Đục thủy tinh thể là thuật ngữ chung cho các bệnh mà một phần hoặc toàn bộ thủy tinh thể của mắt bị đục. Ước tính có 52,6 triệu người trên thế giới bị suy giảm thị lực từ trung bình đến nặng, và đây là nguyên nhân chính gây mù có thể điều trị được. Phẫu thuật đục thủy tinh thể là một trong những can thiệp y tế hiệu quả nhất về chi phí, nhưng ở các nước thu nhập thấp và trung bình, nguồn lực hạn chế và thời gian chờ đợi lâu là rào cản điều trị.
Trong những năm gần đây, công nghệ kỹ thuật số, đặc biệt là trí tuệ nhân tạo (AI), đã được áp dụng ở nhiều giai đoạn chăm sóc đục thủy tinh thể. Các lĩnh vực ứng dụng AI có thể được chia thành ba loại chính.
Cùng với sự già hóa dân số, nhu cầu phẫu thuật đục thủy tinh thể ngày càng tăng, nhưng nguồn cung dịch vụ nhãn khoa không theo kịp. Công nghệ AI được xem là phương tiện để thu hẹp khoảng cách cung cầu này.
Với sự gia tăng dân số cao tuổi, nhu cầu phẫu thuật đục thủy tinh thể tăng nhanh, trong khi nguồn cung dịch vụ nhãn khoa chưa mở rộng đủ. Ở các nước thu nhập thấp và trung bình cũng như vùng nông thôn, vẫn còn nhiều ca đục thủy tinh thể chưa được chẩn đoán. Chẩn đoán từ xa và sàng lọc dựa trên AI có thể giúp thu hẹp khoảng cách tiếp cận chăm sóc y tế.
Đục thủy tinh thể chủ yếu do lão hóa, tỷ lệ mắc bao gồm đục sớm khoảng 45% ở độ tuổi 50, 75% ở độ tuổi 60, 85% ở độ tuổi 70 và 100% ở người trên 80 tuổi. Ba loại đục chính là vỏ, nhân và dưới bao sau, trong đó đục thủy tinh thể vỏ là phổ biến nhất ở người Nhật.
Để phân loại mức độ đục thủy tinh thể, các hệ thống như LOCS III (Hệ thống Phân loại Độ đục Thủy tinh thể III), phân loại WHO và phân loại Emery-Little được sử dụng. Phân loại Emery-Little đánh giá màu sắc nhân theo năm mức độ và được sử dụng rộng rãi để ước tính độ khó phẫu thuật.
Ở giai đoạn đầu của đục thủy tinh thể, thường không có triệu chứng chủ quan. Khi bệnh tiến triển, các triệu chứng sau xuất hiện.
Không có liệu pháp thuốc nào làm trong suốt đục thủy tinh thể. Ở những trường hợp suy giảm chức năng thị giác, phẫu thuật tán nhuyễn thủy tinh thể bằng siêu âm (PEA) và đặt thủy tinh thể nhân tạo (IOL) là điều trị tiêu chuẩn. Nhờ tiến bộ trong thiết bị phẫu thuật, có thể thực hiện phẫu thuật qua đường rạch nhỏ khoảng 2 mm, cho phép bệnh nhân sớm hòa nhập cộng đồng. Trong những năm gần đây, phẫu thuật đục thủy tinh thể hỗ trợ laser femtosecond cũng đã được sử dụng trên lâm sàng.
Hiện nay, đục thủy tinh thể được chẩn đoán lâm sàng bởi bác sĩ nhãn khoa sử dụng đèn khe, và việc khám trực tiếp là bắt buộc. Tuy nhiên, ở các nước đang phát triển và vùng nông thôn, việc tiếp cận khó khăn khiến đục thủy tinh thể chưa được chẩn đoán trở thành vấn đề lớn.
