Luận án Tiến sĩ: Nghiên cứu tổn thương võng mạc và đánh giá phần mềm chẩn đoán bệnh võng mạc đái tháo đường type 2

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ Y TẾ

TRƯỜNG ĐẠI HỌC Y HÀ NỘI

LƯƠNG THỊ HẢI HÀ

NGHIÊN CỨU TỔN THƯƠNG VÕNG MẠC

VÀ ĐÁNH GIÁ PHẦN MỀM CHẨN ĐOÁN BỆNH

VÕNG MẠC ĐÁI THÁO ĐƯỜNG TYPE 2

LUẬN ÁN TIẾN SĨ Y HỌC

HÀ NỘI - 2025

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ Y TẾ

TRƯỜNG ĐẠI HỌC Y HÀ NỘI

LƯƠNG THỊ HẢI HÀ

NGHIÊN CỨU TỔN THƯƠNG VÕNG MẠC

VÀ ĐÁNH GIÁ PHẦN MỀM CHẨN ĐOÁN BỆNH

VÕNG MẠC ĐÁI THÁO ĐƯỜNG TYPE 2

Chuyên ngành : Nhãn khoa

Mã số

: 9720157

LUẬN ÁN TIẾN SĨ Y HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

1. PGS.TS Phạm Trọng Văn

2. TS Nguyễn Văn Huy

HÀ NỘI – 2025

LỜI CẢM ƠN

Với tình cảm chân thành và lòng biết ơn sâu sắc, cho phép em được gửi

lời cảm ơn chân thành nhất tới:

Ban Giám hiệu, Phòng Đào tạo Sau đại học, Bộ môn Mắt - Trường Đại học Y Hà Nội đã quan tâm, giúp đỡ, tạo mọi điều kiện thuận lợi cho em trong suốt quá trình em học tập và tiến hành nghiên cứu để em có thể hoàn thành luận án này.

Đặc biệt, em xin bày tỏ lòng kính trọng và biết ơn sâu sắc tới PGS.TS Phạm Trọng Văn và TS Nguyễn Văn Huy – những người Thầy đã tận tình hướng dẫn, dìu dắt em trong quá trình học tập, thực hành chuyên môn nghề nghiệp và chỉ bảo em giải quyết nhiều khó khăn, vướng mắc trong quá trình thực hiện nghiên cứu, giúp em hoàn thành luận án này.

Em xin chân thành cảm ơn các Thầy Cô trong các Hội đồng và hai nhà khoa học phản biện độc lập. Các Thầy Cô đã nhiệt tình chỉ bảo, giúp đỡ em trong quá trình nghiên cứu và hoàn thành luận án.

Em xin chân thành cảm ơn Ban giám hiệu Trường Đại học Y Dược Thái Nguyên cùng toàn thể các đồng nghiệp công tác tại Khoa Mắt, Phòng khám Đái tháo đường – Bệnh viện Trung Ương Thái Nguyên và Bộ môn Mắt - Trường Đại học Y Dược Thái Nguyên, các anh chị đi trước cùng những bạn bè đồng nghiệp đã quan tâm, giúp đỡ em trong quá trình học tập, nghiên cứu và công tác.

Cuối cùng, với tình cảm thân thương nhất, em xin dành tình yêu thương và lòng biết ơn đến những người thân trong gia đình, bạn bè đã chia sẻ, động viên và là chỗ dựa vững chắc để em thực hiện và hoàn thành luận án.

Hà Nội, ngày … tháng … năm 2025

Tác giả luận án

Lương Thị Hải Hà

LỜI CAM ĐOAN

Tôi là Lương Thị Hải Hà, nghiên cứu sinh khóa 41, chuyên ngành Nhãn

khoa, Trường Đại học Y Hà Nội, xin cam đoan:

1. Đây là luận án do bản thân tôi trực tiếp thực hiện dưới sự hướng

dẫn của PGS.TS. Phạm Trọng Văn và TS. Nguyễn Văn Huy.

2. Công trình này không trùng lặp với bất kỳ nghiên cứu nào khác đã

được công bố tại Việt Nam.

3. Các số liệu và thông tin trong nghiên cứu là chính xác, trung thực

và khách quan, đã được cơ sở nơi nghiên cứu xác nhận.

Tôi xin hoàn toàn chịu trách nhiệm về những cam kết này.

Hà Nội, ngày …. tháng … năm 2025

Người thực hiện

Lương Thị Hải Hà

DANH MỤC CHỮ VIẾT TẮT

ADA: American Diabetes Association (Hiệp hội đái tháo đường Hoa Kỳ)

AI: Artificial Intelligence (trí tuệ nhân tạo)

ĐTĐ: Đái tháo đường

ETDRS: The Early Treatment of Diabetic Retinopathy Study (Nghiên cứu

điều trị sớm bệnh võng mạc đái tháo đường)

HĐ: Hoàng điểm

NVYT: Nhân viên y tế

OCT: Optical Coherence Tomography (chụp cắt lớp võng mạc)

TL: Thị lực

VM: Võng mạc

VM ĐTĐ: Võng mạc đái tháo đường

WHO: World Health Organization (Tổ chức Y tế thế giới)

MỤC LỤC

ĐẶT VẤN ĐỀ.................................................................................................. 1

Chương 1. TỔNG QUAN............................................................................... 3

1.1. Bệnh võng mạc đái tháo đường 3

1.1.1. Đại cương về bệnh đái tháo đường 3

1.1.2. Bệnh võng mạc đái tháo đường 6

1.1.3. Chẩn đoán bệnh võng mạc đái tháo đường trên lâm sàng 19

1.1.4. Một số yếu tố ảnh hưởng tới bệnh võng mạc đái tháo đường 23

1.2. Ứng dụng phần mềm trí tuệ nhân tạo AI trong chẩn đoán bệnh võng

mạc đái tháo đường 26

1.2.1. Giới thiệu về nền tảng công nghệ và ứng dụng phần mềm trí tuệ

nhân tạo trong khoa học và trong y học 26

1.2.2. Nền tảng công nghệ 4.0 và ứng dụng phần mềm trí tuệ nhân tạo

trong hỗ trợ phát hiện nguy cơ và chẩn đoán bệnh võng mạc đái

tháo đường 28

1.2.3. Một số phần mềm trí tuệ nhân tạo được ứng dụng trong chẩn đoán

bệnh võng mạc đái tháo đường 31

1.2.4. Phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán bệnh

võng mạc đái tháo đường 34

1.3. Tình hình nghiên cứu trên thế giới và tại Việt Nam 36

1.3.1. Tình hình nghiên cứu trên thế giới 36

1.3.2. Tình hình nghiên cứu tại Việt Nam 39

Chương 2. ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU..............42

2.1. Đối tượng nghiên cứu 42

2.1.1. Tiêu chuẩn lựa chọn 42

2.1.2. Tiêu chuẩn loại trừ 42

2.2. Phương pháp nghiên cứu 42

2.2.1. Thiết kế nghiên cứu 42

2.2.2. Cỡ mẫu và chọn mẫu 43

2.2.3. Phương tiện nghiên cứu 45

2.2.4. Các bước tiến hành nghiên cứu 46

2.2.5. Các chỉ số và biến số nghiên cứu 58

2.2.6. Các tiêu chuẩn chẩn đoán và phân loại bệnh được sử dụng trong

nghiên cứu 63

2.3. Xử lý và phân tích số liệu 69

2.4. Đạo đức trong nghiên cứu 70

Chương 3.KẾT QUẢ NGHIÊN CỨU......................................................... 71

3.1. Đặc điểm lâm sàng và cận lâm sàng của đối tượng nghiên cứu 71

3.1.1. Đặc điểm về tuổi và giới 71

3.1.2. Đặc điểm về thời gian mắc bệnh đái tháo đường 72

3.1.3. Mức độ kiểm soát glucose huyết của bệnh nhân 72

3.1.4. Mức độ kiểm soát HbA1C của bệnh nhân 73

3.1.5. Đặc điểm mức độ thị lực của bệnh nhân trong nghiên cứu 73

3.1.6. Đặc điểm nhãn áp của bệnh nhân trong nghiên cứu 74

3.1.7. Bệnh lý mắt kèm theo 74

3.1.8. Một số bệnh toàn thân kèm theo 75

3.2. Tổn thương võng mạc do bệnh ĐTĐ gây ra và một số yếu tố liên quan

75

3.2.1. Tỷ lệ tổn thương VM ĐTĐ 75

3.2.2. Các tổn thương trên võng mạc của những mắt có bệnh VM ĐTĐ

76

3.2.3. Giai đoạn tổn thương của bệnh VM ĐTĐ 77

3.2.4. Mức độ thị lực theo thời gian mắc bệnh ĐTĐ 77

3.2.5. Biến chứng bệnh VM ĐTĐ theo thời gian mắc bệnh 78

3.2.6. Biến chứng bệnh VM ĐTĐ theo tuổi và giới 79

3.2.7. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát glucose huyết

80

3.2.8. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát HbA1C 80

3.2.9. So sánh giá trị trung bình glucose huyết và nồng độ HbA1C với

tổn thương VM ĐTĐ 81

3.2.10. Biến chứng bệnh VM ĐTĐ với các bệnh toàn thân khác 82

3.2.11. Mối liên quan giữa một số yếu tố lâm sàng, cận lâm sàng với

nguy cơ tổn thương võng mạc do bệnh đái tháo đường 83

3.3. So sánh kết quả đánh giá tổn thương VM ĐTĐ dựa trên hình ảnh chụp

ảnh màu đáy mắt ở bệnh nhân đái tháo đường type 2 giữa các nhóm

nhân viên y tế khác nhau 85

3.3.1. So sánh kết quả phát hiện các tổn thương trên ảnh màu chụp đáy

mắt giữa NVYT nhóm 1 với Bác sĩ Nhãn khoa 85

3.3.2. So sánh kết quả phát hiện các tổn thương trên ảnh màu chụp đáy

mắt giữa NVYT nhóm 2 với Bác sĩ Nhãn khoa 90

3.4. Đánh giá phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán

bệnh võng mạc đái tháo đường type 2 95

3.4.1. Tổn thương vi mạch 95

3.4.2. Tổn thương xuất tiết 96

3.4.3. Tổn thương xuất huyết 97

3.4.4. Bất thường hoàng điểm 98

3.4.5. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa phần mềm trí tuệ

nhân tạo và Bác sĩ Nhãn khoa 99

3.4.6. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ qua chẩn đoán

của phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa 100

3.4.7. So sánh kết quả chẩn đoán phát hiện các tổn thương tại võng mạc

giữa phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa 101

3.4.8. So sánh kết quả chẩn đoán giai đoạn bệnh VM ĐTĐ giữa phần

mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa 102

3.4.9. Đánh giá tỷ lệ tương đồng giữa chẩn đoán giai đoạn bệnh VM

ĐTĐ của phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa 103

3.4.10. Đánh giá sự ảnh hưởng của mức độ đục thủy tinh thể tới kết quả

chẩn đoán của phần mềm trí tuệ nhân tạo 104

3.4.11. Đánh giá sự ảnh hưởng của mức độ giãn đồng tử tới kết quả chẩn

đoán của phần mềm trí tuệ nhân tạo 104

Chương 4. BÀN LUẬN............................................................................... 105

