Kinh nghiệm thực tế về ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi giúp kéo dài tuổi thọ Ung thư phổi thường diễn tiến âm t...

Kinh nghiệm thực tế về ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi giúp kéo dài tuổi thọ

Ung thư phổi thường diễn tiến âm thầm, khiến nhiều bệnh nhân chỉ phát hiện bệnh khi đã ở giai đoạn muộn, làm giảm đáng kể cơ hội điều trị thành công và kéo dài sự sống. Việc chẩn đoán muộn không chỉ gây áp lực nặng nề lên sức khỏe thể chất mà còn dẫn đến những khủng hoảng về tâm lý, lo âu và gánh nặng tài chính cho gia đình. Sự ra đời của trí tuệ nhân tạo (AI) trong y khoa đã mở ra hướng đi mới, giúp phát hiện sớm các tổn thương nhỏ nhất và dự báo chính xác diễn tiến bệnh, từ đó tối ưu hóa kế hoạch điều trị cho từng bệnh nhân.

Nghiên cứu y khoa về hiệu quả của AI trong điều trị u phổi

Việc ứng dụng AI không còn là lý thuyết mà đã được chứng minh qua nhiều nghiên cứu lâm sàng quy mô lớn với số liệu cụ thể:

• Nghiên cứu phát triển mô hình UCLIF (Unified CT-Based Lung Cancer Imaging Foundation) trên 33.901 bản quét CT ngực (PMID: 41718531) cho thấy khả năng dự báo chính xác tỷ lệ sống sót của bệnh nhân với chỉ số AUC đạt 0,97 cho thời gian sống sót 1 năm, 0,90 cho 3 năm và 0,90 cho 5 năm.
• Trong việc xác định di căn hạch N2, một nghiên cứu sử dụng mô hình học máy (PMID: 41053734) đạt độ chính xác lên tới 95,7%, vượt trội hơn hẳn so với các mô hình thống kê truyền thống (chỉ đạt 90,6%), giúp bác sĩ quyết định phương án phẫu thuật chính xác hơn.
• Đối với các nốt kính mờ (GGN) ở giai đoạn sớm, mô hình kết hợp radiomics và học sâu (PMID: 41130882) đạt chỉ số AUC 0,92 trong việc phân biệt giữa ung thư biểu mô tuyến xâm lấn và các tổn thương tiền xâm lấn, hỗ trợ đắc lực cho việc lựa chọn phương pháp phẫu thuật bảo tồn.
• Về độ chính xác trong đo lường kích thước khối u, hệ thống hỗ trợ quyết định lâm sàng dựa trên học sâu MONCAD LCT (PMID: 41805778) cho kết quả nhất quán tuyệt đối (ICC = 1,000), loại bỏ sự sai lệch giữa các bác sĩ chẩn đoán hình ảnh khác nhau.

Vai trò của AI trong quy trình chẩn đoán và phân loại u phổi

AI đóng vai trò như một "cặp mắt thứ hai" tinh tường, hỗ trợ bác sĩ trong nhiều giai đoạn:

• Sàng lọc sớm: AI giúp phân tích các hình ảnh CT liều thấp để phát hiện các nốt đơn độc có nguy cơ cao, giảm tỷ lệ bỏ sót tổn thương nhỏ (PMID: 42166705).
• Phân loại mô bệnh học: Các mô hình AI có thể dự đoán chính xác phân loại mô bệnh học (như ung thư biểu mô tuyến hay biểu mô vảy) ngay từ hình ảnh CT với độ chính xác cao (PMID: 41718531).
• Đánh giá mức độ xâm lấn: AI giúp phân tích đặc điểm hình thái của khối u để xác định xem u đã xâm lấn xung quanh hay chưa, từ đó định hướng điều trị phẫu thuật hay điều trị không phẫu thuật (PMID: 41130882).
• Dự báo tiên lượng: Bằng cách phân tích dữ liệu nhân khẩu học và kết quả xét nghiệm, các mô hình Bayesian có thể dự đoán khả năng sống sót của bệnh nhân với độ chính xác 71,9% (PMID: 42047064).

Khi nào nên phẫu thuật điều trị u phổi

Phẫu thuật là phương pháp điều trị triệt để nhất cho ung thư phổi giai đoạn sớm. Việc quyết định phẫu thuật hiện nay được hỗ trợ bởi AI để tăng tỷ lệ thành công:

• Các trường hợp nên phẫu thuật:

  • Khối u giai đoạn sớm (giai đoạn I, II) và chưa di căn xa.
  • Các nốt kính mờ được AI xác định là có tính chất xâm lấn hoặc nguy cơ cao (PMID: 41130882).
  • Bệnh nhân có đủ sức khỏe tim mạch và hô hấp để chịu đựng cuộc mổ.
  • Các trường hợp di căn hạch N2 được AI đánh giá là có khả năng kiểm soát được thông qua phẫu thuật kết hợp điều trị hỗ trợ (PMID: 41053734).

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

  • Điều trị không phẫu thuật (hóa trị, xạ trị, liệu pháp nhắm trúng đích): phù hợp với bệnh nhân giai đoạn muộn, người già yếu hoặc u nằm ở vị trí không thể cắt bỏ. Ưu điểm là ít xâm lấn nhưng khó đạt được mục tiêu triệt căn.
  • Phẫu thuật: ưu điểm là loại bỏ hoàn toàn khối u và hạch vùng, mang lại cơ hội khỏi bệnh cao nhất. Nhược điểm là cần gây mê và có rủi ro phẫu thuật.