Nền tảng chẩn đoán từ xa hỗ trợ AI có thể giảm các rào cản tiếp cận này. Chẩn đoán nhanh đặc biệt quan trọng ở trẻ em bị đục thủy tinh thể để ngăn ngừa nhược thị không hồi phục.
Dựa trên ảnh đèn khe
Mô hình của Wu và cộng sự: Được huấn luyện trên khoảng 38.000 ảnh đèn khe. Đạt độ nhạy và độ đặc hiệu trên 95% trong phát hiện và phân loại mức độ nặng của đục thủy tinh thể. Cũng báo cáo độ nhạy và độ đặc hiệu khoảng 80% trong đánh giá độ cứng nhân 3 mức.
Li và cộng sự (Visionome): Chẩn đoán các bệnh vùng trước nhãn cầu bao gồm đục thủy tinh thể từ ảnh đèn khe. Độ chính xác 79,47–99,22%, vượt trội so với bác sĩ nhãn khoa có 1 năm kinh nghiệm.
Dựa trên ảnh đáy mắt
Mô hình của Xu và cộng sự: Thuật toán tổ hợp CNN (AlexNet + VisualDN) với đầu vào là ảnh đáy mắt. Đạt độ chính xác 86,2% trong phát hiện và phân loại đục thủy tinh thể.
Mô hình dựa trên ResNet (Wu và cộng sự): Phân biệt ba giai đoạn (thủy tinh thể đục, mắt có kính nội nhãn, mắt bình thường) với AUC > 0,99.
Wu và cộng sự đề xuất mô hình ba giai đoạn: (1) tự theo dõi qua điện thoại thông minh, (2) chẩn đoán AI từ ảnh vùng trước nhãn cầu, (3) tư vấn từ xa bởi chuyên gia nhãn khoa qua nền tảng đám mây. Hệ thống này được cho là có thể tăng dân số được một bác sĩ nhãn khoa phục vụ lên gấp 10 lần. Kể từ khi công bố bài báo sàng lọc bệnh võng mạc tiểu đường vào năm 2016, chẩn đoán AI trong nhãn khoa đã tiên phong trong các bệnh võng mạc và glôcôm sử dụng ảnh đáy mắt và OCT vùng sau, nhưng trong những năm gần đây, ứng dụng trên ảnh đèn khe vùng trước đang phát triển.
Mặc dù vẫn đang trong giai đoạn nghiên cứu, một hệ thống đã được đề xuất trong đó AI phân tích hình ảnh đoạn trước của mắt chụp bằng điện thoại thông minh để xác định sự hiện diện và mức độ nghiêm trọng của đục thủy tinh thể. Cần xác nhận thêm để ứng dụng lâm sàng, nhưng nó có thể hữu ích cho việc sàng lọc ở các vùng xa xôi.
Phẫu thuật đục thủy tinh thể đòi hỏi kết quả khúc xạ sau phẫu thuật chính xác. Trong các công thức tính thấu kính nội nhãn truyền thống, độ chính xác dự đoán không đủ cho mắt sau phẫu thuật khúc xạ hoặc bệnh nhân có các phép đo sinh trắc học cực đoan. Các công thức thế hệ mới sử dụng AI đang giải quyết thách thức này.
| Công thức | Đặc điểm | Ghi chú |
|---|---|---|
| Công thức Kane | Lý thuyết + phân tích hồi quy AI | Hiệu suất luôn nằm trong top 3 trong các thử nghiệm so sánh |
| Hill-RBF | Nhận dạng mẫu dựa trên ANN | Phân tích tập dữ liệu khúc xạ quy mô lớn |
| PEARL-DGS | Tuyến tính hóa đầu ra với ML | Điều chỉnh cho các phép đo sinh trắc học cực đoan |
Công thức Kane là sự kết hợp giữa mô hình dựa trên lý thuyết với phân tích hồi quy và các thành phần AI. Trong các thử nghiệm so sánh, nó vượt trội hơn các công thức thế hệ thứ ba như Barrett Universal II, Haigis và Olsen, và luôn duy trì hiệu suất trong top 3 trong số các công thức thế hệ mới. Cho kết quả hợp lý ngay cả trong các trường hợp chiều dài trục cực đoan.