4.1. Đặc điểm lâm sàng và cận lâm sàng của đối tượng nghiên cứu 105

4.1.1. Đặc điểm về tuổi và giới 105

4.1.2. Đặc điểm về thời gian mắc bệnh 106

4.1.3. Mức độ kiểm soát nồng độ glucose huyết và HbA1C của bệnh

nhân trong nghiên cứu 108

4.1.4. Đặc điểm mức độ thị lực của bệnh nhân trong nghiên cứu 109

4.1.5. Các bệnh lý mắt kèm theo 111

4.2. Phân tích tổn thương võng mạc do bệnh ĐTĐ gây ra trên những bệnh

nhân trong nghiên cứu và đánh giá một số yếu tố liên quan 111

4.2.1. Tỷ lệ tổn thương võng mạc đái tháo đường 111

4.2.2. Các hình thái tổn thương trên võng mạc của bệnh VM ĐTĐ 114

4.2.3. Giai đoạn tổn thương của bệnh VM ĐTĐ 117

4.2.4. Mức độ thị lực theo thời gian mắc bệnh 117

4.2.5. Biến chứng bệnh VM ĐTĐ theo thời gian mắc bệnh 118

4.2.6. Biến chứng bệnh VM ĐTĐ theo tuổi và giới 119

4.2.7. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát nồng độ

glucose huyết và nồng độ HbA1C 120

4.2.8. Biến chứng bệnh VM ĐTĐ với các bệnh toàn thân khác 122

4.2.9. Phân tích hồi quy đơn biến và đa biến một số yếu tố lâm sàng và

cận lâm sàng trong dự đoán biến chứng bệnh võng mạc đái tháo

đường 123

4.3. So sánh kết quả đánh giá tổn thương VM ĐTĐ dựa trên hình ảnh chụp

ảnh màu đáy mắt ở bệnh nhân đái tháo đường type 2 giữa các nhóm

nhân viên y tế khác nhau 124

4.3.1. So sánh kết quả đánh giá các tổn thương vi mạch, xuất tiết, xuất

huyết trên ảnh màu đáy mắt giữa NVYT nhóm 1 với Bác sĩ Nhãn

khoa 124

4.3.2. So sánh kết quả chẩn đoán xác định và phân loại giai đoạn bệnh

VM ĐTĐ giữa NVYT nhóm 1 với Bác sĩ Nhãn khoa 126

4.3.3. So sánh kết quả đánh giá các tổn thương vi mạch, xuất tiết, xuất

huyết trên ảnh màu đáy mắt giữa NVYT nhóm 2 với Bác sĩ Nhãn

khoa 127

4.3.4. So sánh kết quả chẩn đoán xác định và phân loại giai đoạn bệnh

VM ĐTĐ giữa NVYT nhóm 2 với Bác sĩ Nhãn khoa 128

4.4. Đánh giá phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán

bệnh võng mạc đái tháo đường type 2 129

4.4.1. Tổn thương vi mạch 129

4.4.2. Tổn thương xuất huyết võng mạc 130

4.4.3. Tổn thương xuất tiết võng mạc 131

4.4.4. Bất thường vùng hoàng điểm 132

4.4.5. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa phần mềm trí tuệ

nhân tạo với Bác sĩ Nhãn khoa 134

4.4.6. So sánh mức độ đồng thuận trong phân loại giai đoạn bệnh VM

ĐTĐ giữa chẩn đoán của phần mềm trí tuệ nhân tạo với Bác sĩ

Nhãn khoa 137

4.4.7. Đánh giá tỷ lệ tương đồng giữa chẩn đoán của phần mềm trí tuệ

nhân tạo và Bác sĩ Nhãn khoa 138

4.4.8. Đánh giá sự ảnh hưởng của một số yếu tố tới kết quả chẩn đoán

của phần mềm trí tuệ nhân tạo 139

4.4.9. Những lợi ích của việc sử dụng phần mềm trí tuệ nhân tạo AI

trong sàng lọc sớm bệnh VM ĐTĐ 140

KẾT LUẬN.................................................................................................. 143

KIẾN NGHỊ................................................................................................. 146

DANH MỤC CÁC CÔNG TRÌNH NGHIÊN CỨU ĐÃ CÔNG BỐ CÓ

LIÊN QUAN ĐẾN LUẬN ÁN

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC BẢNG

Bảng 2.1. Bảng quy đổi thị lực sang LogMAR...............................................45

Bảng 2.2. Mục tiêu điều trị cho bệnh nhân đái tháo đường ở người trưởng

thành, không có thai...................................................................... 47

Bảng 2.3. Các chỉ số và biến số nghiên cứu....................................................58

Bảng 2.4. Phân loại quốc tế về giai đoạn bệnh võng mạc đái tháo đường và

phù hoàng điểm do đái tháo đường...............................................67

Bảng 2.5. Đánh giá giá trị chẩn đoán của phần mềm trí tuệ nhân tạo.............68

Bảng 2.6. Chỉ số Kappa đánh giá mức độ tương đồng trong chẩn đoán.........69

Bảng 3.1. Đặc điểm bệnh nhân theo nhóm tuổi.............................................. 71

Bảng 3.2. Mức độ kiểm soát glucose huyết của bệnh nhân............................ 72

Bảng 3.3. Mức độ kiểm soát HbA1C của bệnh nhân...................................... 73

Bảng 3.4. Đặc điểm nhãn áp của bệnh nhân trong nghiên cứu....................... 74

Bảng 3.5. Một số bệnh lý mắt kèm theo..........................................................74

Bảng 3.6. Một số bệnh toàn thân kèm theo..................................................... 75

Bảng 3.7. Các hình thái tổn thương trên võng mạc.........................................76

Bảng 3.8. Phân bố giai đoạn bệnh VM ĐTĐ.................................................. 77

Bảng 3.9. Phân bố thị lực theo thời gian mắc bệnh ĐTĐ............................... 77

Bảng 3.10. Biến chứng bệnh VM ĐTĐ theo thời gian mắc bệnh................... 78

Bảng 3.11. Biến chứng bệnh VM ĐTĐ theo nhóm tuổi................................. 79

Bảng 3.12. Biến chứng bệnh VM ĐTĐ theo giới........................................... 79

Bảng 3.13. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát glucose huyết..

80

Bảng 3.14. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát HbA1C........80

Bảng 3.15. So sánh giá trị trung bình giữa HbA1C và nồng độ glucose huyết...

81

Bảng 3.16. Biến chứng bệnh VM ĐTĐ với các bệnh toàn thân..................... 82

Bảng 3.17. Hồi quy đơn biến một số yếu tố lâm sàng, cận lâm sàng liên quan

đến bệnh VMĐTĐ........................................................................ 83

Bảng 3.18. Phân tích đa biến (hồi quy COX) các yếu tố dự báo tổn thương

bệnh võng mạc đái tháo đường..................................................... 84

Bảng 3.19. So sánh kết quả phát hiện tổn thương vi mạch giữa NVYT nhóm 1

và Bác sĩ Nhãn khoa......................................................................85

Bảng 3.20. So sánh kết quả phát hiện tổn thương xuất tiết giữa NVYT nhóm 1

và Bác sĩ Nhãn khoa......................................................................86

Bảng 3.21. So sánh kết quả phát hiện tổn thương xuất huyết giữa NVYT

nhóm 1 và Bác sĩ Nhãn khoa........................................................ 87

Bảng 3.22. So sánh kết quả phát hiện bệnh VM ĐTĐ giữa NVYT nhóm 1 và

Bác sĩ Nhãn khoa.......................................................................... 88

Bảng 3.23. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ giữa NVYT

nhóm 1 và Bác sĩ Nhãn khoa........................................................ 89

Bảng 3.24. So sánh kết quả phát hiện tổn thương vi mạch giữa NVYT nhóm 2

và Bác sĩ Nhãn khoa......................................................................90

Bảng 3.25. So sánh kết quả phát hiện tổn thương xuất tiết giữa NVYT nhóm 2

và Bác sĩ Nhãn khoa......................................................................91

Bảng 3.26. So sánh kết quả phát hiện tổn thương xuất huyết giữa NVYT

nhóm 2 và Bác sĩ Nhãn khoa........................................................ 92

Bảng 3.27. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa NVYT nhóm 2 và

Bác sĩ Nhãn khoa.......................................................................... 93

Bảng 3.28. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ giữa NVYT

nhóm 2 và Bác sĩ Nhãn khoa........................................................ 94

Bảng 3.29. Đánh giá tổn thương vi mạch qua chẩn đoán của AI....................95

Bảng 3.30. Đánh giá tổn thương xuất tiết qua chẩn đoán của AI....................96

Bảng 3.31. Đánh giá tổn thương xuất huyết qua chẩn đoán của AI................97

Bảng 3.32. Đánh giá bất thường hoàng điểm qua chẩn đoán của AI.............. 98

Bảng 3.33. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa phần mềm trí tuệ

nhân tạo và Bác sĩ Nhãn khoa....................................................... 99

Bảng 3.34. Phân loại giai đoạn bệnh VM ĐTĐ qua chẩn đoán của phần mềm

trí tuệ nhân tạo và Bác sĩ Nhãn khoa.......................................... 100

Bảng 3.35. So sánh kết quả phát hiện tổn thương giữa phần mềm trí tuệ nhân

tạo và Bác sĩ Nhãn khoa..............................................................101

Bảng 3.36. So sánh kết quả chẩn đoán giai đoạn bệnh VM ĐTĐ giữa phần

mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa................................. 102

Bảng 3.37. So sánh tỷ lệ tương đồng trong chẩn đoán giai đoạn bệnh VM

ĐTĐ giữa phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa....... 103

Bảng 3.38. Sự ảnh hưởng của mức độ đục thủy tinh thể tới kết quả chẩn đoán

bệnh VM ĐTĐ............................................................................ 104

Bảng 3.39. Sự ảnh hưởng của mức độ giãn đồng tử tới kết quả chẩn đoán

bệnh VM ĐTĐ............................................................................ 104

Bảng 4.1. Tỷ lệ mắc bệnh VM ĐTĐ tại Việt Nam theo các nghiên cứu của các

tác giả trong những năm gần đây................................................ 112

Bảng 4.2. So sánh giá trị chẩn đoán bất thường hoàng điểm của phần mềm trí

tuệ nhân tạo CyberSight AI trong một số nghiên cứu.................132

Bảng 4.3. So sánh giá trị chẩn đoán bệnh VM ĐTĐ của phần mềm trí tuệ

nhân tạo CyberSight AI trong một số nghiên cứu trong và ngoài

nước.............................................................................................135

DANH MỤC BIỂU ĐỒ

Biểu đồ 3.1. Phân bố bệnh nhân theo giới.......................................................71

Biểu đồ 3.2. Phân bố thời gian mắc bệnh ĐTĐ của bệnh nhân...................... 72

Biểu đồ 3.3. Mức độ thị lực của bệnh nhân trong nghiên cứu........................ 73

Biểu đồ 3.4. Tổn thương VM ĐTĐ.................................................................75

DANH MỤC SƠ ĐỒ

Sơ đồ 1.1. Sơ đồ sinh bệnh của bệnh VM ĐTĐ..............................................10

Sơ đồ 1.2. Biến đổi thành mạch trong bệnh VM ĐTĐ....................................11

Sơ đồ 1.3. Thiếu máu võng mạc......................................................................12

Sơ đồ 2.1. Quy trình nghiên cứu..................................................................... 57

DANH MỤC HÌNH

Hình 1.1. Một số biến chứng mạn tính của bệnh ĐTĐ type 2.......................... 4

Hình 1.2. Cấu tạo giải phẫu 10 lớp và hệ mạch võng mạc................................9

Hình 1.3. Tổn thương võng mạc trong bệnh đái tháo đường type 2............... 13

Hình 1.4. Xuất huyết võng mạc trong bệnh đái tháo đường Nguồn: Kanski’s

Clinical Ophthalmology................................................................ 14

Hình 1.5. Hình ảnh tĩnh mạch hình tràng hạt Nguồn: Kanski’s Clinical

Ophthalmology..............................................................................15

Hình 1.6. Hình ảnh tân mạch võng mạc Nguồn: Kanski’s Clinical

Ophthalmology .............................................................................16

Hình 1.7. Hình ảnh VM ĐTĐ giai đoạn chưa tăng sinh................................. 17

Hình 1.8. Hình ảnh VM ĐTĐ giai đoạn tăng sinh.......................................... 18

Hình 1.9. Số lượng nghiên cứu sử dụng công nghệ trí tuệ nhân tạo trong y

khoa trong vòng 20 năm, từ 1999 đến 2018..................................27

Hình 1.10. Minh họa phân loại bệnh VM ĐTĐ sử dụng phần mềm AI .........30

Hình 2.1. Hình ảnh chụp đáy mắt....................................................................50

1

ĐẶT VẤN ĐỀ

Đái tháo đường là một bệnh rối loạn chuyển hóa glucid mạn tính

thường gặp. Theo thống kê của Tổ chức Y tế thế giới tính đến năm 2021 trên

thế giới có 530 triệu người mắc ĐTĐ và ước tính đến năm 2050 con số này sẽ tăng lên 1,3 tỷ người.1 Ở Việt Nam, tỷ lệ gia tăng ĐTĐ lên đến khoảng 7 triệu

người, 50% trong số đó chưa được chẩn đoán và điều trị. Đến năm 2022 tỷ lệ mắc bệnh ĐTĐ trong dân số đã đạt 7,3% so với 5,4% vào năm 2012.2

Bệnh nhân ĐTĐ type 2 nếu không được phát hiện và điều trị kịp thời sẽ

dễ mắc những biến chứng nguy hiểm. Các biến chứng tại mắt trong bệnh

ĐTĐ cũng rất thường gặp và nguy hiểm nhất là biến chứng tại VM dẫn đến suy giảm thị lực hoặc mù lòa.3 Một nghiên cứu vào năm 2013 ở 33 quốc gia

cho thấy tỷ lệ mắc bệnh VM ĐTĐ ở những bệnh nhân mắc ĐTĐ type 2 và

những bệnh nhân mới được phát hiện ĐTĐ type 2 lần lượt là 27,9% và

10,5%. Đáng chú ý hơn là tỷ lệ này cao hơn ở các nước đang phát triển so với các nước phát triển.4

