Ứng dụng Trí tuệ nhân tạo trong phẫu thuật tạo hình mi mắt: Tổng quan lâm sàng

Bs Ngô Hữu Thế
17.11.26
Last Updated

Nghiên cứu tổng quan của Shiraishi và Okazaki (2026) về ứng dụng trí tuệ nhân tạo (AI) trong phẫu thuật tạo hình mi mắt (blepharoplasty) cho thấy công nghệ này đã vượt qua giai đoạn mới lạ, tập trung vào các công cụ hỗ trợ đo đạc tự động, chuẩn hóa hình ảnh và đánh giá kết quả thay vì thay thế quyết định lâm sàng của phẫu thuật viên. Việc tích hợp AI vào thực hành phẫu thuật đòi hỏi sự thận trọng, đặc biệt trong việc kiểm soát dữ liệu đầu vào và đánh giá kết quả đầu ra để đảm bảo an toàn cho bệnh nhân.

Đo đạc tự động: Ứng dụng trưởng thành nhất

Đo đạc thủ công các thông số như khoảng cách phản xạ bờ mi 1 (margin reflex distance 1 - MRD1), MRD2 và chiều cao khe mi thường phụ thuộc vào kinh nghiệm của người khám, sự hợp tác của bệnh nhân và điều kiện ánh sáng. AI giải quyết vấn đề này bằng cách chuyển đổi hình ảnh thành các mốc giải phẫu có thể tái lập. Ví dụ, hệ thống PeriorbitAI sử dụng phân đoạn học sâu (deep learning) để tính toán MRD1, MRD2, chiều cao cung mày và khoảng cách giữa hai góc mắt với sai số trung bình khoảng 0,5 mm so với người đánh giá. Các nghiên cứu khác sử dụng Attention R2U-Net đã đạt hệ số tương quan nội lớp (intraclass correlation coefficient - ICC) từ 0,934 đến 0,971 khi so sánh đo đạc tự động và thủ công. Hình ảnh hồng ngoại (infrared imaging) cũng được chứng minh giúp cải thiện độ chính xác trong phân đoạn cấu trúc mi mắt, đặc biệt ở bệnh nhân có mống mắt sẫm màu.

Sàng lọc và chẩn đoán sụp mi

AI đóng vai trò hỗ trợ sàng lọc thay vì chẩn đoán xác định. Một nghiên cứu sử dụng mạng thần kinh tích chập (convolutional neural network - CNN) trên ảnh chụp đơn mắt đã đạt độ nhạy 92% và độ đặc hiệu 88% trong việc phát hiện sụp mi, vượt trội hơn nhóm bác sĩ không chuyên khoa. Một nghiên cứu nhi khoa khác sử dụng ảnh chụp từ điện thoại thông minh để phát hiện cận thị, lác và sụp mi đã đạt độ nhạy 0,85, độ đặc hiệu 0,95 và diện tích dưới đường cong (AUC) là 0,94. Tuy nhiên, các công cụ này không thay thế được việc thăm khám chức năng cơ nâng mi, vận nhãn, bù trừ cung mày và các dấu hiệu thần kinh nguy hiểm.

Đánh giá động với video

Ảnh tĩnh không phản ánh đầy đủ chức năng mi mắt như động học chớp mắt, độ trễ cơ nâng mi hoặc tình trạng mỏi mi. Các hệ thống học sâu đã được áp dụng để đo đạc tự động độ trễ mi, tỷ lệ hiển thị giác mạc và độ sâu nếp gấp mi từ video, với ICC đạt 0,973, 0,975 và 0,965 cho các thông số chính. Việc phân tích video giúp nhận diện tình trạng mỏi mi trong các bệnh lý như nhược cơ (myasthenia gravis), nhấn mạnh tầm quan trọng của việc đánh giá hành vi mi mắt động trước khi can thiệp thẩm mỹ.

Lập kế hoạch phẫu thuật và mô phỏng

Lợi ích hấp dẫn nhất của AI là lập kế hoạch phẫu thuật cá thể hóa. Các mô hình CNN đa kênh đã được sử dụng để xây dựng mô hình mắt 3D, hỗ trợ lựa chọn kỹ thuật cắt bỏ mỡ, tái định vị hoặc treo cung mày. Mặc dù các thuật toán này hỗ trợ ra quyết định, phẫu thuật viên cần giải thích cho bệnh nhân rằng hình ảnh mô phỏng chỉ mang tính chất minh họa và kết quả cuối cùng phụ thuộc vào chất lượng mô, quá trình lành thương và kỹ thuật thực hiện.

