Ứng dụng AI cho ung thư tuyến giáp xử lý những khó khăn gì

Hoàng

February 16, 2026

11 phút đọc

Một trong những khó khăn lâm sàng quan trọng nhất trong phẫu thuật ung thư tuyến giáp là đánh giá chính xác trước mổ tình trạng di căn hạch bạch huyết cổ (CLNM – Cervical Lymph Node Metastasis).

Điều này đặc biệt cần thiết ở nhóm bệnh nhân có kết quả hình ảnh học không phát hiện hạch bất thường, hay còn gọi là phân loại cN0.

Kết quả đánh giá này mang tính quyết định rất cao vì nó ảnh hưởng trực tiếp đến việc bệnh nhân sẽ được nạo hạch dự phòng hay chỉ cần phẫu thuật bảo tồn.

Di căn hạch bạch huyết không phải là hiện tượng hiếm gặp trong ung thư tuyến giáp.

Tỷ lệ ước tính dao động từ 30–80% các trường hợp, một khoảng biến thiên rất rộng.

Chính điều này đã cho thấy rõ mức độ khó khăn của dự đoán chính xác trước phẫu thuật.

Vấn đề cốt lõi nằm ở những hạn chế vốn có của siêu âm thông thường, phương pháp chẩn đoán hình ảnh chủ đạo được sử dụng để đánh giá các nhóm hạch bạch huyết vùng cổ.

Siêu âm truyền thống có độ nhạy đặc biệt thấp để phát hiện hạch di căn ở khoang trung tâm, với tỷ lệ phát hiện chỉ đạt khoảng 20–41%.

“Vùng mù” chẩn đoán tạo ra một tình thế tiến thoái lưỡng nan đầy nan giải với hai kịch bản đều không mong muốn.

Một mặt, các hạch di căn ẩn có thể bị bỏ sót hoàn toàn, để lại mô bệnh tồn dư làm tăng nguy cơ tái phát tại chỗ.

Do đó buộc bệnh nhân phải trải qua phẫu thuật lần hai, một thủ thuật có tỷ lệ biến chứng cao hơn đáng kể so với lần mổ đầu tiên.

Mặt khác, sự không chắc chắn có thể khiến phẫu thuật viên quyết định nạo hạch cổ trung tâm dự phòng một cách thường quy.

Vì vậy đẩy những bệnh nhân có thể không hề có di căn vào các rủi ro phẫu thuật không cần thiết.

Đó là tổn thương thần kinh thanh quản quặt ngược gây thay đổi giọng nói hoặc liệt dây thanh và suy tuyến cận giáp dẫn đến hạ canxi máu có thể trở thành vĩnh viễn.

Không kịch bản nào thực sự phục vụ lợi ích tốt nhất cho bệnh nhân và chính sự mâu thuẫn lâm sàng này là điều mà các mô hình dự đoán dựa trên AI đang nỗ lực giải quyết.

Ví dụ: các bệnh viện lớn hàng năm tiếp nhận hàng nghìn ca ung thư tuyến giáp. Với tỷ lệ di căn hạch cao nhưng khả năng phát hiện qua siêu âm lại hạn chế.

Các bác sĩ thường phải đưa ra quyết định dựa trên kinh nghiệm lâm sàng nhiều hơn là bằng chứng hình ảnh rõ ràng.

Đây chính là khoảng trống mà AI có thể lấp đầy.

Các bằng chứng khoa học ủng hộ năng lực của AI trong giải quyết thách thức này rất thuyết phục.

Dữ liệu tổng hợp từ các phân tích gộp (meta-analysis) cho thấy hệ thống AI được huấn luyện trên dữ liệu siêu âm đạt độ nhạy 76% và độ đặc hiệu 78% trong dự đoán CLNM.

Nó vượt trội đáng kể so với kết quả của các bác sĩ chẩn đoán hình ảnh giàu kinh nghiệm khi sử dụng tiêu chí đánh giá thông thường.

Các kiến trúc học sâu (deep learning) thể hiện hiệu suất dự đoán vượt trội so với các phương pháp học máy truyền thống.

Kết quả tích cực nhờ khả năng trích xuất và tích hợp các đặc trưng hình ảnh phức tạp, đa chiều, những đặc trưng mà mắt người không thể nhận biết.

Hơn nữa, các nghiên cứu liên tục chứng minh những mô hình dự đoán mạnh mẽ nhất là các mô hình áp dụng phương pháp đa phương thức (multimodal), kết hợp đặc trưng hình ảnh siêu âm với các biến số lâm sàng như tuổi, giới tính và kích thước khối u nguyên phát.