Bệnh VM ĐTĐ là một trong những nguyên nhân hàng đầu gây mất thị

lực trên thế giới. Một phần ba bệnh nhân ĐTĐ có nguy cơ mắc bệnh VM

ĐTĐ tiềm ẩn, điều này sẽ tương đương với khoảng 450 triệu người mắc bệnh VM ĐTĐ vào năm 2050.5-7 Bệnh VM ĐTĐ nếu không được phát hiện và điều

trị kịp thời sẽ gây ra những tổn thương nặng nề ở đáy mắt như: phù hoàng

điểm, tân mạch VM, xuất huyết dịch kính, xuất huyết VM,… dẫn đến tình

trạng mù lòa gây ảnh hưởng nghiêm trọng đến chất lượng cuộc sống của người bệnh.8 Để ứng phó với sự gia tăng nhanh chóng này, các công cụ có khả

năng tham gia vào việc phát hiện sớm bệnh VM ĐTĐ để xử trí kịp thời nhằm

khắc phục và giải quyết nguyên nhân gây mù loà do bệnh gây ra là nhiệm vụ tối quan trọng.9, 10 Tại Việt Nam và nhiều nước đang phát triển, nơi tỷ lệ mắc

bệnh ĐTĐ đang gia tăng, phần lớn bệnh nhân chỉ được tập trung điều trị kiểm

soát đường huyết nhưng lại chưa được sàng lọc một cách có hệ thống các biến

chứng mắt do thiếu bác sĩ Nhãn khoa và nguồn lực hạn chế. Do vậy, nhu cầu

2

về việc phát triển các biện pháp hỗ trợ chẩn đoán sớm bệnh VM ĐTĐ ngày càng cao và cần thiết.11

Trong những năm gần đây, nhiều nghiên cứu trên thế giới đã khám phá

tiềm năng của trí tuệ nhân tạo (AI - Artificial Intelligence) trong y học, bao

gồm chẩn đoán, theo dõi bệnh và đề xuất các hướng điều trị cho nhiều bệnh lý

trên lâm sàng.12-14 Trong chuyên ngành Nhãn khoa, AI đã được chứng minh có

khả năng phát hiện một số bệnh lý như bệnh VM trẻ đẻ non, thoái hóa hoàng

điểm tuổi già, bệnh VM ĐTĐ,…15-17 Mặc dù AI có những lợi ích tiềm năng

trong chẩn đoán bệnh VM ĐTĐ nhưng việc triển khai rộng rãi mô hình sử

dụng AI để phát hiện sớm bệnh VM ĐTĐ còn hạn chế.18, 19 Ngoài ra, các đối

tượng nhân viên y tế khác nhau tham gia vào phát hiện sớm bệnh VM ĐTĐ

để chuyển tuyến bệnh nhân kịp thời cũng chưa được khai thác triệt để mặc dù

vấn đề này cũng đã được một số nghiên cứu trên thế giới chứng minh hiệu

quả chẩn đoán của các nhân viên y tế khác đã qua đào tạo.20-22

Tại Việt Nam, trong vài năm gần đây đã có những nghiên cứu được tiến

hành có sử dụng AI để chẩn đoán bệnh VM ĐTĐ,23-25 tuy nhiên số lượng bệnh

nhân trong một số nghiên cứu còn chưa nhiều, hơn nữa cũng chưa có nghiên

cứu nào có sự tham gia của các nhóm nhân viên y tế khác (Điều dưỡng nhãn

khoa, Bác sĩ Nhãn khoa kinh nghiệm 1 năm, Bác sĩ nội tiết) để phát hiện sớm

bệnh VM ĐTĐ dựa trên hình ảnh màu chụp đáy mắt, do vậy chúng tôi tiến

hành đề tài: “Nghiên cứu tổn thương võng mạc và đánh giá phần mềm

chẩn đoán bệnh võng mạc đái tháo đường type 2” với ba mục tiêu:

1. Phân tích tổn thương võng mạc do bệnh đái tháo đường và xác định một

số yếu tố liên quan.

2. So sánh kết quả đánh giá tổn thương võng mạc đái tháo đường dựa trên

hình ảnh chụp đáy mắt giữa các nhóm nhân viên y tế khác nhau thực hiện.

3. Đánh giá phần mềm chẩn đoán giai đoạn bệnh võng mạc đái tháo đường.

3

Chương 1

TỔNG QUAN

1.1. Bệnh võng mạc đái tháo đường

1.1.1. Đại cương về bệnh đái tháo đường

1.1.1.1. Định nghĩa

Tổ chức Y tế thế giới định nghĩa: “Đái tháo đường là một hội chứng có

đặc tính biểu hiện bằng tăng glucose huyết do hậu quả của việc thiếu hoặc

mất hoàn toàn insulin hoặc là do có liên quan đến sự suy yếu trong bài tiết và

hoạt động của insulin”.26

Hướng dẫn chẩn đoán và điều trị Đái tháo đường của Bộ y tế năm 2020

định nghĩa: “Bệnh đái tháo đường là bệnh rối loạn chuyển hóa, có đặc điểm

tăng glucose huyết mạn tính do khiếm khuyết về tiết insulin, về tác động của

insulin, hoặc cả hai. Tăng glucose mạn tính trong thời gian dài gây nên những

rối loạn chuyển hóa carbohydrate, protide, lipide, gây tổn thương ở nhiều cơ

quan khác nhau, đặc biệt ở tim và mạch máu, thận, mắt, thần kinh”.27

1.1.1.2. Phân loại đái tháo đường

Đái tháo đường được chia làm 4 loại chính:

- Đái tháo đường type 1: Do phá huỷ tế bào beta tuỵ, dẫn đến thiếu

insulin tuyệt đối.27

- Đái tháo đường type 2: do giảm chức năng của tế bào beta tuỵ tiến

triển trên nền tảng đề kháng insulin.27

- Đái tháo đường thai kỳ: là ĐTĐ được chẩn đoán trong 3 tháng giữa

hoặc 3 tháng cuối của thai kỳ và không có bằng chứng về ĐTĐ type 1 hoặc

type 2 trước đó.27

- Thể bệnh chuyên biệt của đái tháo đường do các nguyên nhân khác

như ĐTĐ sơ sinh hoặc ĐTĐ do sử dụng thuốc và hoá chất như sử dụng

glucocorticoid, điều trị HIV/AIDS hoặc sau cấy ghép mô,…27

4

1.1.1.3. Chẩn đoán bệnh đái tháo đường

Dựa theo Hướng dẫn chẩn đoán và điều trị bệnh đái tháo đường type 2

của Bộ Y tế27, dựa vào 1 trong 4 tiêu chuẩn sau:

- Glucose huyết tương lúc đói ≥ 126 mg/dL (hay 7 mmol/L). Bệnh nhân phải nhịn ăn (không được uống nước ngọt, có thể uống nước lọc, nước đun sôi để nguội) ít nhất 8 giờ (thường phải nhịn đói qua đêm từ 8-14 giờ), hoặc:

- Glucose huyết tương ở thời điểm sau 2 giờ làm nghiệm pháp dung nạp

glucose đường uống 75g ≥ 200 mg/dL (hay 11,1 mmol/L).

- HbA1C ≥ 6,5% (48 mmol/mol). - Bệnh nhân có triệu chứng kinh điển của tăng glucose huyết hoặc mức

glucose huyết tương ở thời điểm bất kỳ ≥ 200 mg/dL (hay 11,1 mmol/L). 1.1.1.4. Biến chứng do đái tháo đường gây ra Đái tháo đường type 2 không được chẩn đoán sớm và điều trị kịp thời sẽ dẫn đến nhiều biến chứng nguy hiểm. Biến chứng của bệnh ĐTĐ type 2 thường được phân biệt thành biến chứng cấp tính và biến chứng mạn tính:28

Hình 1.1. Một số biến chứng mạn tính của bệnh ĐTĐ type 2 Nguồn: In the clinic: Type 2 Diabetes29

5

* Một số biến chứng cấp tính của bệnh ĐTĐ type 2, bao gồm:30 - Nhiễm toan ceton và hôn mê do tăng tăng áp lực thẩm thấu - Hôn mê do hạ đường huyết - Tăng đường huyết,… * Biến chứng mạn tính của bệnh ĐTĐ type 2, bao gồm:29 - Biến chứng mạch máu lớn: Là tình trạng tổn thương nghiêm trọng ở tim và mạch máu dẫn tới tăng huyết áp, hẹp động mạch, bệnh lý động mạch vành, đột quỵ,…

- Biến chứng mạch máu nhỏ: Biến chứng này tác động đến tất cả các cơ

quan do tổn thương các mao mạch:

+ Biến chứng mắt: gây đục thủy tinh thể, glôcôm tân mạch, bệnh võng

mạc đái tháo đường.

+ Biến chứng tại thận gây suy thận - Biến chứng thần kinh: Biến chứng thần kinh ngoại vi, tổn thương thần kinh sọ (dây III, IV, VI, VII), tổn thương thần kinh vận động, tổn thương thần kinh tự động. Bệnh gây các rối loạn cảm giác, teo cơ, khó đi lại,…

- Tổn thương chi dưới: Tổn thương từ vùng đầu gối trở xuống gây đau,

rối loạn cảm giác, khô da, hình thành vết chai, vết loét.

- Biến chứng nhiễm trùng: Nhiễm trùng da, niêm mạc, nhiễm trùng hô

hấp, loãng xương, bệnh khớp và tổn thương gan,…

1.1.1.5. Một số biến chứng tại mắt do đái tháo đường

* Đục thể thủy tinh

Đục thể thủy tinh là một trong những biến chứng mắt quan trọng ở

những bệnh nhân đái tháo đường, tỷ lệ đục thể thủy tinh ở những người mắc

đái tháo đường type 2 khoảng 31%.31

Nhiều nghiên cứu đã chỉ ra rằng: Nồng độ đường máu cao, thời gian

mắc bệnh kéo dài trên 5 năm, mức độ ổn định đường máu là các yếu tố nguy

cơ của đục thể thủy tinh do đái tháo đường. Trên lâm sàng các hình thái đục

thể thủy tinh gặp ở bệnh nhân đái tháo đường là: đục nhân, đục dưới bao sau

và đục vỏ.32, 33

6

* Glôcôm tân mạch

Đái tháo đường thường gây tân mạch ở cả hai mắt, trên thực tế lâm

sàng những bệnh nhân đái tháo đường mà có glôcôm tân mạch thì hầu hết các

bệnh nhân này trước đó đều đã có tổn thương võng mạc nặng nề do đái tháo

đường gây ra và bị ảnh hưởng nghiêm trọng về thị giác.34

Glôcôm tân mạch là hình thái glôcôm thứ phát, tác nhân kích thích tạo

ra tân mạch thường là do thiếu máu cục bộ và hay gặp ở những mắt có bệnh

VM ĐTĐ. Các tân mạch này làm cản trở thủy dịch lưu thông, gây nên tình

trạng tăng nhãn áp.35

Nguyên nhân thường gặp nhất của tân mạch mống mắt là bệnh võng

mạc thiếu máu cục bộ nên glôcôm tân mạch có thể được coi là biến chứng của

bệnh võng mạc đái tháo đường và tắc tĩnh mạch trung tâm võng mạc.36

* Liệt vận nhãn

Đái tháo đường thường gây liệt các dây thần kinh III, IV, VI, trong số

đó dây thần kinh số III thường hay gặp nhất, tiếp theo đó là dây thần kinh VI,

ít gặp hơn là dây thần kinh số IV. Các dây này có thể tổn thương đơn độc hoặc

kết hợp với tổn thương nhiều dây thần kinh khác.37

1.1.2. Bệnh võng mạc đái tháo đường

1.1.2.1. Giải phẫu võng mạc và đặc điểm tuần hoàn võng mạc

* Giải phẫu võng mạc

Võng mạc còn được gọi là màng thần kinh cảm thụ ánh sáng, có cấu

trúc nhiều lớp phức tạp, là nơi tiếp nhận các kích thích ánh sáng, từ ngoài vào

trong võng mạc chia làm 10 lớp:38

- Lớp biểu mô sắc tố: Là một lớp tế bào hình lục giác gồm từ khoảng

4-6 triệu tế bào nhưng số lượng thay đổi tùy theo tuổi và vị trí.

- Lớp tế bào quang thụ: Bao gồm hai loại tế bào nón và tế bào que

trong đó có khoảng 100-125 triệu tế bào nón và 6-7 triệu tế bào que.

7

- Lớp màng giới hạn ngoài: Là một màng mỏng do các sợi Muller tạo

thành, chia lớp hạt ngoài thành hai vùng ngoài và vùng trong.

- Lớp hạt ngoài: Là nhân của tế bào nón và tế bào que, dày khoảng

40µm, có hai vùng là vùng ngoài và vùng trong, vùng ngoài có nhân và thân

các tế bào nón, vùng trong do nhân các tế bào que tạo thành.

- Lớp rối ngoài: dày khoảng 20µm, là chỗ nối giữa các tế bào nón, tế

bào que với các tế bào hai cực. Lớp rối ngoài được chia làm 3 vùng: vùng

ngoài, vùng giữa và vùng trong. Vùng ngoài còn gọi là lớp Henle, vùng giữa

có các khớp thần kinh, vùng trong có các đuôi gai của tế bào hai cực.

