Vai trò của máy học trong dự đoán kết quả mổ robot u phổi Vai trò của máy học trong dự đoán kết quả mổ robot u phổi Phẫu thuật ...

Vai trò của máy học trong dự đoán kết quả mổ robot u phổi

Vai trò của máy học trong dự đoán kết quả mổ robot u phổi

Phẫu thuật cắt thùy phổi bằng robot đang ngày càng trở thành phương pháp can thiệp ngoại khoa phổ biến trong điều trị u phổi và ung thư phổi. Sự xuất hiện của khối u trong lồng ngực không chỉ ảnh hưởng nghiêm trọng đến chức năng hô hấp của cơ thể mà còn gây ra áp lực tâm lý nặng nề cho người bệnh và gia đình. Việc lựa chọn phương pháp điều trị tối ưu và tiên lượng chính xác kết quả sau mổ đóng vai trò sống còn trong việc nâng cao chất lượng sống và kéo dài tuổi thọ cho bệnh nhân. Hiện nay, sự phát triển của trí tuệ nhân tạo, đặc biệt là máy học (machine learning), đang mang lại những bước tiến đột phá trong việc tối ưu hóa hiệu quả điều trị phẫu thuật thắt nút thùy phổi.

So sánh các phương pháp điều trị u phổi

Đối với bệnh nhân u phổi, bác sĩ sẽ cân nhắc dựa trên tính chất khối u, giai đoạn bệnh và sức khỏe tổng trạng để đưa ra hướng điều trị phù hợp giữa điều trị không phẫu thuật và điều trị phẫu thuật.

• Điều trị không phẫu thuật: phương pháp này bao gồm hóa trị, xạ trị, điều trị đích hoặc liệu pháp miễn dịch. Biện pháp này thường áp dụng cho các trường hợp u phổi giai đoạn muộn, tế bào ung thư đã di căn xa hoặc người bệnh có quá nhiều bệnh nền nặng không thể chịu đựng một cuộc đại phẫu. Ưu điểm của phương pháp này là tránh được một cuộc phẫu thuật xâm lấn, nhưng nhược điểm là khó loại bỏ hoàn toàn gốc rễ tế bào u và tỷ lệ tái phát thường cao hơn ở các giai đoạn sớm.
• Điều trị phẫu thuật: đây là phương pháp điều trị tận gốc hàng đầu đối với u phổi giai đoạn sớm. Phẫu thuật cắt thùy phổi hoặc cắt bỏ u bằng robot mang lại độ chính xác cực cao, hạn chế tổn thương mô lành xung quanh, giúp giảm đau sau mổ và hỗ trợ người bệnh hồi phục nhanh chóng. Tuy nhiên, phương pháp này đòi hỏi bệnh nhân phải đáp ứng đủ điều kiện sức khỏe để gây mê và trải qua quá trình hậu phẫu.

Bằng chứng từ các nghiên cứu y khoa về máy học trong mổ robot u phổi

Các nghiên cứu khoa học gần đây cho thấy máy học và trí tuệ nhân tạo (AI) đang chuyển đổi mạnh mẽ cách tiếp cận bệnh lý u phổi từ khâu chẩn đoán, lên kế hoạch phẫu thuật đến dự đoán tiên lượng.

Một nghiên cứu phân tích thư mục toàn diện về xu hướng phẫu thuật lồng ngực hỗ trợ bằng robot của Parinaz Mellatdoust và cộng sự công bố năm 2026 (PMID: 41821107) cho thấy sự gia tăng mạnh mẽ các đề tài chuyên sâu về "Phẫu thuật cắt thùy phổi bằng robot" và "Trí tuệ nhân tạo". Nghiên cứu chỉ ra rằng việc tích hợp AI giúp cải thiện đáng kể năng lực kỹ thuật của phẫu thuật viên, tối ưu hóa khâu lựa chọn bệnh nhân, lập kế hoạch trước mổ và hỗ trợ nâng cao hiệu quả phục hồi sau phẫu thuật.

Bên cạnh đó, vai trò của AI và máy học trong cá thể hóa điều trị cũng được khẳng định trong bài tổng quan của Aisha Ijlal và cộng sự năm 2024 (PMID: 40486596). Nghiên cứu nhấn mạnh các thuật toán học sâu và mô hình dự đoán có khả năng nhận diện chính xác các nốt ở phổi, dự đoán mức độ đáp ứng điều trị miễn dịch, giảm thiểu tối đa sai sót chẩn đoán và nâng cao độ chính xác khi robot thực hiện thao tác phẫu thuật. Đồng thời, nghiên cứu của Qin Pei và cộng sự (PMID: 35771735) cũng chứng minh AI giúp nâng cao hiệu suất chẩn đoán u phổi, hỗ trợ bác sĩ đưa ra quyết định điều trị tối ưu và đánh giá chính xác tiên lượng sống còn của người bệnh.

