Ứng dụng trí tuệ nhân tạo để dự đoán nguy cơ vỡ túi phình động mạch não

Bs Nguyễn Tấn An - 

Túi phình mạch máu não luôn được ví như một “quả bom nổ chậm”. Việc quyết định khi nào cần phẫu thuật và khi nào chỉ cần theo dõi luôn là thách thức lớn với các bác sĩ. Một nghiên cứu mới ứng dụng trí tuệ nhân tạo đã đưa ra hướng giải quyết rõ ràng và thực tế hơn cho bài toán này.

“Quả bom nổ chậm” và bài toán khó trong lâm sàng

Phình mạch máu não là tình trạng thành mạch trong não bị yếu và phình ra bất thường. Phần lớn các túi phình tồn tại âm thầm, không gây triệu chứng. Tuy nhiên, khi túi phình vỡ, bệnh nhân có thể rơi vào tình trạng nguy hiểm với tỷ lệ tử vong và di chứng rất cao. Khoảng 3% dân số có thể mang túi phình mà không hề biết. Vì vậy, câu hỏi quan trọng nhất trong thực hành là khi nào cần can thiệp, khi nào có thể theo dõi. Bác sĩ luôn phải cân nhắc giữa hai nguy cơ: nguy cơ vỡ nếu không điều trị và nguy cơ biến chứng từ việc can thiệp. Các thang điểm truyền thống như PHASES hay UIATS hỗ trợ đánh giá nhưng chưa phản ánh đầy đủ sự phức tạp của từng trường hợp.

Hiện nay, kỹ thuật mô phỏng động lực học chất lỏng(CFD) cho phép phân tích dòng máu và lực tác động lên thành mạch. Tuy nhiên, lượng dữ liệu tạo ra rất lớn và khó áp dụng trực tiếp trong thực hành hàng ngày.

Ứng dụng trí tuệ nhân tạo để đơn giản hóa vấn đề

Một nghiên cứu do Shrinit Babel và Syed R. H. Peeran thực hiện, công bố trên tạp chí Neurosurgical Focus, đã sử dụng phương pháp học máy kết hợp phân tích SHAP để giải bài toán này. Nhóm nghiên cứu phân tích dữ liệu của 103 túi phình mạch não, bao gồm đặc điểm hình học và cấu trúc. Hệ thống AI không chỉ dự đoán nguy cơ vỡ mà còn tự động phân nhóm các túi phình theo đặc điểm tương đồng. Kết quả cho thấy không phải tất cả các yếu tố đều quan trọng như nhau. Ba yếu tố có giá trị dự đoán mạnh nhất gồm: đường kính mạch máu gốc, góc cổ túi phình, diện tích mặt cắt ngang của túi phình.

Ba nhóm nguy cơ theo phân tích của AI

Dựa trên các yếu tố chính, hệ thống AI chia các túi phình thành ba nhóm với mức độ nguy hiểm khác nhau:

Nhóm Alpha – nguy cơ thấp (tỷ lệ vỡ 4,16%): Các túi phình trong nhóm này thường nằm trên mạch máu có đường kính lớn (trên 3,08 mm). Hình dạng tương đối đều, thon dài và ổn định.

Nhóm Beta – nguy cơ rất cao (tỷ lệ vỡ 100%): Toàn bộ các trường hợp trong nhóm này đều là túi phình đã vỡ. Đặc điểm nổi bật là mạch máu gốc rất nhỏ (≤ 1,65 mm) và hình dạng bất đối xứng, méo mó. Dòng chảy trong mạch nhỏ tạo áp lực lớn và biến động mạnh, làm tăng nguy cơ phá vỡ thành mạch.

Nhóm Gamma – nguy cơ trung gian (tỷ lệ vỡ 45,45%): Nhóm này có đường kính mạch từ 1,65 mm đến 3,08 mm.

Yếu tố quyết định là góc cổ túi phình:

• Góc nhọn (< 90°) → nguy cơ vỡ cao
• Góc rộng → nguy cơ vỡ thấp hơn

Góc hẹp khiến dòng máu đâm trực tiếp vào túi phình, làm tăng áp lực lên thành mạch.

Ý nghĩa thực tiễn

Giá trị quan trọng của nghiên cứu không nằm ở thuật toán phức tạp, mà ở khả năng ứng dụng lâm sàng. Thay vì phải phân tích hàng loạt thông số CFD, bác sĩ có thể tập trung vào một số yếu tố đơn giản như đường kính mạch máu và góc cổ túi phình. Từ đó nhanh chóng đánh giá nguy cơ và đưa ra quyết định điều trị phù hợp. Dù cần thêm nghiên cứu với dữ liệu lớn hơn để hoàn thiện độ chính xác, hướng tiếp cận này cho thấy tiềm năng rõ rệt. Trí tuệ nhân tạo không thay thế bác sĩ mà đóng vai trò như một công cụ hỗ trợ, giúp đưa ra quyết định chính xác và kịp thời hơn.

Tài liệu tham khảo

1. Babel S., Peeran S. R. H. Phenotype-driven risk stratification of cerebral aneurysms using Shapley Additive Explanations–based supervised clustering: a novel approach to rupture prediction. Neurosurgical Focus, 59(1), E3