- Lớp hạt trong: Dày khoảng 30µm, có 4 loại tế bào chính xếp thành 4

lớp: lớp ngoài, lớp trung tâm ngoài, lớp trung tâm trong và lớp trong.

- Lớp rối trong: Dày từ 20-30µm có dạng vân ngang, là vùng gồm các

khớp nối của tế bào Amacrine, tế bào hai cực, tế bào hạch.

- Lớp tế bào hạch: Dày khoảng 40µm chứa các tế bào hạch. Có 3 loại tế

bào hạch: tế bào hạch đơn khớp thần kinh, tế bào hạch xếp tầng, tế bào hạch

tỏa lan.

- Lớp sợi thần kinh thị giác: Hình thành bởi sợi trục của các tế bào

hạch, đi song song với bề mặt võng mạc, phân cách nhau bởi tế bào thần kinh

đệm và tế bào Muller.

- Lớp màng ngăn trong: Là một cấu trúc mỏng không có tế bào, trải dài

từ ora serrata cho đến đĩa thị.

* Tuần hoàn võng mạc

- Động mạch võng mạc: Động mạch trung tâm võng mạc xuất phát từ

động mạch mắt, đi dọc phía ngoài và dưới của thị thần kinh. Cách cực sau

nhãn cầu khoảng 10 mm, nó chui vào lòng và đi dọc theo trục của thị thần

8

kinh, xuyên qua lỗ sàng đến đĩa thị. Khi động mạch trung tâm võng mạc đến

gần đĩa thị thì chia hai nhánh là nhánh động mạch đĩa thị trên và dưới, mỗi

động mạch đĩa thị lại chia thành 2 nhánh là nhánh mũi và nhánh thái dương,

từ đó các nhánh này tiếp tục phân chia đến tận vùng võng mạc chu biên (Ora

serrata). Động mạch trung tâm võng mạc chỉ đảm bảo tưới máu cho hai lớp tế

bào thần kinh ở trong cùng của võng mạc là tế bào hạch và tế bào hai cực.

Lớp tế bào cảm thụ và lớp biểu mô sắc tố cũng như vùng hoàng điểm và vùng

ora serrata nhận được chất dinh dưỡng nhờ sự thẩm thấu từ mạch máu hắc

mạc qua màng bruch.39

- Tĩnh mạch võng mạc: Ở trung tâm võng mạc, tĩnh mạch thường đi

kèm theo đường đi của động mạch võng mạc, đôi khi bắt chéo nhau và phần

lớn tĩnh mạch ở nông hơn động mạch. Các tĩnh mạch nhỏ của võng mạc tập

trung thành 4 nhánh chính, khi gần đến đĩa thị thì hợp thành 2 tĩnh mạch đĩa

thị trên và dưới, cuối cùng đổ vào một thân chung là tĩnh mạch trung tâm

võng mạc. Sau khi qua lỗ sàng của đĩa thị, tĩnh mạch trung tâm võng mạc đi

theo trục thị thần kinh rồi qua khe bướm, đổ vào xoang tĩnh mạch hang.39

- Hệ mao mạch võng mạc: Từ các tiểu động mạch, các mao mạch tách

ra đi sâu vào lớp giữa của võng mạc đến lớp rối ngoài. Ở phần lớn võng mạc,

các mao mạch được xếp thành 2 lớp:39

+ Lớp mao mạch nông: Được xếp thành một mạng ở trong lớp sợi thần

kinh thị giác.

+ Lớp mao mạch sâu: Được xếp dày đặc hơn nằm giữa lớp nhân trong

và lớp rối ngoài.

Giữa hai lớp mao mạch này có các mao mạch nối tiếp nhau.

9

Hình 1.2. Cấu tạo giải phẫu 10 lớp và hệ mạch võng mạc

Nguồn: Basic and Clinical Science Course: Fundametals and principles of

Ophthalmology, section 2 40

1.1.2.2. Cơ chế bệnh sinh tổn thương võng mạc do đái tháo đường

Cơ chế bệnh sinh tổn thương của bệnh võng mạc đái tháo đường cho

đến nay còn nhiều vấn đề chưa biết. Tuy nhiên khi nghiên cứu ở mức độ phân

tử và tổ chức võng mạc đã phần nào mở ra được nhiều vấn đề mới về các quá

trình bệnh sinh. Có 3 thuyết về cơ chế bệnh sinh gây tổn thương võng mạc do

ĐTĐ được đồng thuận nhất hiện nay: Tổn thương thành mạch, rối loạn huyết

động và biến đổi tiểu cầu, trong đó cơ chế tổn thương thành mạch là cơ chế

chính được nhắc đến nhiều nhất. Các yếu tố này cùng với các yếu tố ít quan

trọng khác, phối hợp gây nên những tổn thương lâm sàng của bệnh VM ĐTĐ:

Xuất tiết qua thành mạch bị biến đổi và thiếu máu do biến đổi các mao mạch

và tắc các mao mạch.41

- Tổn thương thành mạch sẽ gây nên: Dày màng đáy, biến đổi kết nối

các tế bào nội mô, biến đổi tế bào ngoại mạch, biến đổi hàng rào máu võng

10

mạc trong.

- Rối loạn huyết động sẽ gây nên: Tăng độ quánh của dòng máu, hồng

cầu khó thay đổi hình dạng, tăng độ kết dính hồng cầu và giảm tiêu sợi fibrin.

- Biến đổi tiểu cầu sẽ gây nên: Tăng độ kết dính và tăng độ kết tập tiểu

cầu.

Tăng đường máu là một rối loạn chuyển hóa đặc hiệu của bệnh đái tháo

đường, dẫn đến tổn thương mạch máu tại khắp nơi trên cơ thể, biểu hiện rõ

nhất là các vi mạch máu, trong đó có các mao mạch võng mạc. Bệnh VM

ĐTĐ là bệnh của hệ thống vi mạch võng mạc (cả mao động mạch và mao tĩnh

mạch). Đặc trưng của các cơ chế tổn thương trong bệnh võng mạc đái tháo

đường là những vi tắc mạch và tăng tính thấm của thành mao mạch, đây là hai

nguyên nhân chính dẫn tới các biến chứng đe dọa thị lực của bệnh nhân.39, 42

11

Sơ đồ 1.1. Sơ đồ sinh bệnh của bệnh VM ĐTĐ

Nguồn: The pathogenesis of diabetic retinopathy41

* Các tổn thương thành mạch

Thành mao mạch bình thường bao gồm: Các tế bào nội mô và các tế

bào bán thành hay tế bào ngoại mạch. Trong bệnh VM ĐTĐ, tế bào nội mô

mất vai trò hình thành hàng rào máu võng mạc, các mao mạch tăng tính thấm,

màng đáy mạch máu bị dày lên và các tế bào ngoại mạch biến đổi.43

Thành mao mạch căng giãn và phồng tạo nên giãn mạch khu trú (hay vi

phình mạch) hoặc/và những biến đổi “dạng chùm hoa” hay “hình xúc xích”.

Giãn thành mạch nhiều hay ít xuất hiện dưới dạng bất thường vi mạch trong

võng mạc (IRMA). Chất dịch rò rỉ qua thành mạch bị biến đổi hình thành phù

nề do tăng tính thấm; sau đó các tổn thương nặng thêm sẽ gây rò rỉ máu và

xuất huyết. Giãn mao mạch tiếp theo làm giảm dòng chảy. Phù hoàng điểm do

ĐTĐ hình thành ở lớp rối ngoài và không có phù nội bào. Các nguyên nhân

phù là ứ trệ, các yếu tố thẩm thấu và thiếu máu.42

Sơ đồ 1.2. Biến đổi thành mạch trong bệnh VM ĐTĐ

12

Nguồn: The pathogenesis of diabetic retinopathy41

* Biến đổi dòng máu và thiếu máu võng mạc

Những biến đổi xảy ra ở cả huyết thanh và hồng cầu. Tốc độ máu lắng

và độ nhớt của máu tăng lên vì gan tăng tổng hợp fibrinogen và alpha2

globulin. Hàm lượng albumin huyết thanh giảm và khả năng tiêu fibrin kém.

Điều này dẫn đến hồng cầu tăng tích tập (hiện tượng vón hồng cầu). Những

biến đổi này có thể gây ra huyết khối lòng mao mạch gây ứ trệ dòng máu và

mao mạch không thấm do tắc mao mạch.

Thiếu máu là do biến đổi chức năng tiểu cầu và biến đổi các tiểu động

mạch gây nên tắc mạch. Những biến đổi dòng máu mô tả trên đây cũng dẫn

đến thiếu máu. Thiếu máu làm tăng sản xuất yếu tố phát triển nội mô mạch

máu (VEGF).42

* Biến đổi tiểu cầu

Có 2 loại biến đổi ảnh hưởng đến chức năng tiểu cầu là: tăng tích tập

tiểu cầu và tăng kết dính tiểu cầu. Đó là do tăng thromboxane A2 và yếu tố

Von Willebrand và giảm protacyclin. Tất cả những điều này dẫn đến tắc mao

mạch tại những vùng không thấm máu và thiếu máu.41

13

Sơ đồ 1.3. Thiếu máu võng mạc

Nguồn: The pathogenesis of diabetic retinopathy41

1.1.2.3. Các tổn thương võng mạc do bệnh đái tháo đường

Bệnh ĐTĐ là bệnh của hệ thống vi mạch võng mạc bao gồm cả mao

động mạch và mao tĩnh mạch. Đặc trưng của các cơ chế tổn thương trong

bệnh VM ĐTĐ là những vi tắc mạch và tăng sinh tính thấm của thành mao

mạch.42

14

Hình 1.3. Tổn thương võng mạc trong bệnh đái tháo đường type 2

(Các tổn thương tại võng mạc có trong hình ảnh trên: 1: Tân mạch đĩa thị,

2: Xuất tiết bông, 3: Xuất tiết cứng, 4: Tăng sinh xơ mạch, 5: Bất thường vi

mạch trong võng mạc, 6: Tắc động mạch, 7: Đám xuất huyết, 8: Tĩnh mạch

hình tràng hạt, 9: Quai tĩnh mạch, 10: Vi phình mạch)

* Vi phình mạch:

Là dấu hiệu lâm sàng đầu tiên có thể phát hiện ra bằng soi đáy mắt,

xuất hiện như những chấm tròn nhỏ, nằm ở lớp hạt trong của võng mạc,

thường xuất hiện ở phía thái dương ngoài hoàng điểm ở giai đoạn sớm. Đây là

triệu chứng đặc trưng của bệnh võng mạc đái tháo đường.39, 42

* Xuất huyết võng mạc:

- Đốm xuất huyết võng mạc: Vị trí thường xuất phát từ tận cùng của

mao tĩnh mạch, chúng kết lại ở lớp hạt trong của võng mạc có hình dạng

chấm, dạng vết hoặc hình ngọn lửa.42

- Những đám xuất huyết màu đen: là hiện tượng nhồi máu võng mạc,

xuất hiện ở lớp sợi thần kinh của võng mạc, tổn thương ở các mạch máu lớn

hơn gây hiện tượng xuất huyết thành từng đám trong bề dày võng mạc khi

phát hiện chúng có những đám màu đen.42

15

* Xuất tiết võng mạc:

- Xuất tiết cứng: là những đám màu vàng nằm sâu, hình thù khác nhau,

ranh giới rõ, thường ở cực sau. Chúng thường sắp xếp theo hình nan hoa tỏa

ra xung quanh vùng phù. Bản chất của xuất tiết cứng là chất lắng đọng

lipoprotein, có nguồn gốc từ huyết tương do quá trình phù võng mạc, hoàng

điểm lâu ngày.42

- Xuất tiết mềm (còn gọi là xuất tiết dạng bông): là do sự tắc nghẽn

mao mạch trong lớp sợi thần kinh thị giác. Sự tắc nghẽn này gây tổn thương

sợi trục thần kinh tạo nên những xuất tiết mềm còn gọi là xuất tiết dạng bông.

