Kinh nghiệm thực tế về ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi an toàn và hiệu quả Ung thư phổi là một trong những nguy...

Kinh nghiệm thực tế về ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi an toàn và hiệu quả

Ung thư phổi là một trong những nguyên nhân gây tử vong hàng đầu do ung thư trên toàn thế giới, gây ảnh hưởng nghiêm trọng đến chất lượng cuộc sống của người bệnh. Khi phát hiện bệnh, bệnh nhân không chỉ đối mặt với những suy giảm về thể chất như khó thở, đau ngực và sụt cân, mà còn chịu áp lực nặng nề về tâm lý như lo âu, trầm cảm và cảm giác bất an về tương lai. Những tác động này kéo theo sự thay đổi trong vai trò xã hội, khiến nhiều người mất khả năng lao động và trở thành gánh nặng cho gia đình. Việc phát hiện sớm và chẩn đoán chính xác thông qua các công nghệ hiện đại như trí tuệ nhân tạo (AI) đóng vai trò then chốt trong việc cải thiện tiên lượng và mở ra cơ hội điều trị thành công cho người bệnh.

Nghiên cứu y khoa về hiệu quả của AI trong chẩn đoán u phổi

Việc ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi đã được chứng minh qua nhiều nghiên cứu quy mô lớn với những số liệu cụ thể về độ chính xác:

• Nghiên cứu về mô hình TLPC dựa trên thuật toán XGBoost trong việc dự đoán di căn hạch trung thất ở bệnh nhân ung thư phổi không tế bào nhỏ (NSCLC) cho thấy hiệu quả vượt trội với diện tích dưới đường cong (AUC) đạt 0,90, độ đặc hiệu 0,84 và độ nhạy lên đến 96% (PMID: 41660073).
• Một nghiên cứu tại Đại học Y khoa Tokyo trên 324 bệnh nhân ung thư phổi kích thước nhỏ cho thấy hệ thống AI-GGN đạt độ đặc hiệu 98,3% trong việc dự đoán ung thư biểu mô tuyến không xâm lấn, tương đương với phương pháp tỷ lệ khối u đông đặc (CTR) truyền thống (PMID: 41832887).
• Mô hình nền tảng UCLIF được phát triển từ 33.901 phim chụp CT ngực cho thấy khả năng dự đoán chính xác phân loại mô bệnh học với AUC đạt 0,96 đối với ung thư biểu mô tuyến, 0,93 đối với ung thư biểu mô tế bào vảy và 0,82 đối với ung thư phổi tế bào lớn (PMID: 41718531).
• Nghiên cứu đa trung tâm đánh giá hệ thống hỗ trợ ra quyết định lâm sàng (CDSS) MONCAD LCT cho thấy AI đã phát hiện được 92% các khối u phổi, đồng thời cung cấp kết quả đo kích thước khối u có độ tin cậy tuyệt đối (ICC = 1,000), cao hơn so với sự đồng thuận giữa các bác sĩ chẩn đoán hình ảnh (PMID: 41805778).

Vai trò của AI trong quy trình chẩn đoán u phổi

Trí tuệ nhân tạo hiện nay không thay thế bác sĩ mà đóng vai trò là một công cụ hỗ trợ đắc lực trong nhiều giai đoạn chẩn đoán:

Sàng lọc và phát hiện sớm trên X-quang và CT

• Trên phim X-quang ngực, AI giúp tăng độ nhạy trong việc phát hiện các nốt đơn độc và tràn khí màng phổi, đặc biệt hữu ích trong việc hỗ trợ các bác sĩ ít kinh nghiệm thu hẹp khoảng cách chẩn đoán với các chuyên gia (PMID: 41386116, 41574510).
• Trên phim CT liều thấp (LDCT), AI hỗ trợ đo thể tích khối u chính xác hơn, giúp giảm thời gian theo dõi không cần thiết cho những bệnh nhân có nốt phổi lành tính (PMID: 40554941).

