AI trong chẩn đoán hình ảnh: từ cải thiện độ rõ đến thay đổi tư duy y học
Chẩn đoán AI hình ảnh trong y tế là việc dùng thuật toán trí tuệ nhân tạo và máy học để phân tích các dữ liệu X-quang, CT, MRI và siêu âm, nhằm tăng độ rõ của hình ảnh, định lượng tổn thương, giảm nhiễu và hỗ trợ bác sĩ phát hiện bất thường sớm hơn, nhất quán hơn và sát với từng người bệnh. Đây không chỉ là một lớp phần mềm thêm vào máy chụp, mà là sự thay đổi cách chúng ta nhìn vào dữ liệu hình ảnh: từ chẩn đoán dựa nhiều vào kinh nghiệm cá nhân sang quyết định dựa trên dữ liệu, các chỉ số định lượng và hệ thống hỗ trợ.
Điều đáng nói là AI không xuất hiện trong khoảng trống, mà nối tiếp cả một thế hệ công nghệ chụp cắt lớp, cộng hưởng từ, chụp mạch số hóa xóa nền và công nghệ X-quang kỹ thuật số đã phủ rộng trong hệ thống y tế. Khi các nền tảng này đạt đến ngưỡng dữ liệu phong phú, AI trở thành mảnh ghép hợp lý, gần như bắt buộc, để biến dữ liệu thô thành thông tin lâm sàng hữu ích. Vấn đề không còn là “có nên dùng AI hay không”, mà là “dùng thế nào để phục vụ bác sĩ và bệnh nhân tốt nhất”.
Tim mạch, mạch máu và X-quang: AI đang làm rõ những gì mắt người dễ bỏ sót
Ở tuyến đầu điều trị, câu chuyện quan trọng nhất không phải là độ hoành tráng của máy móc, mà là việc người bệnh được hưởng lợi thế nào từ công nghệ mới. Tại một bệnh viện đa khoa ở Quảng Ninh, hệ thống chụp mạch số hóa xóa nền (DSA) tích hợp AI đã được đưa vào sử dụng từ tháng 3/2026 và nhanh chóng chứng minh giá trị thực tế trong chẩn đoán và can thiệp các bệnh lý mạch máu phức tạp. Thuật toán AI giảm nhiễu hình ảnh theo thời gian thực, giúp bác sĩ nhìn rõ các cấu trúc mạch máu nhỏ và thiết bị can thiệp ngay cả khi dùng liều tia thấp, một bước tiến rất “đời thường” nhưng cực kỳ quan trọng.
Điểm thuyết phục ở đây là AI không chỉ làm hình ảnh đẹp hơn, mà làm quyết định lâm sàng chắc chắn hơn. Hệ thống hỗ trợ tái tạo 3D, đo mức độ hẹp, tắc mạch, đánh giá tưới máu não và tim, tạo điều kiện triển khai kỹ thuật lấy huyết khối điều trị đột quỵ thiếu máu não cấp, nút túi phình và dị dạng mạch não, nút mạch cầm máu trong chấn thương tạng hay ho ra máu nặng. Trong bối cảnh bệnh viện đa khoa khu vực Cẩm Phả phải điều trị nội trú khoảng 450–500 người bệnh mỗi ngày, khả năng đọc nhanh và chính xác các phim X-quang cao tần kỹ thuật số thế hệ mới, CT, siêu âm… là điều sống còn. AI đọc phim X-quang phổi, khoanh vùng tổn thương nghi ngờ, giảm mơ hồ trong chẩn đoán, đồng thời giúp bác sĩ trao đổi với người bệnh rõ ràng hơn nhờ hình ảnh đánh dấu trực quan.
Máy học phân tích CT phổi: từ nghiên cứu lâm sàng đến chẩn đoán cá thể hóa
Nếu tuyến điều trị mạch máu cho thấy AI hữu ích ngay trong ca can thiệp, thì lĩnh vực phổi và bệnh mạn tính lại chứng minh một khía cạnh khác: AI đủ nhạy để nhìn thấy những thay đổi tinh tế mà các chỉ số sinh lý cổ điển không phản ánh hết. Trong một thử nghiệm lâm sàng Giai đoạn 2a kéo dài 12 tuần, đánh giá thuốc taladegib ở bệnh nhân xơ phổi vô căn (IPF), phân tích máy học phân tích CT bằng nền tảng 360 e-Lung dựa trên AI đã phát hiện các hiệu quả điều trị đáng kể trên thể tích phổi, gánh nặng bệnh phổi kẽ tổng thể và mức độ xơ hóa. Đây là minh chứng rằng chẩn đoán AI hình ảnh không chỉ hỗ trợ bác sĩ đọc phim, mà còn trở thành điểm cuối khách quan trong nghiên cứu thuốc.
Trong chẩn đoán và theo dõi IPF, dung tích thở cưỡng bức là chỉ số lâm sàng được công nhận, nhưng chính các nhà phát triển thừa nhận nó không phản ánh đầy đủ các thay đổi sinh học có ý nghĩa hoặc cho thấy cơ chế đáp ứng điều trị. Khi nền điều trị nền đã làm chậm lại tốc độ suy giảm chức năng phổi, việc định lượng CT ngày càng nhạy trở thành “đôi mắt thứ hai”, giúp phát hiện các hiệu ứng điều trị tinh tế và hướng việc phát triển thuốc dựa trên dữ liệu nhiều hơn. Một câu trích dẫn đáng chú ý: e-Lung đã được huấn luyện trên các bộ dữ liệu đa dạng và sử dụng trong nhiều thử nghiệm lâm sàng Giai đoạn 2 và 3, khẳng định mức độ kiểm chứng thực địa của nó. Đây là bước đi rõ ràng hướng tới chẩn đoán và điều trị cá thể hóa, nơi hình ảnh định lượng được đặt ngang hàng với các xét nghiệm sinh học truyền thống.