Trên lâm sàng đó là những đám trắng mờ ranh giới không rõ, thường nằm ở

chỗ phân nhánh của mạch máu võng mạc. Trên huỳnh quang vùng này thể

hiện không ngấm huỳnh quang (còn gọi là vùng võng mạc thiếu tưới máu).42

Hình 1.4. Xuất huyết võng mạc trong bệnh đái tháo đường

Nguồn: Kanski’s Clinical Ophthalmology44

(Các tổn thương trong hình ảnh trên: 1- Vi phình mạch, 2 – Đám xuất huyết, 3

– Xuất tiết)

* Bất thường tại hoàng điểm:

Tổn thương này bao gồm cả phù hoàng điểm và xuất tiết cứng. Là hiện

16

tượng dày lên ở trung tâm võng mạc. Phù là hậu quả từ những bất thường về

tính thấm của mạch máu võng mạc, nó làm rò một lượng lớn plasma vào

trong lớp sợi thần kinh thị giác. Phù hoàng điểm trong bệnh lý đái tháo đường

thường thấy có tỷ lệ cao ở những bệnh nhân lớn tuổi, ĐTĐ type 2 và là

nguyên nhân chủ yếu dẫn đến giảm thị lực trong bệnh VM ĐTĐ.42

* Tổn thương mạch máu võng mạc:

Tĩnh mạch giãn ra, có hình tràng hạt, động mạch thì có thể hẹp lại,

thậm chí còn bị tắc nghẽn lại, giống như tắc nhánh động mạch, có thể có hiện

tượng “lồng bao”, hoặc có thể thấy bất thường mạch máu võng mạc, thường

biểu hiện là một mạng lưới trong võng mạc ở gần vùng tân mạch, nó là dấu

hiệu của thiếu máu cục bộ tiến triển và có nguy cơ cao sẽ hình thành các tân

mạch trong tương lai.42

Hình 1.5. Hình ảnh tĩnh mạch hình tràng hạt

Nguồn: Kanski’s Clinical Ophthalmology44

* Các tân mạch võng mạc:

Tân mạch võng mạc được coi là tiêu chuẩn hàng đầu của bệnh võng

mạc tăng sinh, tân mạch thường phát triển hướng vào trong, qua màng giới

hạn trong để phát triển dọc theo mặt sau dịch kính hoặc tiến vào trong lớp vỏ

dịch kính. Trên ảnh chụp mạch huỳnh quang, tân mạch võng mạc thể hiện

17

bằng hình ảnh rò huỳnh quang.42

Hình 1.6. Hình ảnh tân mạch võng mạc

Nguồn: Kanski’s Clinical Ophthalmology 44

* Tắc tĩnh mạch võng mạc:

Do sự rối loạn về mạch máu và bất thường các thành phần trong mạch

máu. Trên lâm sàng, bệnh VM ĐTĐ mà có tắc tĩnh mạch võng mạc thì diễn

biến sẽ rất nặng nề. Theo nghiên cứu của Fong D.S, giai đoạn chuyển từ bệnh

VM ĐTĐ chưa tăng sinh sang giai đoạn bệnh VM ĐTĐ tăng sinh sẽ nhanh

gấp 5 lần so với những bệnh nhân bị bệnh VM ĐTĐ mà không có tắc tĩnh

mạch võng mạc.45

1.1.2.4. Các giai đoạn bệnh võng mạc đái tháo đường

Hiện nay có rất nhiều cách để phân loại bệnh VM ĐTĐ, nhưng phân

loại đơn giản được các bác sĩ nhãn khoa lâm sàng sử dụng nhiều nhất là phân

loại theo Hội đái tháo đường Hoa Kỳ (ADA),46 phân loại này chia bệnh VM

ĐTĐ thành 2 nhóm chính là bệnh VM ĐTĐ chưa tăng sinh và VM ĐTĐ tăng

sinh. Phù hoàng điểm có thể gặp ở cả hai hình thái tăng sinh cũng như chưa

tăng sinh. Đáy mắt được phân chia thành 4 góc dựa trên 2 đường kính thẳng

đứng và ngang đi qua gai thị và phân loại này dựa trên tổn thương các góc

khác nhau của đáy mắt.36

* Bệnh VM ĐTĐ giai đoạn chưa tăng sinh

18

- Bệnh VM ĐTĐ chưa tăng sinh nhẹ: Có tối thiểu 1 vi phình mạch và

xuất huyết, không có các tổn thương khác của võng mạc. Hình thái này có

nguy cơ chuyển thành bệnh VM ĐTĐ tăng sinh sau 1 năm là 5%, sau 5 năm

là 18%.47

- Bệnh VM ĐTĐ chưa tăng sinh trung bình: Xuất huyết và vi phình

mạch nhiều hơn, có thêm tổn thương khác như: xuất huyết chấm và đốm, xuất

tiết cứng và/hoặc xuất tiết mềm, tổn thương của tĩnh mạch và bất thường vi

mạch ở trong võng mạc. Hình thái này có nguy cơ chuyển thành bệnh VM

ĐTĐ tăng sinh sau 1 năm là 12%-27% và sau 5 năm là 33%.47

- Bệnh VM ĐTĐ chưa tăng sinh nặng: Tổn thương bệnh VM ĐTĐ

chưa tăng sinh trung bình và có thêm một trong các dấu hiệu sau:

+ Xuất huyết trong võng mạc cả 4 cung phần tư (≥ 20 điểm/ phần tư

võng mạc);

+ Phình tĩnh mạch hình tràng hạt (ở 2 cung phần tư);

+ Bất thường vi mạch trong võng mạc (ở bất kỳ 1 phần tư nào); (quy

luật 4:2:1).

+ Và không có dấu hiệu của bệnh VM ĐTĐ giai đoạn tăng sinh.

Hình thái này có nguy cơ chuyển thành bệnh VM ĐTĐ tăng sinh sau 5

năm là 60%.

Hình 1.7. Hình ảnh VM ĐTĐ giai đoạn chưa tăng sinh

(A: Chụp ảnh màu đáy mắt, B: Chụp mạch huỳnh quang)

Nguồn: Kanski’s Clinical Ophthalmology 44

19

* Bệnh VM ĐTĐ giai đoạn tăng sinh

Chiếm khoảng 20% các trường hợp bệnh VM ĐTĐ. Giai đoạn này

thường diễn biến sau khi bệnh nhân bị bệnh ĐTĐ khoảng 5-10 năm, biểu hiện

rõ nhất là sự xuất hiện các tăng sinh tân mạch và tổ chức xơ trước gai thị hay

võng mạc, có thể chia thành các giai đoạn sau:

- Bệnh VM ĐTĐ tăng sinh sớm: Có tân mạch trước võng mạc dưới ½

diện tích gai thị.

- Bệnh VM ĐTĐ có nguy cơ cao: chia 3 mức độ: vừa, nặng và có biến

chứng.

- Ngoài ra các biến chứng nặng của giai đoạn bệnh VM ĐTĐ tăng sinh:

Bong võng mạc do co kéo, tân mạch mống mắt,…

Hình 1.8. Hình ảnh VM ĐTĐ giai đoạn tăng sinh

Nguồn: Kanski’s Clinical Ophthalmology44

* Bệnh lý hoàng điểm do ĐTĐ: Có thể gặp ở mọi giai đoạn của bệnh VM

ĐTĐ. Vùng hoàng điểm bị phù dày lên, đường kính có thể chiếm 2 lần đường

kính gai thị. Khi hoàng điểm bị phù dày lên và có các dấu hiệu sau gọi là bệnh

lý hoàng điểm đái tháo đường và rất có ý nghĩa trên lâm sàng:

- Phù hoàng điểm dạng nang: phù hoàng điểm gây nên nhiều nang

trong bề dày võng mạc

20

- Bệnh lý hoàng điểm thiếu máu: có sự tăng bất thường của vùng vô

mạch ở trung tâm.

1.1.3. Chẩn đoán bệnh võng mạc đái tháo đường trên lâm sàng

1.1.3.1. Soi đáy mắt và chụp ảnh màu đáy mắt

Việc thăm khám và chẩn đoán sớm những bệnh lý về mắt đóng vai trò

lớn trong việc làm chậm trễ sự phát triển của bệnh cũng như bảo vệ thị lực

cho người bệnh. Soi đáy mắt và chụp ảnh màu đáy mắt là phương pháp vô

cùng hiệu quả giúp bác sĩ đánh giá được những tổn thương nằm phía sau võng

mạc, dịch kính võng mạc của người bệnh.

Ảnh chụp màu đáy mắt có thể cung cấp hình ảnh của võng mạc, mạch

máu võng mạc và đầu dây thần kinh thị giác. Nó cũng có thể chụp được

drusen trong bệnh thoái hóa hoàng điểm thể khô, các xuất huyết bất thường

trên võng mạc, sẹo võng mạc và các khu vực võng mạc bị thoái hóa. Chụp

ảnh màu đáy mắt có thể cung cấp cho bác sĩ nhãn khoa hình ảnh trực quan về

bất kỳ bất thường nào có thể có ở đáy mắt, có thể ứng dụng chẩn đoán bệnh

đáy mắt tại các tuyến y tế cơ sở - nơi chưa có các phương tiện kỹ thuật cao

ứng dụng trong chẩn đoán, điều đó góp phần vào việc chẩn đoán sớm bệnh

VM ĐTĐ để ra quyết định điều trị sớm và giúp cho thị lực của bệnh nhân

không bị giảm sút trầm trọng hơn.

Các lợi ích của việc chụp ảnh màu đáy mắt:

- Đây là một quy trình thăm khám không xâm lấn và chỉ mất một hoặc

hai phút đã giúp bác sĩ nhãn khoa có được hình ảnh trực diện đáy mắt của

bệnh nhân.

- Dễ dàng quan sát được các chi tiết và toàn bộ các lớp trên võng mạc

của bệnh nhân thông qua các hình ảnh chụp đáy mắt.

- Trong một số trường hợp, hình ảnh của một số cấu trúc võng mạc chỉ

có thể nhìn thấy rõ thông qua hình ảnh chụp đáy mắt mà không thể thấy trên

hình ảnh chụp mạch huỳnh quang.

21

- Ảnh chụp cấu trúc đáy mắt có thể cho phép bác sĩ nhãn khoa phát hiện

và theo dõi tiến triển những thay đổi bệnh lý trên võng mạc từ đó đưa ra

phương pháp điều trị phù hợp cho từng bệnh nhân.

- Chụp ảnh đáy mắt cho phép chẩn đoán sớm và chính xác, đặc biệt là

những thay đổi trên mắt của bệnh nhân đái tháo đường và tăng huyết áp, đây

là những yếu tố cần thiết để điều trị kịp thời và cải thiện kết quả điều trị bệnh

cho bệnh nhân.

- Võng mạc được chụp để lưu lại các tình trạng bệnh như trong bệnh

võng mạc đái tháo đường, thoái hóa hoàng điểm tuổi già, phù hoàng điểm và

bong võng mạc. Bác sĩ có thể theo dõi tiến triển bệnh cũng như hiệu quả của

phương pháp điều trị có phù hợp với người bệnh hay không.

Ngoài ra, soi đáy mắt và chụp ảnh màu đáy mắt cũng có thể phát hiện

vùng hoàng điểm phù trong bệnh VM ĐTĐ, trong đó thì hoàng điểm có màu

trắng nhạt do giảm độ trong suốt, lớp hắc mạc phía dưới kém hồng hơn. Khi

phù ở sâu võng mạc trắng đục hơn. Khi có phù hoàng điểm dạng nang, tổn

thương có dạng hình sao hoặc hình tổ ong nằm trong lớp võng mạc ở hố

hoàng điểm hoặc cạnh hố hoàng điểm. Quan sát đáy mắt qua sinh hiển vi thấy

võng mạc phù dày và mất ánh trung tâm hoàng điểm. Khi phù hoàng điểm lâu

ngày có thể có xuất tiết cứng, điển hình là xuất tiết cứng hình sao tạo thành

hình ảnh sao hoàng điểm.

1.1.3.2. Chụp mạch huỳnh quang

Chụp mạch huỳnh quang võng mạc hiện nay là phương pháp cần thiết

để phân tích bệnh VM ĐTĐ, tiến triển của bệnh và thái độ điều trị.

Chụp mạch huỳnh quang cần làm kèm theo với chụp OCT (Optical

Coherence Tomography – chụp cắt lớp võng mạc) và trong tương lai OCT có

thể thay thế phương pháp này. Hiện nay chụp mạch OCT không tiêm thuốc có

thể bổ sung chụp mạch huỳnh quang.

22

Chụp mạch huỳnh quang cho phép:

- Phân tích một cách chính xác bất thường võng mạc và ý nghĩa của các

bất thường đó.

- Phân biệt giữa phù nề và tổn thương võng mạc: Bất thường tính thấm

thành mạch, bất thường tưới máu và những vùng thiếu máu võng mạc, giãn

phình mạch và bất thường vi mạch trong võng mạc, tăng sinh tân mạch và tổ

chức thần kinh đệm.

- Xác định nguyên nhân mất thị lực.

- Xác định tình trạng võng mạc tại một thời điểm và theo dõi tiến triển.

- Đánh giá nguy cơ phù nề và tân mạch võng mạc.

- Xác định nhu cầu điều trị laze hay thuốc chống tân mạch.

- Xác định nhu cầu cần điều trị laze.

- Xác định diện võng mạc cần điều trị.

- Xác định hiệu quả điều trị.

- Xác định nhu cầu điều trị lại.

Chụp mạch huỳnh quang có ý nghĩa với:

- Bác sĩ mắt để có thể theo dõi tiến triển và xác định hiệu quả điều trị.

- Bác sĩ nội tiết theo dõi mức độ kiểm soát đường huyết.

- Bệnh nhân lưu giữ hồ sơ cẩn thận để theo dõi tiến triển của bệnh.

Chụp mạch huỳnh quang tốt cần chụp nhiều ảnh từ giai đoạn sớm đến

giai đoạn muộn, chụp ảnh hậu cực và tái tạo lại hình ảnh võng mạc chu biên.