Phân loại và đánh giá mức độ rủi ro

• AI có khả năng phân tích các đặc điểm hình ảnh phức tạp để phân biệt nốt phổi lành tính và ác tính, giúp bác sĩ đưa ra quyết định theo dõi hoặc can thiệp kịp thời (PMID: 40652218, 40664865).
• Công nghệ AI hỗ trợ dự đoán biểu hiện PD-L1 thông qua hình ảnh CT, cung cấp một công cụ không xâm lấn để định hướng điều trị miễn dịch cho bệnh nhân (PMID: 41690021).

Hỗ trợ lập kế hoạch điều trị và tiên lượng

• AI giúp xác định chính xác kích thước khối u và khả năng xâm lấn màng phổi, từ đó hỗ trợ bác sĩ phẫu thuật lựa chọn phương pháp cắt phân thùy hoặc cắt thùy phổi phù hợp (PMID: 41832887, 41616975).
• Các mô hình học máy có thể dự đoán tỷ lệ sống sót và nguy cơ tái phát dựa trên dữ liệu lâm sàng và hình ảnh, giúp cá nhân hóa phác đồ điều trị cho từng bệnh nhân (PMID: 42047064, 41718531).

Điều trị phẫu thuật u phổi và vai trò hỗ trợ của AI

Khi khối u phổi được chẩn đoán là ác tính hoặc có nguy cơ cao, phẫu thuật thường là lựa chọn ưu tiên để điều trị triệt để.

So sánh giữa điều trị không phẫu thuật và điều trị phẫu thuật

• Điều trị không phẫu thuật: bao gồm theo dõi định kỳ, xạ trị hoặc hóa trị. Phương pháp này thường áp dụng cho bệnh nhân giai đoạn muộn, có bệnh lý nền nặng không thể chịu đựng cuộc mổ hoặc khối u ở vị trí không thể cắt bỏ. Ưu điểm là ít xâm lấn nhưng nhược điểm là không loại bỏ được hoàn toàn khối u, tỷ lệ tái phát cao hơn.
• Điều trị phẫu thuật: là phương pháp can thiệp trực tiếp để loại bỏ khối u và các hạch bạch huyết xung quanh. Ưu điểm lớn nhất là khả năng điều trị khỏi hoàn toàn ở giai đoạn sớm. Nhược điểm là đòi hỏi sức khỏe bệnh nhân tốt và có những rủi ro liên quan đến gây mê, phẫu thuật.

Khi nào nên phẫu thuật Phẫu thuật được xem xét khi:

• Khối u ở giai đoạn sớm (giai đoạn I, II) và nằm ở vị trí có thể cắt bỏ được (PMID: 41832887).
• Kết quả phân tích AI và sinh thiết xác định khối u là ác tính hoặc có đặc điểm sinh học tiến triển nhanh (PMID: 40664865).
• Bệnh nhân có đủ điều kiện sức khỏe về hô hấp và tim mạch để thực hiện cuộc mổ.

Những điều cần biết trước khi phẫu thuật Trước khi tiến hành phẫu thuật, bệnh nhân cần được tư vấn và thực hiện các bước sau:

• Đánh giá chức năng hô hấp thông qua hô hấp ký để đảm bảo phổi còn lại đủ khả năng duy trì sự sống.
• Sử dụng AI để đo chính xác kích thước khối u và đánh giá mức độ xâm lấn, giúp bác sĩ quyết định phương pháp phẫu thuật ít xâm lấn (như phẫu thuật nội soi) hay mổ mở (PMID: 41832887).
• Tư vấn về mục tiêu phẫu thuật: điều trị triệt để hay phẫu thuật giảm nhẹ triệu chứng.

Thời gian nằm viện Thời gian nằm viện tùy thuộc vào phương pháp phẫu thuật và tình trạng hồi phục của bệnh nhân:

• Phẫu thuật ít xâm lấn: thường nằm viện từ 3 đến 5 ngày.
• Phẫu thuật mở hoặc các ca phức tạp: có thể nằm viện từ 7 đến 14 ngày, bao gồm thời gian theo dõi tại đơn vị hồi sức tích cực nếu có biến chứng.