AI và tuyến giáp: xóa nhòa ranh giới mong manh nhưng không xóa vai trò bác sĩ
Trong bệnh lý tuyến giáp, câu chuyện không phải là “nhìn thấy khối u hay không”, mà là “đánh giá đúng bản chất của nó”. Các tổn thương tuyến giáp thường được phát hiện trên siêu âm, nhưng phân loại lành – ác, nhất là với hệ thống TIRADS, vẫn gây tranh cãi vì ranh giới quá mong manh và phụ thuộc nhiều vào kinh nghiệm cá nhân. Khi tỷ lệ bệnh tuyến giáp tăng và trẻ hóa, áp lực lên bác sĩ siêu âm chỉ tăng thêm, trong khi người bệnh lại cần câu trả lời rõ ràng hơn, sớm hơn. Thực tế đã có nhiều trường hợp tổn thương bị đánh giá nguy cơ thấp do hình ảnh chưa đủ rõ, làm lỡ “thời điểm vàng” để can thiệp và tăng nguy cơ tiến triển ác tính.
Ứng dụng AI trong siêu âm tuyến giáp không phải để thay bác sĩ, mà để xóa bớt vùng xám trong đánh giá. Khi được tích hợp bài bản vào quy trình chẩn đoán, trên nền tảng đào tạo chuyên môn vững và dữ liệu chuẩn hóa, AI giúp nâng cao độ chính xác, hạn chế bỏ sót tổn thương sớm và hỗ trợ bác sĩ đưa ra quyết định phù hợp với từng người bệnh. Được phát hiện ở giai đoạn sớm, người bệnh có thể được phẫu thuật nội soi cắt một thùy tuyến giáp, ít xâm lấn, giữ được chức năng tuyến giáp, không cần nạo vét hạch rộng, thậm chí không phải điều trị i-ốt phóng xạ sau mổ. Ngược lại, khi AI giúp định hướng tổn thương lành tính rõ ràng hơn, tỷ lệ chọc hút tế bào, sinh thiết không cần thiết giảm, kéo theo giảm lo lắng và chi phí cho người bệnh. Tuy nhiên, nội dung này đã được thảo luận tại một hội thảo chuyên đề về ứng dụng AI trong sàng lọc ung thư tuyến vú và tuyến giáp, nhấn mạnh rằng AI chỉ hiệu quả khi được đặt trong bối cảnh lâm sàng có kiểm soát.
Từ bệnh viện thông minh đến y học cá thể hóa: AI là công cụ, không phải cứu cánh
Nếu nhìn rộng hơn, những mảnh ghép kể trên – DSA tích hợp AI, công nghệ X-quang kỹ thuật số và CT định lượng, siêu âm tuyến giáp có AI hỗ trợ – đều hướng về một mục tiêu chung: xây dựng hệ sinh thái y tế thông minh nơi dữ liệu hình ảnh không nằm rải rác trong các máy chụp, mà được kết nối thành hồ sơ sức khỏe điện tử cho toàn dân. Trong chiến lược 2025–2030, một ngành y tế địa phương đã đặt mục tiêu đột phá trong chuyển đổi số, triển khai bệnh viện số, khám chữa bệnh từ xa, thanh toán số và đưa AI cùng dữ liệu lớn vào chẩn đoán, điều trị, nghiên cứu và hoạch định chính sách. Mục tiêu cuối cùng được nói rất rõ: từng bước hình thành nền y học thông minh, cá thể hóa, lấy người dân làm trung tâm mọi hoạt động.
Quan điểm cần nhấn mạnh là: AI không phải “cây đũa thần” giải quyết mọi vấn đề y tế, mà là công cụ cần được dùng có trách nhiệm. Những thuật toán đọc X-quang phổi như VUNO, các hệ thống DSA và CT có AI, hay giải pháp e-Lung trong nghiên cứu IPF đều cho thấy một điều: khi AI giảm nhiễu, khoanh vùng tổn thương, định lượng thay đổi cấu trúc, thì bác sĩ có thêm thời gian và dữ liệu để tập trung vào việc tư vấn, ra quyết định, đồng hành với người bệnh. Trong chẩn đoán tuyến giáp, các chuyên gia nhắc đi nhắc lại rằng trí tuệ nhân tạo không thể thay thế vai trò bác sĩ, nhưng đang góp phần tái định hình cách tiếp cận trong chẩn đoán và quản lý bệnh, đẩy y học dịch chuyển từ “điều trị bệnh” sang “quản lý sức khỏe” cá thể hóa. Kết luận hợp lý là: tương lai chẩn đoán AI hình ảnh sẽ không phải cuộc cạnh tranh giữa máy và người, mà là sự cộng tác chặt chẽ, nơi AI làm tốt việc của máy, và bác sĩ làm tốt việc của người.
