Lưu ý quan trọng khi ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi dành cho người cao tuổi Ung thư phổi ở người cao tuổi khôn...

Lưu ý quan trọng khi ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi dành cho người cao tuổi

Ung thư phổi ở người cao tuổi không chỉ gây suy giảm chức năng hô hấp mà còn ảnh hưởng sâu sắc đến chất lượng cuộc sống. Về mặt sinh lý, tình trạng khó thở và mệt mỏi kéo dài khiến người bệnh mất khả năng vận động độc lập. Về tâm lý và xã hội, nỗi lo sợ về bệnh tật cùng sự phụ thuộc vào người chăm sóc dễ dẫn đến trầm cảm và cô lập, làm trầm trọng thêm tình trạng sức khỏe tổng thể.

Nghiên cứu y khoa về ứng dụng trí tuệ nhân tạo trong chẩn đoán u phổi

Việc ứng dụng trí tuệ nhân tạo (AI) trong chẩn đoán u phổi đã mang lại những kết quả khả quan, nhưng mức độ chính xác có sự khác biệt tùy theo mô hình và mục đích sử dụng.

• Nghiên cứu về mô hình Sybil trên 21.087 cá nhân từ 50-80 tuổi tại châu Á (PMID: 42140481) cho thấy khả năng dự báo nguy cơ ung thư phổi trong tương lai thông qua một lần chụp CT liều thấp. Kết quả đạt AUROC 0,86 cho dự đoán ung thư phổi xâm lấn trong 1 năm và 0,74 cho dự đoán trong 6 năm.
• Nghiên cứu về hệ thống SuRImage trong chẩn đoán ung thư biểu mô tuyến phổi giai đoạn IA (PMID: 41927432) cho thấy AI giúp hỗ trợ phẫu thuật viên đưa ra quyết định chính xác hơn. Cụ thể, độ chính xác trong phân độ xâm lấn của phẫu thuật viên tăng từ 63,8% lên 73,44% khi có sự hỗ trợ của AI, với chỉ số AUC dao động từ 0,84 đến 0,87.
• Một nghiên cứu so sánh các thiết bị AI thương mại trong phát hiện ung thư phổi qua X-quang ngực (PMID: 42153831) chỉ ra sự biến thiên lớn về hiệu quả. Độ nhạy của các thiết bị này dao động từ 20,8% đến 77,8%, trong khi độ đặc hiệu nằm trong khoảng 58,9% đến 98,4%, cho thấy không phải mọi công cụ AI đều có giá trị chẩn đoán tương đương nhau.

Vai trò của trí tuệ nhân tạo trong quy trình chẩn đoán

AI đóng vai trò là công cụ hỗ trợ đắc lực cho bác sĩ, giúp phát hiện sớm và phân loại nguy cơ chính xác hơn, đặc biệt là ở nhóm bệnh nhân cao tuổi có nhiều bệnh lý nền.

• Sàng lọc và phát hiện sớm: AI giúp phân tích hình ảnh X-quang và CT để tìm ra các nốt đơn độc hoặc tổn thương nhỏ mà mắt thường dễ bỏ sót (PMID: 41876649).
• Dự báo nguy cơ và tiên lượng: Các mô hình học máy có thể kết hợp dữ liệu nhân khẩu học và xét nghiệm để dự đoán khả năng sống sót hoặc nguy cơ tái phát (PMID: 42047064).
• Hỗ trợ ra quyết định phẫu thuật: AI giúp đánh giá mức độ xâm lấn của khối u ngay trong mổ, từ đó giúp bác sĩ quyết định nên cắt thùy phổi hay chỉ cắt phân thùy để bảo tồn tối đa chức năng hô hấp cho người già (PMID: 41927432).

Lựa chọn phương pháp điều trị cho bệnh nhân cao tuổi

Việc lựa chọn giữa điều trị không phẫu thuật và điều trị phẫu thuật cần dựa trên giai đoạn bệnh, thể trạng thực tế và mong muốn của bệnh nhân.

Điều trị không phẫu thuật

Phương pháp này thường bao gồm theo dõi định kỳ, xạ trị hoặc hóa trị.

• Ưu điểm: ít xâm lấn, không yêu cầu gây mê toàn thân, phù hợp với bệnh nhân quá yếu hoặc có nhiều bệnh nền nặng.
• Nhược điểm: không thể loại bỏ hoàn toàn khối u, tỷ lệ tái phát cao hơn và thường chỉ mang tính chất kéo dài sự sống hoặc giảm triệu chứng.

Điều trị phẫu thuật

Phẫu thuật nhằm loại bỏ khối u và hạch bạch huyết xung quanh.