1.1.3.3. Chụp cắt lớp võng mạc (OCT)

Chụp cắt lớp võng mạc (OCT) cho phép hiểu rõ hơn về bệnh VM ĐTĐ,

giúp bác sĩ lâm sàng ra chỉ định điều trị chống tăng sinh tân mạch, laze và

phẫu thuật. Điều quan trọng là không phải các chỉ định chụp OCT đều trùng

hợp với chỉ định chụp mạch. OCT là chỉ định bắt buộc để nghiên cứu tiến

23

triển, tiên lượng và điều trị bệnh, một số trường hợp có phù võng mạc và để

theo dõi tiến triển của bệnh. OCT có thể thay thế chụp mạch huỳnh quang vì

nó cho phép xác định tổn thương và định lượng tổn thương tốt hơn. Khám

võng mạc trong bệnh đái tháo đường bằng chụp OCT cho phép làm rõ hình

ảnh các lớp võng mạc với mức độ chính xác tương đồng với cắt mô học, cho

phép nghiên cứu sâu về bệnh VM ĐTĐ.

Chụp cắt lớp võng mạc sẽ cho phép bác sĩ lâm sàng:

- Xác định nguyên nhân giảm thị lực.

- Đánh giá nhanh về tình trạng võng mạc ở một thời điểm xác định và

theo dõi tiến triển.

- Đánh giá phù võng mạc.

- Định lượng phù, đo độ dày và thể tích võng mạc.

- Xác định vùng cần được điều trị dựa trên hình ảnh OCT trực diện.

- Kiểm soát hiệu quả điều trị.

- Quyết định phẫu thuật dịch kính võng mạc.

- Theo dõi sau mổ.

- Đánh giá hiệu quả của tiêm nội nhãn.

1.1.3.4. Chụp mạch máu võng mạc OCT (Optical Coherence Tomography)

Chụp mạch OCT là một phương pháp chẩn đoán hình ảnh mới nhằm

phân tích với độ phân giải cao hệ tuần hoàn hắc võng mạc mà không cần tiêm

thuốc cản quang. Kỹ thuật này không xâm lấn, không giống như chụp mạch

huỳnh quang hiện vẫn được coi là tiêu chuẩn vàng để chẩn đoán bệnh lý mạch

máu võng mạc.48, 49 Chụp mạch OCT có thể phát hiện dòng chảy mạch máu ở

bất kì thời điểm nào và không cần tiêm thuốc cản quang. Chụp mạch OCT

cho phép quan sát dòng máu chảy một cách chính xác. Phương pháp này cho

phép quan sát các mạch máu, tuy nhiên cần có kiến thức về phương pháp chẩn

24

đoán và xác định các tổn thương mạch máu. Chụp mạch OCT có thể thực hiện

hằng ngày mà không cần tiêm thuốc cản quang. Thông tin thu thập được cần

được phân tích và so sánh với chụp mạch huỳnh quang. Chụp mạch huỳnh

quang và chụp mạch Indocyalin cho phép quan sát hệ mạch hắc võng mạc sau

khi tiêm thuốc. Chụp mạch OCT cho thấy hệ mạch máu dựa trên nguyên tắc

phân tích dòng máu chảy. Kỹ thuật này có thể được sử dụng để chẩn đoán và

theo dõi nhiều bệnh lý võng mạc.49

1.1.4. Một số yếu tố ảnh hưởng tới bệnh võng mạc đái tháo đường

1.1.4.1. Mức độ kiểm soát đường huyết

Kiểm soát đường huyết không tốt và không đầy đủ là một trong những

yếu tố nguy cơ quan trọng của bệnh VM ĐTĐ, kiểm soát đường huyết tốt

được coi là biện pháp hiệu quả nhất để ngăn ngừa các biến chứng của bệnh.50

Trong đó dấu hiệu quan trọng để đánh giá kiểm soát đường huyết là mức độ

kiểm soát nồng độ HbA1C. Nồng độ HbA1C tăng khi tăng đường huyết mạn

tính liên quan đến tình trạng chuyển hóa và phản ánh mức đường huyết trong

8-12 tuần trước khi đo. Phân tích nồng độ HbA1C trong máu cung cấp bằng

chứng về mức độ glucose trung bình của bệnh nhân trong 2 đến 3 tháng trước

đó, đây là thời gian bán huỷ của các tế bào hồng cầu.51 HbA1C được khuyến

nghị làm tiêu chuẩn để theo dõi bệnh nhân ĐTĐ, đặc biệt là ĐTĐ type 2.52

Hiệp hội Đái tháo đường Hoa Kỳ (ADA) gần đây đã khuyến nghị lấy tiêu

chuẩn nồng độ HbA1C ≥ 6,5% để chẩn đoán xác định bệnh ĐTĐ thay thế cho

tiêu chuẩn dựa trên nồng độ glucose huyết tương lúc đói ≥ 7,0 mmol/L.53

Một số nghiên cứu đã báo cáo rằng, kiểm soát đường huyết tốt có thể là

do bệnh nhân được tiếp xúc sớm với các dịch vụ chăm sóc y tế ban đầu, hoặc

do trình độ hiểu biết tốt hơn, có bảo hiểm y tế và bệnh nhân được theo dõi,

25

điều trị một cách nhất quán trong việc đánh giá và kiểm soát đường huyết.54, 55

Hơn nữa, các nghiên cứu trên thế giới đã chứng minh rằng mức độ kiểm soát

đường huyết có liên quan đến nhiều yếu tố khác như tuổi, giới tính, thời gian

mắc bệnh ĐTĐ, phương pháp điều trị, chỉ số khối cơ thể (BMI), glucose

huyết tương lúc đói, tình trạng rối loạn lipid, trình độ học vấn, nghề nghiệp,

sự tuân thủ dùng thuốc, có bệnh kèm theo hay không, khả năng tự chăm sóc

bản thân, các vấn đề về sức khoẻ tâm thần và tâm lý xã hội,…56-58

Nhiều nghiên cứu cho thấy người bệnh ĐTĐ điều chỉnh đường huyết

tốt thì khả năng dẫn tới biến chứng bệnh VM ĐTĐ sẽ thấp hơn và thời gian bị

bệnh VM ĐTĐ giai đoạn nhẹ sẽ kéo dài hơn so với những người điều chỉnh

kém.5, 47 Như vậy, kiểm soát đường huyết tốt là cách tốt nhất để kiểm soát

nguy cơ mắc bệnh VM ĐTĐ, điều đó có nghĩa là nồng độ glucose trong máu

luôn phải trong giới hạn bình thường và được kiểm soát tốt.

HbA1C đã được xem như tiêu chuẩn vàng trong việc đánh giá kiểm

soát đường huyết và việc cải thiện nồng độ HbA1C giúp giảm đáng kể nguy

cơ biến chứng mạch máu nhỏ trên bệnh nhân ĐTĐ type 2. Tuy nhiên, nồng độ

HbA1C không đáng tin cậy ở những bệnh nhân thiếu máu, bệnh hemoglobin

hoặc thiếu sắt ở những bệnh nhân có thai, đặc biệt HbA1C chỉ cung cấp mức

glucose trung bình trong 2-3 tháng trước đó và không phản ánh các mức độ

kiểm soát glucose huyết riêng lẻ trên từng đối tượng bệnh nhân.59 Ngoài việc

kiểm soát nồng độ glucose huyết và nồng độ HbA1C ra thì sự ra đời của việc

theo dõi liên tục nồng độ glucose (CGM) và Time in range (TIR – Ngưỡng

thời gian) đã cung cấp những thông tin có giá trị hơn so với việc theo dõi

nồng độ HbA1C.60 Một nghiên cứu gần đây về việc theo dõi nồng độ glucose

huyết liên tục trong ngày và TIR để đánh giá tình trạng kiểm soát glucose

26

huyết của bệnh nhân đái tháo đường đã đưa ra khuyến nghị rằng TIR nên

được sử dụng làm số liệu chính của kiểm soát đường huyết trong các thử

nghiệm lâm sàng.59 Một nghiên cứu tại Trung Quốc trên 3262 bệnh nhân ĐTĐ

type 2 đã báo cáo rằng TIR có mối liên quan đáng kể với tỷ lệ mắc bệnh VM

ĐTĐ và mức độ nghiêm trọng của bệnh.60

1.1.4.2. Type bệnh đái tháo đường và thời gian mắc bệnh

Những người mắc ĐTĐ type 1 hoặc type 2 đều có nguy cơ phát triển

bệnh VM ĐTĐ. Thời gian mắc ĐTĐ càng lâu càng có nguy cơ mắc bệnh VM

ĐTĐ, đặc biệt nếu kiểm soát bệnh ĐTĐ kém.5 Sau 5 năm, khoảng 25% người

bệnh ĐTĐ type 1 có biến chứng võng mạc, sau 10 năm là gần 60% và sau 15

năm con số lên đến 80%.61 Sau 20 năm, những dấu hiệu của bệnh VM ĐTĐ

xuất hiện ở gần như toàn bộ những người mắc bệnh ĐTĐ type 1 và gần 80%

người bệnh ĐTĐ type 2.62 Trong một nghiên cứu quy mô lớn theo dõi dọc kéo

dài 14 năm của tác giả Klein và cs trên 634 người bệnh ĐTĐ đang được điều

trị bằng insulin, tác giả đã báo cáo rằng tỷ lệ tiến triển thành bệnh VM ĐTĐ

trong 14 năm là 86%, tiến triển thành bệnh VM ĐTĐ tăng sinh là 37% và phù

hoàng điểm là 26%, tỷ lệ mắc mới phù hoàng điểm trong khoảng thời gian 10

năm là 20,1% ở người bệnh ĐTĐ type 1, 25,4% ở người bệnh ĐTĐ type 2

phụ thuộc insulin và 13,9% ở người bệnh ĐTĐ type 2 không phụ thuộc

insulin.62 Nghiên cứu này cũng chứng minh được rằng nồng độ HbA1C cao

và mức huyết áp tâm trương cao cũng làm cho nguy cơ mắc bệnh VM ĐTĐ

tăng sinh và phù hoàng điểm nghiêm trọng hơn.62

Trong một nghiên cứu khác của tác giả Klein và cộng sự cũng báo cáo

rằng bệnh VM ĐTĐ tăng sinh có thể xảy ra ở người bệnh ĐTĐ type 1 lên đến

50% và ở khoảng 10% người bệnh ĐTĐ type 2 trong vòng 15 năm.61

27

1.1.4.3. Các bệnh toàn thân khác kèm theo

- Tăng huyết áp: Một yếu tố nguy cơ của bệnh VM ĐTĐ là tăng huyết

áp mạn tính. Tăng huyết áp làm tăng tính thấm thành mạch trên những mạch

máu đã bị tổn hại do đái tháo đường, dẫn đến xuất huyết võng mạc và phù

hoàng điểm. Bên cạnh đó tăng tính thấm thành mạch có thể gây tắc nghẽn

mạch, dẫn đến thiếu máu cục bộ, ảnh hưởng tuần hoàn đến và đi từ mắt.5

Theo Diana V Do và cs, người bệnh ĐTĐ được kiểm soát tốt huyết áp sẽ ngăn

ngừa tiến triển bệnh VM ĐTĐ lên đến 4-5 năm.63 Do đó, kiểm soát tốt huyết

áp sẽ làm giảm nguy cơ tiến triển nặng của bệnh VM ĐTĐ.5

- Rối loạn lipid máu: Các xét nghiệm lipid máu cần làm và theo dõi

định kỳ cho bệnh nhân ĐTĐ type 2 gồm: cholesterol huyết thanh toàn phần,

lipoprotein huyết thanh trọng lượng phân tử thấp (LDL), lipoprotein huyết

thanh trọng lượng phân tử cao (HDL) và triglyceride. Tăng đường máu là một

yếu tố nguy cơ của rối loạn chuyển hoá lipid máu vì triglyceride có thể được

tổng hợp nhờ sự trùng hợp của glucose. Rối loạn lipid máu mạn tính có thể

hình thành mảng xơ vữa gây bít tắc các mạch máu võng mạc, dẫn đến võng

mạc thiếu oxy và thiếu máu. Hơn nữa, tăng lipid máu còn gây ra rối loạn chức

năng nội mô qua phản ứng viêm tại chỗ như tăng điều chỉnh cytokine và

VEGF (vascular endothelial growth factor), từ đó gây tổn hại hàng rào máu

võng mạc và tăng tính thấm thành mạch.64

1.2. Ứng dụng phần mềm trí tuệ nhân tạo AI trong chẩn đoán bệnh võng

mạc đái tháo đường

1.2.1. Giới thiệu về nền tảng công nghệ và ứng dụng phần mềm trí tuệ

nhân tạo trong khoa học và trong y học

Trong lĩnh vực y khoa, ứng dụng trí tuệ nhân tạo đã và đang là xu

28

hướng tiến bộ và ngày càng mở rộng trong nghiên cứu và thực hành, ngày

càng nhiều các công trình nghiên cứu ứng dụng trí tuệ nhân tạo trong việc hỗ

65-67

trợ các bác sỹ chẩn đoán/dự đoán các trường hợp có khả năng nhiễm bệnh.12,

Hình 1.9. Số lượng nghiên cứu sử dụng công nghệ trí tuệ nhân tạo trong y

khoa trong vòng 20 năm, từ 1999 đến 2018

Nguồn: Artificial Intelligence in Healthcare 68

Trí tuệ nhân tạo AI hỗ trợ các y bác sỹ có thể tiến hành chẩn đoán sớm

và chính xác đối với nhiều loại bệnh khác nhau.69 Một trong những ứng dụng

nổi bật là việc áp dụng AI trong phân tích biểu diễn gen, một trong những

công cụ quan trọng trong việc chuẩn đoán bệnh.70 Trong một nghiên cứu

khác, các tác giả phân loại các microarray ung thư nhằm phát hiện các trường

hợp ung thư sớm.71 Ngoài việc hỗ trợ chẩn đoán bệnh, AI còn giúp dự đoán

hiệu quả chữa trị cho các bệnh nhân ung thư, ví dụ như đối với bệnh ung thư

đại tràng.72 Có thể thấy việc ứng dụng AI vào chẩn đoán bệnh vẫn là một

hướng nghiên cứu mở và nhiều triển vọng phát triển trong tương lai.