Tích hợp nhiều nguồn dữ liệu đa dạng này phản ánh tư duy lâm sàng toàn diện vốn là đặc trưng của các chuyên gia y khoa dày dặn kinh nghiệm nhưng thực thi với mức độ nhất quán và khả năng mở rộng mà nhận thức con người khó có thể sánh được.

Bên cạnh đó, các mô hình AI dựa trên CT cũng cho kết quả ấn tượng.

Nó đạt độ nhạy 78% và độ đặc hiệu 89%, cung cấp dữ liệu bổ trợ có giá trị cao, hỗ trợ lập kế hoạch phẫu thuật cá thể hóa.

Từ đó giúp phẫu thuật viên đưa ra quyết định chính xác hơn về phạm vi nạo hạch cổ phù hợp.

Là một trong những giải pháp AI đầu tiên được ứng dụng trong thực hành lâm sàng, Samsung S-Detect đánh dấu bước ngoặt trong cách phần mềm thông minh kết hợp với thiết bị chẩn đoán hình ảnh.

Thay vì hoạt động như một nền tảng riêng biệt đòi hỏi bác sĩ phải xuất hình ảnh ra ngoài rồi thực hiện thêm nhiều bước xử lý, S-Detect vận hành trực tiếp bên trong các hệ thống siêu âm của Samsung như dòng RS85.

Nó đưa ra phân tích ngay tại thời điểm khám mà không làm gián đoạn quy trình quét.

Cách tiếp cận tích hợp này đặc biệt hữu ích tại các phòng khám có lưu lượng bệnh nhân lớn.

Đó là nơi mà mỗi bước thao tác thêm đều đồng nghĩa với thời gian chờ đợi kéo dài và năng suất khám giảm sút.

Hệ thống sử dụng mạng nơ-ron sâu để đánh giá sáu đặc điểm hình ảnh theo chuẩn từ vựng chẩn đoán theo thời gian thực:

• Thành phần cấu trúc.
• Độ hồi âm.
• Hướng phát triển.
• Đặc điểm bờ viền.
• Hình dạng.
• Sự hiện diện của các điểm vôi hóa.

Ngay khi bác sĩ xác định vùng cần quan tâm, S-Detect xử lý đồng thời tất cả các đặc điểm này và đưa ra khuyến nghị nhị phân là “Có thể lành tính” hoặc “Có thể ác tính.

Kết quả đầu ra ngắn gọn này đóng vai trò như một ý kiến tham khảo tức thì, giúp chuẩn hóa quá trình ra quyết định lâm sàng.

Ngoài ra, nền tảng hỗ trợ nhiều hướng dẫn phân loại quốc tế bao gồm ATA, BTA, EU-TIRADS, K-TIRADS và ACR-TIRADS.

Vì vậy đảm bảo báo cáo được thống nhất theo tiêu chuẩn toàn cầu bất kể vị trí địa lý.

Các nghiên cứu lâm sàng cho thấy S-Detect mang lại tác động lớn nhất đối với các bác sĩ ít kinh nghiệm, nâng độ chính xác chẩn đoán của họ từ 77,4% lên mức ấn tượng 89,6%.

Với các chuyên gia giàu kinh nghiệm, công cụ này chủ yếu đóng vai trò cơ chế xác nhận.

Do đó giúp giảm sự khác biệt giữa các bác sĩ khi đọc kết quả nên đảm bảo hai bác sĩ X-quang cùng khám một nhân tuyến giáp sẽ đi đến kết luận nhất quán.

Ví dụ: Tại các bệnh viện tuyến huyện, nơi bác sĩ siêu âm thường phải kiêm nhiệm nhiều chuyên khoa, S-Detect có thể đóng vai trò “người cố vấn số” giúp nâng cao chất lượng chẩn đoán tuyến giáp mà không cần chuyển bệnh nhân lên tuyến trên.

Được phát triển bởi AmCad BioMed tại Đài Loan, AmCAD-UT giải quyết một trong những thách thức dai dẳng nhất của siêu âm: bản chất chủ quan vốn có trong việc đọc hình ảnh.

Hai bác sĩ X-quang giàu kinh nghiệm có thể cùng khám một nhân tuyến giáp nhưng bất đồng về việc nhân đó là giảm âm (hypoechoic) hay đồng âm (isoechoic), bờ viền không đều hay trơn nhẵn.

Đó là những khác biệt ảnh hưởng trực tiếp đến khuyến nghị điều trị.