Để tối ưu hóa kế hoạch mổ và tiên lượng, việc xác định chính xác phân nhóm u là vô cùng quan trọng. Nghiên cứu của Chang He và cộng sự (PMID: 35382336) đã ứng dụng thuật toán máy học (VAE) kết hợp phổ Raman để phân loại chính xác các phân nhóm ung thư phổi không tế bào nhỏ ngay ở cấp độ tế bào và mô, giúp bác sĩ lập kế hoạch phẫu thuật chuẩn xác hơn. Ở khía cạnh tiên lượng, mô hình máy học OncoCast-MPM dựa trên dữ liệu giải trình tự gen thế hệ mới được phát triển trong nghiên cứu của Marjorie G Zauderer và cộng sự (PMID: 34332931) đã chứng minh khả năng phân tầng nguy cơ người bệnh chính xác vượt trội so với các hệ thống phân loại giai đoạn bệnh truyền thống. Mô hình này giúp dự đoán chính xác tỷ lệ sống sót sau 3 năm ở nhóm nguy cơ thấp lên đến 40%, so với chỉ 7% ở nhóm nguy cơ cao, hỗ trợ bác sĩ xây dựng chiến lược theo dõi sát sao sau mổ. Khả năng phân tích của máy học còn tiến xa đến mức liên kết các ion lipid đặc trưng của vi khuẩn trong mô u với đặc điểm lâm sàng của người bệnh, như được chứng minh trong nghiên cứu của Liang Shan và cộng sự năm 2024 (PMID: 40560035).

Khi nào nên phẫu thuật u phổi bằng robot

Bệnh nhân u phổi được chỉ định can thiệp điều trị phẫu thuật khi đáp ứng các tiêu chí cụ thể lâm sàng:

• Khối u phổi được xác định ở giai đoạn khu trú (giai đoạn I, II và một số trường hợp giai đoạn IIIa), chưa có dấu hiệu di căn xa đến các cơ quan khác.
• Kết quả đánh giá chức năng hô hấp của người bệnh đảm bảo an toàn, bảo đảm phần phổi còn lại sau khi cắt bỏ thùy u vẫn duy trì đủ chức năng trao đổi khí cho cơ thể.
• Bệnh nhân không có các chống chỉ định về tim mạch nặng, không có rối loạn đông máu nghiêm trọng và đủ sức khỏe để thực hiện gây mê nội khí quản.

Những điều cần biết trước khi phẫu thuật

Quá trình chuẩn bị trước mổ đóng vai trò quyết định đến sự an toàn của cuộc phẫu thuật:

• Bệnh nhân được thực hiện các xét nghiệm chuyên sâu bao gồm chụp cắt lớp vi tính (CT scan) lồng ngực liều thấp, chụp PET-CT, đo chức năng hô hấp, siêu âm tim và các xét nghiệm máu tổng quát.
• Bác sĩ sẽ tư vấn chi tiết về quy trình mổ robot, những lợi ích vượt trội cũng như các rủi ro có thể xảy ra để người bệnh và gia đình nắm rõ.
• Người bệnh được hướng dẫn thực hiện các bài tập tập thở bằng dụng cụ chuyên dụng (spirometry) trước mổ ít nhất vài tuần để tăng cường dung tích phổi.
• Bệnh nhân cần nhịn ăn uống hoàn toàn trước giờ mổ theo đúng khung thời gian bác sĩ gây mê quy định để phòng ngừa nguy cơ trào ngược vào đường thở.

Thời gian nằm viện và phục hồi

Nhờ vào đặc tính ít xâm lấn của công nghệ phẫu thuật robot, thời gian nằm viện của bệnh nhân được rút ngắn đáng kể so với mổ mở truyền thống. Thông thường, bệnh nhân chỉ cần lưu lại theo dõi tại bệnh viện ít nhất 1 đêm tại phòng hồi sức sau khi rút ống dẫn lưu ngực, và tổng thời gian nằm viện trung bình dao động từ 3 đến 5 ngày tùy thuộc vào tốc độ lành vết thương và khả năng tự vận động.