Trong những năm gần đây, AI đã được công nhận là một trong những

29

kỹ thuật quan trọng để xây dựng một hệ thống dự đoán, chẩn đoán chính xác

và đáng tin cậy.73 AI cũng có thể đóng vai trò quan trọng trong các chẩn đoán

sử dụng ảnh y sinh học. AI đã được sử dụng trong các bài toán khác nhau như

phân đoạn hình ảnh, phân tích ảnh đa chiều, phân tích hình ảnh nhiệt với vai

trò nâng cao chất lượng hình ảnh cũng như cải thiện khả năng chẩn đoán.12

Ngoài các ứng dụng trên, AI còn được sử dụng nhằm nâng cao độ

chính xác của việc chẩn đoán bệnh cũng như hỗ trợ quản lý dịch bệnh, góp

phần thay thế một phần sức lao động của con người. Ví dụ, AI đã được sử

dụng trong quản lý và điều trị bệnh ung thư, hỗ trợ chẩn đoán và quản lý các

bệnh tim mạch, đồng thời AI cũng trợ giúp các y bác sĩ đưa ra quyết định

trong quá trình chẩn đoán. Các ứng dụng kể trên đã chứng minh rằng AI có

thể là một công cụ mạnh mẽ đưa ra những chẩn đoán sớm và chính xác, đồng

thời có thể hỗ trợ quản lý, và thậm chí dự đoán các bệnh và tình trạng bệnh

nhân.12, 74

1.2.2. Nền tảng công nghệ 4.0 và ứng dụng phần mềm trí tuệ nhân tạo

trong hỗ trợ phát hiện nguy cơ và chẩn đoán bệnh võng mạc đái tháo

đường

Trong những năm gần đây, bệnh VM ĐTĐ đang có xu hướng gia tăng

cùng với số lượng bệnh nhân mắc bệnh đái tháo đường gia tăng nhanh chóng.

Trong số những bệnh nhân mắc bệnh đái tháo đường sẽ có khoảng 35% bệnh

nhân có nguy cơ phát triển bệnh võng mạc do đái tháo đường, với hơn 10%

có nguy cơ bị bệnh võng mạc đái tháo đường tăng sinh đe dọa thị lực nghiêm

trọng hơn cho bệnh nhân.37, 75

Mặc dù đại đa số bệnh nhân đái tháo đường khi được hỏi đều cho biết

rất lo sợ việc mất thị lực do đái tháo đường gây ra nhưng việc kiểm tra thị lực

hàng năm theo khuyến cáo lại hiếm khi hoàn thành. Một nghiên cứu tổng

quan do Tổ chức y tế thế giới tiến hành vào năm 2021 đã báo cáo rằng có tới

30

21% bệnh nhân mắc bệnh đái tháo đường trên toàn thế giới chưa bao giờ

khám sàng lọc bệnh võng mạc đái tháo đường.76 Ở Mỹ, chỉ có khoảng 60%

bệnh nhân đái tháo đường đi khám mắt định kỳ hàng năm.77

Những tiến bộ gần đây trong phát hiện bệnh võng mạc đái tháo đường

tự động sử dụng hệ thống trí tuệ nhân tạo (AI) cung cấp cho bệnh nhân nhiều

cơ hội được chăm sóc hơn, cải thiện khả năng tiếp cận của bệnh nhân để được

khám và xác định bệnh nhân cần chuyển tuyến chuyên khoa hay không.

Ngoài việc cung cấp kết quả khám và phát hiện bệnh võng mạc đái tháo

đường, hệ thống trí tuệ nhân tạo AI còn theo dõi tiến triển của bệnh theo thời

gian. Hệ thống phần mềm trí tuệ nhân tạo AI giúp tầm soát bệnh võng mạc đái

tháo đường tại các phòng khám mắt và phòng khám bệnh đái tháo đường,

giúp theo dõi tiến triển của bệnh, cũng là phương pháp giúp chăm sóc ban đầu

cho bệnh nhân đái tháo đường điều trị ngoại trú bằng cách giúp các bác sĩ lâm

sàng xác định chính xác và nhanh chóng các tổn thương trên võng mạc, ngoài

ra hệ thống trí tuệ nhân tạo AI cũng giúp ích rất nhiều trong việc kiểm tra mắt

định kỳ cho bệnh nhân đái tháo đường.78

Hệ thống AI sàng lọc bệnh võng mạc đái tháo đường tự động làm giảm

khối lượng công việc của các bác sĩ trong việc chụp và chẩn đoán, phân loại

bệnh võng mạc đái tháo đường một cách thủ công79. Một số hệ thống đánh giá

hình ảnh bệnh võng mạc đái tháo đường tự động đã được báo cáo như:

EyeArt, Eyenuk Inc, IDx-DR, Digital Diagnostics Inc, SELENA, Singapore

Eye Research Institute,...80-83

Một nghiên cứu hồi cứu gần đây của tác giả Bhaskaranand M và cs đã

đánh giá kết quả chẩn đoán của trí tuệ nhân tạo AI trên 101.710 lượt bệnh

nhân đến khám trực tiếp từ hơn 400 trung tâm chăm sóc bệnh nhân đái tháo

đường. Hệ thống phần mềm trí tuệ nhân tạo AI đạt được độ nhạy 91,3% và độ

đặc hiệu 91,1% so với tham chiếu lâm sàng. Hơn nữa, hệ thống AI đạt được

31

độ nhạy 98,5% trong chẩn đoán bệnh võng mạc đái tháo đường có đe dọa thị

lực của bệnh nhân và những bệnh nhân này vẫn có khả năng điều trị được.81

Nguyên lý hoạt động của đa số hệ thống phần mềm trí tuệ nhân tạo AI

sẽ trải qua 3 bước:

- Bước 1: Chụp ảnh màu đáy mắt (cả 2 bên mắt) cho bệnh nhân đái

tháo đường.

- Bước 2: Gửi hình ảnh đáy mắt vào hệ thống phần mềm trí tuệ nhân

tạo để hệ thống phân tích.

- Bước 3: Hệ thống sẽ trả lời kết quả phân loại bệnh võng mạc đái tháo

đường và xuất file báo cáo dưới dạng PDF.

(A) (B)

(C) (D)

Hình 1.10. Minh họa phân loại bệnh VM ĐTĐ sử dụng phần mềm AI

32

(A): Ảnh đầu vào đăng tải lên phần mềm, (B): Ảnh được phần mềm phân

tích, (C): Phân loại của phần mềm, (D): Phần mềm trả lời kết quả

Bất kỳ bác sĩ lâm sàng nào cũng có thể phát hiện nhanh chóng và chính

xác những bệnh nhân mắc bệnh võng mạc đái tháo đường trong quá trình

khám mắt định kỳ cho bệnh nhân trong vòng chưa đầy 60 giây sau khi gửi

hình ảnh chụp ảnh màu đáy mắt của bệnh nhân lên trên hệ thống. Điều này sẽ

làm giảm được sự chờ đợi cho bệnh nhân, phát hiện bệnh sớm và nhanh

chóng ngay cả khi thiếu bác sĩ nhãn khoa tham gia khám sàng lọc bệnh võng

mạc đái tháo đường.

1.2.3. Một số phần mềm trí tuệ nhân tạo được ứng dụng trong chẩn đoán

bệnh võng mạc đái tháo đường

1.2.3.1. Phần mềm EyeArt

Theo Eyenuk, hệ thống EyeArt v2.2.0 đã được cấp phép theo quy định

khiến nó trở thành hệ thống AI đầu tiên và duy nhất được FDA cho phép sử

dụng với nhiều máy ảnh võng mạc của các nhà sản xuất khác nhau. Giấy

chứng nhận này được xây dựng dựa trên sự ra mắt của hệ thống EyeArt vào

tháng 8 năm 2020 với tư cách là công nghệ AI đầu tiên và duy nhất được

FDA cho phép phát hiện cả DR ở mức độ nhẹ và đe dọa thị lực. Tại Liên minh

Châu Âu, hệ thống EyeArt là hệ thống AI đầu tiên và duy nhất được phê

duyệt theo MDR Loại IIb để phát hiện DR, thoái hóa điểm vàng liên quan đến

tuổi tác và tổn thương thần kinh thị giác do tăng nhãn áp, trong một thử

nghiệm duy nhất.81

Eyenuk đã nhận được sự cho phép của FDA để sử dụng máy ảnh võng

mạc Topcon NW400 với hệ thống EyeArt AI để tự động phát hiện bệnh võng

mạc do tiểu đường (DR), bổ sung vào việc sử dụng đã được thông qua với

máy ảnh Canon CR-2 AF và Canon CR-2 Plus AF.84

Chứng nhận mới nhất của FDA cho hệ thống EyeArt v2.2.0 dựa trên dữ

liệu lâm sàng từ một thử nghiệm lâm sàng đa trung tâm tiềm năng

33

(ClinicalTrials.gov ID NCT04984200) đã chứng minh hiệu suất vượt trội của

máy ảnh Topcon NW400.84

Độ nhạy 94,4% và độ đặc hiệu 91,1% để phát hiện bệnh VM ĐTĐ ở

mức độ nhẹ và độ nhạy 96,8% và độ đặc hiệu 91,6% để phát hiện bệnh VM

ĐTĐ đe dọa thị lực.81

1.2.3.2. Phần mềm IDx-DR

IDx-DR là một hệ thống chẩn đoán AI tự động, dùng để chẩn đoán

bệnh VM ĐTĐ (bao gồm cả chẩn đoán phù hoàng điểm) cho bệnh nhân. Đây

là hệ thống đầu tiên được phân loại IIa và được FDA De Novo công nhận tại

Châu Âu.85

Nguyên lý hoạt động của phần mềm IDx-DR cũng dựa trên hình ảnh

chụp màu đáy mắt, người sử dụng phần mềm sẽ được đào tạo về kỹ thuật

chụp ảnh màu mỗi mắt, sau đó các hình ảnh đó sẽ được gửi lên hệ thống

IDx-DR. IDx-DR sẽ phân tích hình ảnh để tìm dấu hiệu của bệnh VM ĐTĐ

(bao gồm cả dấu hiệu phù hoàng điểm) và cho kết quả sau chưa đầy 30 giây.

