và ngôn ngữ, cho phép AI giải thích các phát hiện, trả lời câu hỏi và tạo báo cáo, tiến gần hơn đến tư duy lâm sàng. VLM bao gồm ba thành phần chính: bộ mã hóa thị giác (vision encoder) để "nhìn", mô hình ngôn ngữ (Large Language Model - LLM) đóng vai trò "bộ não" và lớp hợp nhất (fusion layer) để kết nối hai thành phần trên. Các kỹ thuật như mạng thần kinh tích chập (Convolutional Neural Network - CNN) tập trung vào phát hiện đặc điểm cục bộ, trong khi Vision Transformer (ViT) sử dụng cơ chế tự chú ý (self-attention) để phát triển mối quan hệ toàn cầu giữa các vùng trong ảnh, giúp cải thiện độ chính xác trong việc xác định khoảng cách tổn thương so với hoàng điểm hoặc đĩa thị.
Sàng lọc võng mạc dựa trên AI tại cộng đồng
Tại Ấn Độ, với dân số hơn 1,4 tỷ người và hơn 77 triệu bệnh nhân đái tháo đường, việc sàng lọc bằng phương pháp thủ công không còn khả thi do thiếu hụt nhân lực chuyên khoa. Dự án K đã tích hợp AI vào mô hình sàng lọc cộng đồng để đánh giá tính khả thi của chương trình sàng lọc hỗ trợ bởi AI ngoại tuyến (offline AI). Trong một loạt 975 bệnh nhân đái tháo đường được sàng lọc, tỷ lệ mắc bệnh võng mạc đái tháo đường là 19%, với 10% trong số đó mắc bệnh võng mạc đái tháo đường đe dọa thị lực (VTDR). AI đã giúp giảm thời gian sàng lọc xuống còn 5,6 phút, với độ nhạy 85% và độ đặc hiệu 90%. Hơn 90% người tham gia cảm thấy thoải mái với việc sử dụng AI trong sàng lọc.
Kết quả kiểm chứng lâm sàng và các thách thức
Một nghiên cứu kiểm chứng lâm sàng tại Chennai trên 984 mắt của 492 bệnh nhân đã so sánh AI với tiêu chuẩn vàng là đánh giá của bác sĩ chuyên khoa võng mạc. Kết quả cho thấy độ nhạy 90% trong việc phát hiện bệnh lý võng mạc đái tháo đường có thể chuyển tuyến (referable DR). Đối với bệnh thoái hóa hoàng điểm tuổi già (AMD) tiến triển, độ nhạy đạt 96%. Tuy nhiên, các thách thức vẫn tồn tại bao gồm sai lệch dữ liệu (data set bias), vấn đề về quyền riêng tư và quản trị dữ liệu. Các mô hình AI cần được đào tạo trên các tập dữ liệu đa dạng để đảm bảo tính tổng quát hóa (generalizability) trên các thiết bị khác nhau.
| Chỉ số/Kết cục | Kết quả theo tài liệu |
|---|---|
| Cỡ mẫu sàng lọc | 975 bệnh nhân đái tháo đường |
| Độ nhạy AI (sàng lọc cộng đồng) | 85% |
| Độ đặc hiệu AI (sàng lọc cộng đồng) | 90% |
| Thời gian sàng lọc trung bình | 5,6 phút |
| Độ nhạy phát hiện AMD tiến triển | 96% |
| Tỷ lệ bệnh nhân thoải mái với AI | 90% |
Bình luận: Thông tin theo AIOC 2026, 2026; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Các kết quả về độ nhạy và độ đặc hiệu của AI trong sàng lọc võng mạc đái tháo đường tại cộng đồng rất hứa hẹn, tuy nhiên cần lưu ý rằng hiệu suất của AI có thể thay đổi đáng kể tùy thuộc vào chất lượng hình ảnh đầu vào và sự khác biệt về quần thể bệnh nhân giữa các khu vực địa lý. Việc tích hợp AI vào quy trình lâm sàng cần tuân thủ nguyên tắc "human-in-the-loop" (con người trong vòng lặp) để đảm bảo an toàn cho bệnh nhân.
- Luôn duy trì sự giám sát của bác sĩ (human-in-the-loop) đối với mọi chẩn đoán từ AI.
- Sử dụng AI như một công cụ hỗ trợ (co-pilot) để sàng lọc và phân loại, không thay thế hoàn toàn chẩn đoán chuyên khoa.
- Đảm bảo quy trình lấy sự đồng ý của bệnh nhân (informed consent) có đề cập đến việc sử dụng công cụ AI.
- Ưu tiên các công cụ AI đã được kiểm chứng trên quần thể bệnh nhân địa phương để tránh sai lệch dữ liệu.
- Duy trì hồ sơ bệnh án và tuân thủ các quy định về bảo mật dữ liệu y tế.
Tài liệu tham khảo:
Gajendra Chavla, 2026, AIOC 2026 IC447 Artificial Intelligence in Ophthalmology: Clinical Applications, Innovations and E, YouTube, Video ID: 1D3-pExmM74.