Các biến chứng có thể gặp phải và nguyên tắc xử trí

Dù phẫu thuật robot có độ an toàn và chính xác cao, người bệnh vẫn có thể đối mặt với một số biến chứng sau mổ từ nhẹ đến nặng:

• Rò khí kéo dài: rò rỉ khí từ nhu mô phổi cắt qua ống dẫn lưu kéo dài trên 5 ngày. Nguyên tắc xử trí cơ bản là tiếp tục lưu ống dẫn lưu ngực, hút áp lực âm nhẹ hoặc áp dụng phương pháp gây dính màng phổi nếu cần thiết.
• Xẹp phổi hoặc viêm phổi sau mổ: do bệnh nhân đau nên không dám ho khạc ứ đọng đờm nhớt. Nguyên tắc xử trí cơ bản là tăng cường giảm đau tối ưu, thực hiện vật lý trị liệu hô hấp tích cực, khuyến khích người bệnh vận động sớm và dùng kháng sinh điều trị nếu có tình trạng nhiễm trùng.
• Chảy máu sau mổ: máu chảy từ các mạch máu lớn hoặc diện cắt nhu mô phổi. Nguyên tắc xử trí cơ bản là theo dõi sát lượng máu qua ống dẫn lưu, truyền máu bổ sung và tiến hành phẫu thuật nội soi lại ngay để cầm máu kịp thời nếu lượng máu chảy ra quá nhiều hoặc không có dấu hiệu tự cầm.
• Nhiễm trùng vết mổ hoặc tràn mủ màng phổi: vi khuẩn xâm nhập vào vết rạch da hoặc khoang màng phổi. Nguyên tắc xử trí cơ bản là vệ sinh chăm sóc vết mổ hàng ngày, dùng kháng sinh phổ rộng theo kháng sinh đồ và dẫn lưu sạch mủ ra ngoài.

Kết luận

Ứng dụng máy học và trí tuệ nhân tạo kết hợp với phẫu thuật robot đang mở ra một chương mới trong điều trị u phổi, giúp cá thể hóa phác đồ và nâng cao tối đa tính chính xác của cuộc mổ. Việc lựa chọn phương pháp điều trị phù hợp cần dựa trên sự đánh giá toàn diện của đội ngũ chuyên gia giàu kinh nghiệm. Người bệnh cần đến các cơ sở y tế chuyên khoa sâu để được thăm khám trực tiếp, thực hiện đầy đủ cận lâm sàng nhằm có được phương án điều trị an toàn và mang lại hiệu quả tối ưu nhất.

---

Để có được chẩn đoán chính xác và phương án can thiệp phẫu thuật u phổi bằng công nghệ robot an toàn, người bệnh nên 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 mức độ bệnh lý của từng cá nhân. Từ đó, người bệnh sẽ được tư vấn phác đồ điều trị cá thể hóa dựa trên các bằng chứng y học thực nghiệm chính xác. Bệnh nhân và gia đình không nên tự ý đưa ra quyết định điều trị dựa trên các thông tin chưa được kiểm chứng trên mạng xã hội.

Cảnh báo bảo mật thông tin và mạo danh:

• Bác sĩ Trần Quốc Hoài sẽ không tư vấn phẫu thuật qua điện thoại hoặc tin nhắn cá nhân, không yêu cầu chuyển khoản trước, không hứa "cam kết khỏi 100%", và sẽ chỉ tư vấn phẫu thuật sau khi đã khám và hội chẩn đầy đủ tại bệnh viện với bằng chứng y khoa rõ ràng.
• Bệnh nhân cần cảnh giác với các tài khoản mạo danh, và chỉ nên liên hệ qua số tổng đài chính thức của bệnh viện hoặc đến khám trực tiếp để được tư vấn chính xác và an toàn.
• Bác sĩ Hoài không làm việc một mình mà luôn có sự hỗ trợ của một đội ngũ chuyên gia y tế và nhân viên bệnh viện, và mọi quyết định về điều trị đều dựa trên bằng chứng y khoa và lợi ích tốt nhất cho bệnh nhân.

Tài liệu tham khảo

1. Mellatdoust P, Jain SM, Rashidian P, et al. Robotic-assisted cardiothoracic surgery: a comprehensive bibliometric analysis of trends, innovations, and future directions. J Cardiothorac Surg. 2026. PMID: 41821107.
2. Shan L, Xu X, Huang L, et al. A Novel nor@DHB Matrix for Direct Microbial Analysis in Lung Cancer Tissues. Advanced Science. 2024. PMID: 40560035.
3. Ijlal A, Mumtaz H, Hassan SM, et al. Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery. Ecancermedicalscience. 2024. PMID: 40486596.
4. Pei Q, Luo Y, Chen Y, et al. Artificial intelligence in clinical applications for lung cancer: diagnosis, treatment and prognosis. Journal of Hematology & Oncology. 2022. PMID: 35771735.
5. He C, Zhu S, Wu X, et al. Accurate Tumor Subtype Detection with Raman Spectroscopy via Variational Autoencoder and Machine Learning. Analytical Chemistry. 2022. PMID: 35382336.
6. Zauderer MG, Martin A, Egger J, et al. The use of a next-generation sequencing-derived machine-learning risk-prediction model (OncoCast-MPM) for malignant pleural mesothelioma: a retrospective study. The Lancet Oncology. 2021. PMID: 34332931.