Những điều cần biết trước khi phẫu thuật

Để cuộc phẫu thuật diễn ra an toàn, bệnh nhân cần được tư vấn và chuẩn bị kỹ lưỡng:

• Đánh giá chức năng: thực hiện đo hô hấp, điện tâm đồ và siêu âm tim để đảm bảo phổi và tim đủ khả năng hoạt động sau khi cắt bỏ một phần nhu mô phổi.
• Phân tích phân tử: xét nghiệm đột biến gen (như EGFR, ALK) để xem có thể phối hợp thuốc nhắm trúng đích trước hoặc sau mổ nhằm giảm kích thước u (PMID: 42033967).
• Chuẩn bị tâm lý và thể chất: tập hít thở sâu, bỏ thuốc lá hoàn toàn và dinh dưỡng đầy đủ để tăng cường sức đề kháng.
• Thảo luận về phương pháp: bác sĩ sẽ tư vấn giữa phẫu thuật mở hoặc phẫu thuật ít xâm lấn (phẫu thuật nội soi lồng ngực) tùy vào vị trí và kích thước u.

Thời gian nằm viện và hồi phục

Thời gian nằm viện phụ thuộc vào phương pháp phẫu thuật và tình trạng sức khỏe của bệnh nhân:

• Phẫu thuật ít xâm lấn: bệnh nhân thường nằm viện từ 3 đến 5 ngày.
• Phẫu thuật mở: thời gian nằm viện có thể kéo dài từ 7 đến 14 ngày.
• Các yếu tố ảnh hưởng đến thời gian nằm viện: nghiên cứu cho thấy các triệu chứng như mệt mỏi, tràn khí dưới da, đau và ho sau mổ là những yếu tố chính khiến bệnh nhân phải kéo dài thời gian nằm viện (PMID: 41773834).
• Chăm sóc sau mổ: bệnh nhân cần vận động sớm, tập vật lý trị liệu hô hấp để tránh xẹp phổi và viêm phổi.

Các biến chứng có thể gặp phải

Mọi cuộc phẫu thuật đều tiềm ẩn rủi ro, việc nhận biết sớm giúp xử trí kịp thời:

• Tràn khí màng phổi: xử trí bằng cách đặt dẫn lưu màng phổi để hút khí ra ngoài.
• Chảy máu sau mổ: theo dõi qua dẫn lưu, nếu chảy máu nhiều có thể cần can thiệp cầm máu qua nội soi hoặc mổ lại.
• Nhiễm trùng vết mổ hoặc viêm phổi: xử trí bằng kháng sinh phù hợp và chăm sóc hô hấp tích cực.
• Rò khí kéo dài: theo dõi ống dẫn lưu, điều chỉnh chế độ hút và hỗ trợ dinh dưỡng để vết rò mau lành.

Kết luận

Trí tuệ nhân tạo đang thay đổi căn bản cách tiếp cận trong chẩn đoán và điều trị u phổi, từ việc phát hiện sớm các tổn thương nhỏ đến việc cá nhân hóa phác đồ phẫu thuật. Sự kết hợp giữa công nghệ AI hiện đại và kinh nghiệm của bác sĩ giúp tăng độ chính xác trong chẩn đoán, giảm thiểu rủi ro phẫu thuật và kéo dài tuổi thọ cho bệnh nhân. Tuy nhiên, AI chỉ là công cụ hỗ trợ, quyết định cuối cùng vẫn dựa trên thăm khám lâm sàng. Bệnh nhân nên đến các cơ sở y tế chuyên khoa để được tư vấn chính xác và an toàn.

Nếu bạn hoặc người thân đang gặp các vấn đề về u phổi hoặc cần tư vấn về phương pháp phẫu thuật ít xâm lấn, hãy đến khám trực tiếp với Bác sĩ Trần Quốc Hoài - Trung tâm Lồng ngực - Mạch máu để được chẩn đoán chính xác và xây dựng phác đồ điều trị tối ưu nhất.

Tài liệu tham khảo

• Li, J., et al. (2025). A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction. RSNA. PMID: 41718531.
• Erdogdu, E., et al. (2024). Machine learning-based prediction of N2 lymph node metastasis in non-small cell lung cancer. PMID: 41053734.
• Zhang, H., et al. (2024). Explainable Machine Learning for Predicting Invasiveness of Pulmonary Adenocarcinoma Presenting as Ground-Glass Nodules Using CT Images. PMID: 41130882.
• Kim, E. Y., et al. (2024). Accuracy and reproducibility of tumor size measurement using a deep-learning-based CDSS in resected lung cancer. PMID: 41805778.
• Mohammad, I. B., & Ahmad, M. (2024). Bayesian Model Prediction for Lung Cancer Survival Based on Demographic and Laboratory Results: A retrospective analysis. PMID: 42047064.
• Gorrïa, T., et al. (2025). Lung Cancer Screening and Prevention: Beyond Conventional Strategies in a Rapidly Changing Global Milieu. PMID: 42166705.
• Zhao, S., et al. (2024). Perioperative strategies for resectable EGFR-Mutant NSCLC: evidence hierarchy and clinical decision-making. PMID: 42033967.
• Wu, X., et al. (2024). Interpretable Machine Learning Model for Predicting Prolonged Postoperative Length of Stay in Lung Cancer Patients Undergoing Day Surgery: A Retrospective Cohort Study. PMID: 41773834.