AmCAD-UT xử lý vấn đề này thông qua chuyển đổi các đặc điểm hình ảnh định tính thành bản đồ định lượng được mã hóa bằng màu sắc khi sử dụng công nghệ phân tích hình ảnh đã được cấp bằng sáng chế.

Phương pháp trực quan hóa biến các mẫu hình ảnh xám trừu tượng thành các lớp phủ màu trực quan, phân định rõ ràng mức độ hồi âm, bất thường bờ viền và các điểm vôi hóa.

Kết quả là một “ngôn ngữ hình ảnh chung” giúp giảm sự mơ hồ và tạo điều kiện cho các cuộc thảo luận lâm sàng hiệu quả hơn giữa các bác sĩ.

Dữ liệu hiệu suất cho thấy phương pháp định lượng tăng độ đặc hiệu lên 55% và độ nhạy lên 30% đối với các bác sĩ X-quang ít kinh nghiệm.

Do đó giảm đáng kể số ca phẫu thuật cắt tuyến giáp không cần thiết đối với nhân lành tính.

Đây là một cải thiện có ý nghĩa giúp bệnh nhân tránh được rủi ro phẫu thuật, thời gian hồi phục và phải dùng hormone thay thế suốt đời.

Nền tảng này cũng nổi bật với sự linh hoạt trong triển khai lâm sàng.

Nó hỗ trợ phân tích cả hình ảnh tĩnh lẫn video quét thời gian thực, tương thích với cả hệ điều hành Windows và Android.

Thiết kế đa nền tảng này giúp AmCAD-UT dễ dàng tiếp cận trong nhiều môi trường lâm sàng khác nhau, từ máy trạm bệnh viện đến cấu hình khám tại chỗ trên máy tính bảng.

Với xuất xứ từ Đài Loan là thị trường có nhiều điểm tương đồng với Việt Nam về cấu trúc hệ thống y tế, AmCAD-UT có lợi thế để thích ứng với các nước Châu Á.

Khả năng chạy trên máy tính bảng Android đặc biệt phù hợp với các phòng khám tư nhân tại Việt Nam, nơi chi phí đầu tư thiết bị luôn là yếu tố cân nhắc hàng đầu.

Với cách tiếp cận khác biệt hoàn toàn so với các đối thủ, MEDO-Thyroid tái định nghĩa chính quy trình thu nhận hình ảnh siêu âm thay vì chỉ phân tích hình ảnh đã chụp theo cách truyền thống.

Siêu âm tuyến giáp thông thường đòi hỏi người thao tác phải chụp các hình ảnh tĩnh với hướng chính xác.

Khi đó phải đáp ứng tiêu chuẩn chất lượng nhất định, một kỹ năng cần đào tạo và kinh nghiệm đáng kể.

MEDO-Thyroid xóa bỏ rào cản này khi chấp nhận các đoạn quét video đơn giản qua vùng tuyến giáp.

Sau đó AI tự động chọn ra những khung hình tối ưu nhất phục vụ phân tích và đo lường.

Cách tiếp cận dựa trên video mang lại tác động sâu rộng đối với khả năng tiếp cận dịch vụ y tế.

Trong các môi trường y tế từ xa, phòng khám vùng nông thôn hoặc những nơi không có kỹ thuật viên siêu âm được đào tạo bài bản, một nhân viên y tế chỉ cần qua huấn luyện siêu âm cơ bản vẫn có thể thực hiện thao tác quét.

Thuật toán của MEDO đảm nhận các nhiệm vụ phức tạp như chọn khung hình, phát hiện nhân và đo lường.

Hệ thống tự động tính toán kích thước thùy tuyến giáp và eo tuyến giáp, xác định vị trí nhân và mô tả đặc điểm phát hiện theo hệ thống phân loại TI-RADS.

Nhờ hạ thấp ngưỡng kỹ năng cần thiết để thực hiện đánh giá tuyến giáp chất lượng, MEDO-Thyroid có tiềm năng mở rộng đáng kể khả năng tầm soát tại các cộng đồng thiếu nguồn lực y tế.

Đó là nơi tình trạng thiếu hụt chuyên gia hiện đang hạn chế việc phát hiện sớm ung thư tuyến giáp.

Ví dụ: Tại các trạm y tế xã vùng núi, nơi bác sĩ chuyên khoa nội tiết gần như không có, MEDO-Thyroid mở ra khả năng tầm soát tuyến giáp qua các chương trình khám sức khỏe lưu động.

Nhân viên y tế chỉ cần quét đầu dò qua cổ bệnh nhân, AI sẽ tự động phân tích và gửi kết quả về bệnh viện tuyến trên để bác sĩ chuyên khoa xem xét từ xa.