Hill-RBF (hàm cơ sở xuyên tâm) là máy tính thủy tinh thể nội nhãn dựa trên mạng nơ-ron nhân tạo, phân tích tập dữ liệu kết quả khúc xạ khổng lồ thông qua nhận dạng mẫu và nội suy dữ liệu.
Công thức PEARL-DGS sử dụng mô hình học máy và tuyến tính hóa đầu ra để dự đoán vị trí thấu kính hiệu quả và điều chỉnh các phép đo sinh trắc học cực đoan.
Karmona là phương pháp tính công suất thủy tinh thể nhân tạo dựa trên dữ liệu, sử dụng nhiều mô hình học máy như K-Nearest Neighbors, ANN, SVM và Random Forest để dự đoán công suất.
Các công thức tính thủy tinh thể nhân tạo truyền thống dựa trên các mô hình lý thuyết cụ thể, do đó có thể gây sai số lớn ở những mắt sau phẫu thuật khúc xạ hoặc các trường hợp có chiều dài trục nhãn cầu quá dài hoặc quá ngắn. Các công thức dựa trên AI học các mẫu từ dữ liệu lớn, do đó duy trì độ chính xác dự đoán cao ngay cả trong những trường hợp đặc biệt này.
AI cũng được ứng dụng trong đào tạo phẫu thuật đục thủy tinh thể, ra quyết định trong phẫu thuật và phân tích hậu phẫu.
Phẫu thuật đục thủy tinh thể bao gồm nhiều giai đoạn (mở bao trước, xử lý nhân, hút vỏ, đặt thủy tinh thể nhân tạo). Phân tích tự động video phẫu thuật bằng AI cho phép xác định từng giai đoạn.
Xác định tự động các giai đoạn là nền tảng để đánh giá kỹ năng phẫu thuật theo từng giai đoạn và phản hồi thời gian thực.
Lanza và cộng sự đã phân tích 1.229 ca phẫu thuật đục thủy tinh thể bao gồm 73 lỗi và xây dựng mô hình AI để phát hiện các yếu tố nguy cơ biến chứng trong phẫu thuật và dự đoán tổng thời gian phẫu thuật.
Eyesi (Haag-Streit) là hệ thống đào tạo mô phỏng nhãn khoa thương mại, cung cấp giáo dục thông minh kết hợp thực tế ảo (VR) và AI. Hệ thống xây dựng môi trường để người học có thể tiếp thu kỹ năng thủ thuật trước khi tiếp xúc với bệnh nhân thực tế.
Nếu việc đưa AI vào chăm sóc đục thủy tinh thể thành công, các lợi ích lâu dài như cải thiện hiệu quả y tế, tăng cường khả năng tiếp cận và giảm chi phí được kỳ vọng. Lợi ích sẽ đặc biệt lớn đối với các nhóm thu nhập thấp.
Tuy nhiên, có những thách thức sau đây để đạt được ứng dụng thực tế.
Cho đến nay, chỉ có rất ít thuật toán được chứng minh độ tin cậy trong môi trường lâm sàng. Cần có thêm nhiều thử nghiệm ngẫu nhiên có đối chứng để thiết lập tính hữu ích của các hệ thống AI.
Mặc dù độ chính xác cao đã được báo cáo ở cấp độ nghiên cứu, vẫn còn những thách thức để triển khai đầy đủ vào thực hành lâm sàng. Việc xác minh tính tổng quát hóa giữa các quần thể khác nhau, xác nhận hiệu quả thông qua các thử nghiệm lâm sàng quy mô lớn và thiết lập quản lý dữ liệu đạo đức là rất cần thiết. Hiện tại, ứng dụng thực tế là như một công cụ hỗ trợ chẩn đoán của bác sĩ nhãn khoa.