Đánh giá kết quả sau phẫu thuật

AI cung cấp các thước đo định lượng liên tục để kiểm định chất lượng. Phương pháp phân tích tỷ lệ phơi nhiễm nhãn cầu (eyeball exposure rate) sau phẫu thuật sụp mi cho thấy sự đồng thuận tuyệt vời với phân tích thủ công (ICC từ 0,984 đến 0,994). Một nghiên cứu khác về da thừa mi trên sử dụng quy trình MediaPipe-OpenCV đã ghi nhận mức giảm 68% biến thiên đo đạc so với phương pháp thủ công. Ngoài ra, các mô hình như ResNet34 đã được huấn luyện trên hơn 47.000 ảnh khuôn mặt để ước tính hiệu quả trẻ hóa, cho thấy phẫu thuật tạo hình mi mắt mang lại hiệu quả trẻ hóa trung bình khoảng 2 năm.

Giáo dục bệnh nhân và mô hình ngôn ngữ lớn (LLM)

Các mô hình ngôn ngữ lớn (large language models - LLM) như ChatGPT có thể hỗ trợ soạn thảo tài liệu giáo dục và mẫu cam kết phẫu thuật. Tuy nhiên, các nghiên cứu cho thấy văn bản tạo ra thường có độ phức tạp cao, đòi hỏi trình độ đọc hiểu nâng cao. Phẫu thuật viên cần kiểm duyệt kỹ lưỡng các nội dung này để đảm bảo tính chính xác, tránh các thuật ngữ không phù hợp hoặc thiếu sót các rủi ro đặc thù của phẫu thuật. AI không thể thay thế cuộc đối thoại trực tiếp giữa bác sĩ và bệnh nhân trong việc thiết lập sự hiểu biết và tự nguyện.

Rủi ro: Định kiến, ảo giác và thao túng

Hệ thống AI có thể kế thừa định kiến từ dữ liệu huấn luyện, bao gồm định kiến về giới tính, sắc tộc và các tiêu chuẩn vẻ đẹp phương Tây hóa. Các mô hình tạo ảnh có thể tạo ra hình ảnh trước-sau không thực tế, gây hiểu lầm cho bệnh nhân. Ngoài ra, hiện tượng "ảo giác" (hallucination) của LLM có thể tạo ra các tài liệu tham khảo giả mạo hoặc khuyến cáo lỗi thời. Việc sử dụng các đánh giá giả mạo do AI tạo ra trên các nền tảng trực tuyến cũng là một nguy cơ tiềm ẩn làm sai lệch niềm tin của bệnh nhân.

Chỉ số/Kết cụcKết quả theo tài liệu
Độ nhạy phát hiện sụp mi (CNN)92%
Độ đặc hiệu phát hiện sụp mi (CNN)88%
Độ chính xác sàng lọc sụp mi (smartphone)0,92
ICC đo đạc MRD tự động0,934 - 0,971
Sai số trung bình MRD1/MRD20,5 mm
Hiệu quả trẻ hóa trung bình (ResNet34)2 năm
Tỷ lệ nhận diện đánh giá giả mạo59,6%
Bình luận: Thông tin theo Shiraishi & Okazaki (2026); đối chiếu guideline hiện hành khi áp dụng lâm sàng. Các số liệu về độ nhạy/độ đặc hiệu của AI trong bài là kết quả từ các nghiên cứu thử nghiệm, chưa phải là tiêu chuẩn vàng trong thực hành lâm sàng thường quy. Hạn chế lớn nhất hiện nay là tính tổng quát hóa của các mô hình AI khi áp dụng trên các quần thể bệnh nhân khác nhau hoặc các thiết bị chụp khác nhau.
  • Chuẩn hóa quy trình chụp ảnh (ánh sáng, khoảng cách, tư thế) trước khi áp dụng bất kỳ thuật toán AI nào.
  • Luôn kiểm chứng kết quả đo đạc của AI bằng đánh giá lâm sàng trực tiếp của bác sĩ.
  • Không sử dụng kết quả từ chatbot làm tư vấn y khoa hoặc cam kết phẫu thuật mà không qua chỉnh sửa.
  • Cảnh báo bệnh nhân về tính minh họa của các hình ảnh mô phỏng kết quả phẫu thuật.
  • Thiết lập quy trình quản lý dữ liệu hình ảnh bệnh nhân tuân thủ bảo mật thông tin y tế.

Tài liệu tham khảo:

Shiraishi M, Okazaki M, 2026, Blepharoplasty in the Artificial Intelligence Era, Oral and Maxillofacial Surgery Clinics of North America, DOI: 10.1016/j.coms.2026.09.006

Xem thêm