• Ưu điểm: là cơ hội duy nhất để điều trị khỏi hoàn toàn trong giai đoạn sớm, cải thiện đáng kể tỷ lệ sống sót dài hạn.
• Nhược điểm: có rủi ro liên quan đến gây mê, phẫu thuật và thời gian hồi phục lâu hơn ở người cao tuổi.

Khi nào nên phẫu thuật

Quyết định phẫu thuật cho người cao tuổi không chỉ dựa vào tuổi đời mà quan trọng hơn là tuổi sinh học và chức năng cơ quan.

• Chỉ định phẫu thuật:

  • Khối u ở giai đoạn sớm (IA, IB) và có khả năng cắt bỏ hoàn toàn (PMID: 41943992).
  • Bệnh nhân có chức năng hô hấp và tim mạch đủ để chịu đựng cuộc mổ.
  • Tuổi sinh học (đánh giá qua các chỉ số sinh học hoặc hình ảnh) cho thấy khả năng hồi phục tốt, dù tuổi thực tế có thể đã cao (PMID: 41949867).

• Những điều cần biết trước khi phẫu thuật:

  • Đánh giá toàn diện về tim mạch, hô hấp và dinh dưỡng để giảm thiểu rủi ro.
  • Thảo luận kỹ về mục tiêu phẫu thuật: điều trị triệt để hay phẫu thuật giảm nhẹ triệu chứng.
  • Chuẩn bị tâm lý và kế hoạch chăm sóc sau mổ tại nhà.

• Thời gian nằm viện:

  • Thông thường, bệnh nhân cần nằm viện ít nhất 3-5 ngày để theo dõi sát sao.
  • Các trường hợp có biến chứng hoặc cần hồi sức tích cực (ICU) có thể kéo dài thời gian nằm viện tùy theo diễn tiến lâm sàng.

Các biến chứng có thể gặp phải

Phẫu thuật lồng ngực ở người cao tuổi tiềm ẩn nhiều rủi ro, đòi hỏi sự theo dõi chặt chẽ.

• Rò khí kéo dài: xử trí bằng cách theo dõi ống dẫn lưu, điều chỉnh thông số máy thở nếu cần hoặc can thiệp phẫu thuật lại nếu rò khí nặng.
• Nhiễm trùng vết mổ hoặc viêm phổi: xử trí bằng kháng sinh phù hợp, vật lý trị liệu hô hấp và hút đờm dãi.
• Suy hô hấp sau mổ: xử trí bằng hỗ trợ oxy, tập thở và vận động sớm sau phẫu thuật.
• Biến chứng tim mạch (nhồi máu cơ tim, loạn nhịp): xử trí bằng thuốc vận mạch, điều trị nội khoa chuyên khoa tim mạch.

Kết luận

Trí tuệ nhân tạo mang lại những bước tiến lớn trong việc chẩn đoán và cá thể hóa điều trị ung thư phổi cho người cao tuổi. Tuy nhiên, AI chỉ là công cụ hỗ trợ, không thể thay thế hoàn toàn vai trò của bác sĩ trong việc đánh giá tổng thể bệnh nhân. Việc lựa chọn phương pháp điều trị, dù là không phẫu thuật hay phẫu thuật, cần được cân nhắc kỹ lưỡng giữa lợi ích và rủi ro. Bệnh nhân và gia đình nên đến khám trực tiếp tại các cơ sở chuyên khoa để được tư vấn chính xác và an toàn nhất.

Để được chẩn đoán chính xác và xây dựng phác đồ điều trị ung thư phổi tối ưu, quý bệnh nhân cần đến khám trực tiếp với Bác sĩ Trần Quốc Hoài - Trung tâm Lồng ngực - Mạch máu. Việc thăm khám trực tiếp giúp bác sĩ đánh giá toàn diện thể trạng và đưa ra chỉ định can thiệp phù hợp nhất cho từng trường hợp.

Tài liệu tham khảo

• Kim YW, et al. Performance and Utility of the Sybil Deep Learning Model for Lung Cancer Risk Prediction in Asian High- and Low-Risk Populations. (PMID: 42140481).
• Yao L, et al. Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage). (PMID: 41927432).
• Maiter A, et al. Independent Head-to-Head Comparison of Commercial Artificial Intelligence Devices for Lung Cancer Detection on Chest Radiographs. (PMID: 42153831).
• Lee G, et al. Multimodal Assessment of Biological Age Following Radiation Therapy Among Patients With Early-Stage NSCLC. (PMID: 41949867).
• Ding Q, et al. Optimizing Surgery Strategies in Stage IB Lung Squamous Cell Carcinoma: Insights from Interpretable Machine Learning. (PMID: 41943992).
• Woznitza N, et al. AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial. (PMID: 41876649).
• Bani Mohammad I, Ahmad M. Bayesian Model Prediction for Lung Cancer Survival Based on Demographic and Laboratory Results. (PMID: 42047064).