Các biến chứng có thể gặp phải Phẫu thuật phổi có thể đi kèm một số rủi ro, cần được nhận diện và xử trí kịp thời:

• Rò khí kéo dài: xử trí bằng cách theo dõi ống dẫn lưu màng phổi và điều chỉnh thông số máy hút.
• Chảy máu sau mổ: xử trí bằng thuốc cầm máu hoặc can thiệp phẫu thuật lại nếu chảy máu nghiêm trọng.
• Nhiễm trùng vết mổ hoặc viêm phổi: xử trí bằng kháng sinh phù hợp và vật lý trị liệu hô hấp.
• Suy hô hấp cấp: xử trí bằng hỗ trợ oxy hoặc thở máy tùy mức độ.

Kết luận

Trí tuệ nhân tạo đã và đang tạo ra một cuộc cách mạng trong chẩn đoán u phổi, từ việc phát hiện sớm trên hình ảnh X-quang, CT đến việc phân loại chính xác mức độ ác tính và lập kế hoạch phẫu thuật chi tiết. Sự kết hợp giữa công nghệ AI và kinh nghiệm lâm sàng của bác sĩ giúp tăng tỷ lệ chẩn đoán đúng, giảm thiểu các can thiệp không cần thiết và tối ưu hóa kết quả điều trị cho bệnh nhân. Tuy nhiên, AI chỉ là công cụ hỗ trợ, việc quyết định phương pháp điều trị cuối cùng cần dựa trên sự thăm khám trực tiếp và đánh giá toàn diện. Bệnh nhân nên đến các cơ sở y tế chuyên khoa để được tư vấn chính xác và an toàn nhất.

Nếu bạn hoặc người thân đang gặp các vấn đề về u phổi hoặc cần tư vấn về các phương pháp chẩn đoán và điều trị hiện đại, hãy đến khám trực tiếp với Bác sĩ Trần Quốc Hoài - Trung tâm Lồng ngực - Mạch máu. Việc thăm khám sớm và đúng chuyên khoa sẽ giúp xây dựng phác đồ điều trị cá nhân hóa, mang lại hiệu quả cao nhất và giảm thiểu rủi ro.

Tài liệu tham khảo

1. Bi T, et al. Machine learning-driven PET-CT and clinical pathology model for predicting mediastinal lymph node metastasis in non-small cell lung cancer: a retrospective cohort study. (PMID: 41660073).
2. Nakamura T, et al. Artificial intelligence for accurate tumor size assessment and non-invasive adenocarcinoma prediction in small-sized lung cancer. (PMID: 41832887).
3. Li J, et al. A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction. (PMID: 41718531).
4. Kim EY, et al. Accuracy and reproducibility of tumor size measurement using a deep-learning-based CDSS in resected lung cancer. (PMID: 41805778).
5. Huang HY, et al. AI-assisted chest radiograph interpretation enhances diagnostic confidence and standardizes diagnostic accuracy across radiologists: A multi-reader study. (PMID: 41386116).
6. Afonso RdF, et al. Reliability and validity of an artificial intelligence-assisted system for the detection of abnormalities in chest and bone radiographs in an emergency department. (PMID: 41574510).
7. Gimbel IA, et al. Earlier discharge from pulmonary nodule follow-up using artificial intelligence based volume measurements in computed tomography. (PMID: 40554941).
8. Dinnessen R, et al. Performance of a screening-trained DL model for pulmonary nodule malignancy estimation of incidental clinical nodules. (PMID: 40664865).
9. Jia R, et al. Establishing an AI-based diagnostic framework for pulmonary nodules in computed tomography. (PMID: 40652218).
10. Durmaz M, et al. CT-based radiomics for predicting PD-L1 expression status in non-small cell lung cancer using a hybrid machine learning model. (PMID: 41690021).