AI trong tái định hình chăm sóc tim mạch

Tại Hội nghị khoa học thường niên năm 2025 do Bệnh viện Nhân dân Gia Định (TP.HCM) tổ chức hôm 2.8, TS-BS Giang Minh Nhật – Phó trưởng khoa Hồi sức tim mạch, Bệnh viện Nhân dân Gia Định – cho biết hình ảnh học tim mạch là mảng có nghiên cứu và ứng dụng AI nhiều nhất, trải rộng từ điện tâm đồ (ECG), siêu âm tim, CT tim, MRI tim, đặc điểm lâm sàng, tiên lượng đến việc ra quyết định lâm sàng…

Phân tích của bác sĩ Nhật cho thấy AI trong ECG có thể dự đoán được rung nhĩ, dự báo HFrEF (suy tim có phân suất tống máu giảm) và dự dự báo hẹp van động mạch chủ; AI trong siêu âm tim giúp nhận diện cấu trúc cơ tim, nhận diện mặt cắt siêu âm, đo đạc tự động, AI hỗ trợ báo cáo và chẩn đoán…

“AI trong siêu âm tim sẽ định lượng siêu âm tự động phân suất tống máu thất trái mà không cần đo thể tích bằng thuật toán học máy mô phỏng chuyên gia”, bác sĩ Nhật nói.

AI trong CT tim giúp cải thiện chất lượng hình ảnh, giảm liều xạ; độ lặp lại cao, cải thiện dự báo kết cục; cải thiện chẩn đoán, hỗ trợ nhận định đặc trưng mảng xơ vữa; cải thiện chất lượng hình ảnh; tiết kiệm thời gian, cải thiện dự báo kết cục; đặc biệt cải thiện chính xác chẩn đoán.

“Chụp động mạch vành CT như một “giải pháp tổng thể” để phát hiện mảng bám nguy cơ cao, và bệnh nhân dễ bị tổn thương. Trong đó, nhận diện đặc trưng mảng xơ vữa, và phân tầng nguy cơ”, bác sĩ Nhật cho biết thêm.

Theo bác sĩ Nhật, hiện nay AI trong MRI tim có một thông số khác cần được lựa chọn thủ công là thời gian đảo ngược (TI) tối ưu, rất cần thiết để ức chế tín hiệu cơ tim bình thường, nhằm đánh giá xơ hóa cơ tim trong chụp cộng hưởng từ tim mạch (CMR), tăng cường gadolinium muộn (LGE).

Một ứng dụng quan trọng khác của AI trong CMR là nâng cao khả năng đánh giá cấu trúc tim, và đặc tính mô. Lĩnh vực này rất quan trọng trong tim mạch lâm sàng, giúp hướng dẫn quản lý bệnh nhân, hỗ trợ chẩn đoán bệnh, đánh giá rủi ro và đưa ra quyết định điều trị.

Riêng AI trong đặc điểm lâm sàng là thuật toán kiểm tra cấu trúc và mật độ tóc, nếp nhăn trên trán, quanh mắt và cằm, để đưa ra phân tích toàn diện về thông tin thu được, liên hệ thông tin đó với kết quả lâm sàng.

Đặc biệt hơn, AI trong quyết định cận lâm sàng. Đây là mô hình song sinh số, tức là bản sao số hóa một cá nhân cùng môi trường của người đó, đã góp phần nâng cao hiệu quả hỗ trợ quyết định lâm sàng và dự báo kết quả trong lĩnh vực tim mạch.

Bác sĩ Nhật cho rằng mặc dù mô hình song sinh số đã được xem là kiến trúc mô phỏng tiên tiến nhất trong lĩnh vực kỹ thuật, nhưng trong y học, đây vẫn là một lĩnh vực đang phát triển. Có nhiều định nghĩa khác nhau về mô hình song sinh số trong chăm sóc sức khỏe. Một số định nghĩa chỉ giới hạn ở việc thu thập dữ liệu “thụ động”, tức là dự đoán trạng thái sức khỏe tương lai dựa trên các mô hình sử dụng lượng lớn dữ liệu hồi cứu.

Ngược lại, mô hình “chủ động” sử dụng phản hồi liên tục từ bệnh nhân, với dòng dữ liệu thời gian thực được cập nhật thường xuyên giúp điều chỉnh dự đoán linh hoạt hơn. Tuy nhiên, phương pháp này gặp nhiều khó khăn do dữ liệu bệnh nhân được thu thập không đồng nhất, mô hình cơ chế bệnh lý còn chưa hoàn thiện, và các yếu tố ngoài sinh học – chẳng hạn như hành vi con người vốn thường không được tích hợp vào mô hình – lại có thể đóng vai trò quan trọng đối với hiệu quả của các can thiệp. Điều này khá khác biệt so với những lĩnh vực như hàng không, nơi các nguyên tắc thiết kế và an toàn đã được thiết lập rõ ràng.