Nếu như bệnh nhân được phát hiện các dấu hiệu nghi ngờ tại võng mạc do

bệnh đái tháo đường gây ra, sẽ được chuyển tới chuyên gia chăm sóc mắt để

khám lại. Do vậy từ khi hệ thống IDx-DR ra đời, đã hỗ trợ rất nhiều cho việc

chẩn đoán sớm bệnh VM ĐTĐ cho các cơ sở chăm sóc mắt ban đầu.85

1.2.3.3. Phần mềm LumineticsCore™

Phần mềm LumineticsCore™ là bản cập nhật mới hơn của hệ thống

IDx-DR, nó đáp ứng được nhu cầu cao hơn trong việc chuyển đổi khả năng

tiếp cận chẩn đoán, giá thành và chất lượng chăm sóc sức khỏe toàn cầu thông

qua ứng dụng công nghệ trong quy trình chẩn đoán và điều trị y tế. So với

phần mềm cũ thì LumineticsCore™ minh họa rõ hơn cách hệ thống sử dụng

khoa học, công nghệ và hình ảnh chụp màu đáy mắt trong chẩn đoán tự động

bệnh VM ĐTĐ.85

LumineticCoreTM cũng đã được FDA cho phép đưa ra chẩn đoán bệnh

34

VM ĐTĐ tại Châu Âu mà không cần bác sĩ lâm sàng đưa ra chẩn đoán, điều

này sẽ giúp ích cho các nhà cung cấp dịch vụ chăm sóc sức khỏe ban đầu và

các cán bộ không làm việc trong chuyên ngành Nhãn khoa có thể sử dụng

nó.85

1.2.3.4. Phần mềm SELENA

SELENA (Seismic Loss Estimation using a Logic Tree Approach) là

một phần mềm được sử dụng nhằm đánh giá yếu tố nguy cơ trong một số

bệnh lý trên lâm sàng trong đó có bệnh VM ĐTĐ. Selena là một phần mềm

mở nên nó cho phép người dùng trên toàn thế giới có thể sử dụng, cho kết quả

khá nhanh chóng và dữ liệu đầu ra khá đơn giản.81

Với nguyên lý hoạt động là dựa trên các phân tích vật lý, kho thông tin

đầu vào do người dùng chuyển tải lên phần mềm, selena sẽ tính toán xác suất

của các yếu tố nguy cơ bao gồm cả nguy cơ tử vong trong một số bệnh lý toàn

thân khác. Về góc độ kỹ thuật thì phần mềm này khá hấp dẫn, tuy nhiên trong

quá trình sử dụng thì nó lại được đánh giá là khá phức tạp nên phần mềm này

chưa được sử dụng nhiều trên lâm sàng.81

Một nghiên cứu xác thực đã được tiến hành và công bố trên JAMA về

hiệu quả chẩn đoán của SELENA đã được sử dụng trong chẩn đoán một số

bệnh lý mắt như bệnh võng mạc đái tháo đường, nghi ngờ bệnh lý tăng nhãn

áp và thoái hóa điểm vàng tuổi già.86

1.2.3.5. Phần mềm Singapore Eye Research Institute

Trung tâm Mắt Quốc gia Singapore (SNEC – Singapore National Eye

Center) đã nghiên cứu và cho phát triển phần mềm quản lý sàng lọc và chẩn

đoán sớm bệnh VM ĐTĐ, được gọi tắt là SiDRP (Singapore Integrated

Diabetic Retinopathy Programme), sự ra đời của phần mềm này được coi là

một cải tiến lớn so với mô hình chẩn đoán bệnh VM ĐTĐ trước đây vì nó

thiết lập một mô hình sàng lọc toàn diện dựa trên đánh giá tổn thương VM

ĐTĐ ngay tức thì và có thể được sàng lọc bởi các cán bộ y tế không phải bác

35

sĩ chuyên khoa Mắt. Bệnh nhân sẽ được chỉ định chụp ảnh đát mắt và được

phân loại chẩn đoán bệnh VM ĐTĐ ngay lập tức và được khuyến nghị chuyển

đến cơ sở chăm sóc mắt có bác sĩ chuyên khoa nếu có nghi ngờ.87

Nền tảng mới này được trang bị hệ thống quản lý khối lượng công việc

lớn cho cả hai trung tâm ở SNEC và NHGEI (National Healthcare Group Eye

Institute - Viện Mắt của Tập đoàn Y tế Quốc gia), với hệ thống sàng lọc và

chẩn đoán trực tuyến “đầu tiên trên thế giới”.87

Phần mềm SiDRP đã được triển khai hoạt động tại Singapore từ năm

2010 và cho đến năm 2019. Phần mềm SiDRP đã sàng lọc được cho khoảng

hơn 600.000 bệnh nhân đái tháo đường và có tới 99,8% bệnh nhân được trả

kết quả sớm trong vòng 1 ngày.87

1.2.4. Phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán bệnh

võng mạc đái tháo đường

1.2.4.1. Mô hình AI CyberSight

Mô hình AI CyberSight này được tạo ra dựa trên kiến trúc mạng nơ-ron

tích chập Inception ResNet phiên bản 214 được thiết kế để phân loại các bức

ảnh đáy mắt và phân loại thành 5 mức độ bệnh VM ĐTĐ theo tiêu chuẩn

phân loại của quốc tế (VM bình thường, VM ĐTĐ không tăng sinh, VM ĐTĐ

không tăng sinh nhẹ, VM ĐTĐ không tăng sinh trung bình, VM ĐTĐ không

tăng sinh nặng và VM ĐTĐ tăng sinh).88

Với cơ chế hoạt động đầu vào của mạng nơ ron tích chập là một hoặc

một loạt ảnh đáy mắt. Quy trình xử lý bao gồm: (1) loại bỏ đường viền màu

đen trên ảnh màu chụp đáy mắt (nếu có), (2) là thay đổi kích thước hình ảnh

thành 448 × 448 pixel với tỷ lệ khung hình được giữ nguyên. Đầu ra của mô

hình là một vectơ chuẩn hóa L1 (tức là tổng bằng 1), trong đó mỗi phần tử

tương ứng với 1 trong số các lớp của võng mạc. Phân loại bệnh VM ĐTĐ

được dự đoán là argmax của vectơ đầu ra thô và điểm VM ĐTĐ là tổng của 3

phần tử cuối cùng của vectơ đầu ra.88

36

Phần mềm AI CyberSight được kiểm duyệt trên tổng số 90 073 bức ảnh

chụp màu đáy mắt được thực hiện bởi nhiều bác sĩ nhãn khoa với chất lượng

hình ảnh được kiểm soát chặt chẽ. Việc lựa chọn hình ảnh đáy mắt này được

thực hiện từ đầu và trên những bệnh nhân được lựa chọn một cách ngẫu

nhiên. Để cải thiện khả năng khái quát hóa cho các hình ảnh không nhìn thấy,

các kỹ thuật tăng cường dữ liệu như thu phóng ngẫu nhiên, lật và xoay đã

được áp dụng trong quá trình phát triển và xây dựng phần mềm.88

Cybersight AI là phần mềm trí tuệ nhân tạo hỗ trợ phát hiện tổn

thương, định hướng chẩn đoán sớm cho bệnh nhân VM ĐTĐ, bệnh glôcôm và

bệnh thoái hóa hoàng điểm tuổi già.

Cybersight AI bao gồm hơn 20 thuật toán học được lập trình trên máy,

được đào tạo và xác nhận bằng cách sử dụng hàng chục nghìn hình ảnh VM

ĐTĐ và bộ dữ liệu đa dạng từ 5 châu lục. Kết quả chẩn đoán bệnh VM ĐTĐ

từ hình ảnh chụp đáy mắt của người bệnh sẽ được nhận trong vòng 1 phút sau

khi đăng tải ảnh lên trang web và hoàn toàn miễn phí. Các kết quả thu được

bao gồm: phân độ bệnh VM ĐTĐ theo phân loại ICO 2017, có hay không các

bất thường ở hoàng điểm và đĩa thị, phân loại bệnh VM ĐTĐ chuyển tuyến và

bệnh glôcôm chuyển tuyến, tỷ lệ C/D.

Cybersight AI đã được chứng minh là hoạt động hiệu quả so với người

phân loại trong bối cảnh sàng lọc bệnh VM ĐTĐ tại các địa phương ở Việt

Nam, Trung Quốc và Rwanda (sử dụng dữ liệu hồi cứu).88

Phần mềm CyberSight AI được nghiên cứu và phát triển bởi Project

Orbis International, Inc. Thuộc quyền sở hữu trí tuệ của Orbis.

1.2.4.2. Quy trình chụp ảnh và thu thập dữ liệu

- Các thông tin hành chính và đặc điểm lâm sàng của người tham gia

vào nghiên cứu được thu thập trước khi chụp ảnh màu võng mạc.

- Sau khi chụp ảnh võng mạc, tất cả những người tham gia sẽ được hỏi

37

về sự hài lòng với quy trình sàng lọc cũng như bệnh sử về mắt và kiến thức về

chăm sóc mắt của họ theo một bộ câu hỏi sẵn.

- Việc thực hiện chụp ảnh màu đáy mắt sẽ được thực hiện bởi nhân viên

y tế đã được đào tạo. Chụp ảnh đáy mắt 45°, chụp ảnh màu kỹ thuật số chính

diện cho gai thị và hoàng điểm.

- Hình ảnh võng mạc được chụp ở định dạng JPEG với kích thước 2592

× 1944 pixel. Nếu chất lượng hình ảnh được coi là kém do kích thước đồng tử

nhỏ (< 2,5 mm), bệnh nhân sẽ được giãn đồng tử và chụp lại sau 15 phút.

- Sau khi chụp ảnh xong, tất cả các hình ảnh đáy mắt của bệnh nhân sẽ

được mã hóa theo mã số riêng và được tải lên nền tảng trí tuệ nhân tạo

Cybersight AI của Orbis International. Cần có thiết bị di động hoặc máy tính

xách tay và kết nối Internet để truy cập Cybersight AI, phần mềm sẽ cho phản

hồi về sàng lọc có hay không có bệnh VM ĐTĐ trong vòng 60 giây.88

1.3. Tình hình nghiên cứu trên thế giới và tại Việt Nam

1.3.1. Tình hình nghiên cứu trên thế giới

Những tổn thương võng mạc ở bệnh nhân ĐTĐ được Eduard Jager nhìn

thấy lần đầu tiên vào năm 1855 bằng đèn soi đáy mắt do chính ông cải tiến từ

đèn soi đầu tiên trên thế giới (của Herman Von Helmhonltz năm 1851) dưới

dạng những biến đổi ở vùng hoàng điểm dạng chấm vàng và dày võng mạc.39

Từ đó cho đến nay, trên thế giới đã có rất nhiều nghiên cứu về bệnh VM ĐTĐ

như tỷ lệ mắc, phương pháp khám sàng lọc, các yếu tố liên quan, các yếu tố

giúp đánh giá, tiên lượng và các phương pháp điều trị.4, 33, 89-91

Năm 2018, tác giả Ramachandran R và cs đã tiến hành phân loại hình

ảnh đáy mắt của 296 bệnh nhân đái tháo đường, tác giả đã báo cáo rằng bệnh

võng mạc đái tháo đường được phát hiện bởi các bác sĩ nhãn khoa ở 191 bệnh

nhân (chiếm 64,5%) và bởi phần mềm AI ở 203 bệnh nhân (chiếm 68,6%)

trong khi hình ảnh võng mạc tổn thương do đái tháo đường có đe dọa thị lực

38

người bệnh được phát hiện ở 112 bệnh nhân khi khám lâm sàng (37,8%) và

146 (49,3%) bệnh nhân khi chụp ảnh đáy mắt tương ứng và phân tích bởi

phần mềm AI. Phần mềm AI cho thấy độ nhạy 95,8% (95% CI 92,9–98,7) và

độ đặc hiệu 80,2% (95% CI 72,6–87,8) để phát hiện bệnh VM ĐTĐ và độ

nhạy 99,1% (95% CI 95,1–99,9), độ đặc hiệu 80,4% (95% CI 73,9–85,9)

trong việc phát hiện tổn thương võng mạc do bệnh lý đái tháo đường gây ra.92

Một nghiên cứu hồi cứu của tác giả Bhaskaranand M và cs (2019) đã

đánh giá kết quả chẩn đoán của EyeArt, phiên bản 2.0, trên 101.710 lượt bệnh

nhân đến khám trực tiếp từ hơn 400 trung tâm chăm sóc bệnh nhân đái tháo

đường, hình ảnh chụp đáy mắt được đưa vào hệ thống phân tích và so sánh

theo các hình ảnh trong các CFP đã thu được trước đó. Hệ thống đạt được độ

nhạy 91,3% và độ đặc hiệu 91,1% so với tham chiếu lâm sàng. Hơn nữa, hệ

thống AI đạt được độ nhạy 98,5% trong chẩn đoán bệnh võng mạc đái tháo

đường có đe dọa thị lực của bệnh nhân và những bệnh nhân này vẫn có khả

năng điều trị được. Đây là một nghiên cứu chẩn đoán cắt ngang đa trung tâm

đánh giá việc sử dụng EyeArt, phiên bản 2.1.0, trong việc phát hiện bệnh

võng mạc đái tháo đường mức độ nhẹ và bệnh võng mạc có đe dọa thị lực

người bệnh ở mắt của bệnh nhân đái tháo đường.81

Một nghiên cứu khác của tác giả Eli Ipp và cs (2021) nghiên cứu trên

893 bệnh nhân với 1786 mắt được chụp ảnh màu, tác giả đã báo cáo rằng khi

sử dụng hệ thống AI trong việc chẩn đoán bệnh VM ĐTĐ có độ nhạy và độ

đặc hiệu cao, trong đó tỷ lệ phát hiện bệnh VM ĐTĐ mức độ nhẹ có độ nhạy

95,5% (95%CI, 92,4-98,5%), độ đặc hiệu 85% (95%CI 82,6-87,4%), tỷ lệ

phát hiện bệnh VM ĐTĐ mức độ nặng có đe dọa thị lực bệnh nhân có độ

nhạy 95,1% (95%CI 90,1-100%), độ đặc hiệu 89% (95%CI 87,0-91,1%).93

Cùng năm 2021, tác giả Ying Ti Hsieh và cộng sự đã sử dụng phần

mềm VeriSeeTM để chẩn đoán bệnh VM ĐTĐ cho 7524 bệnh nhân ĐTĐ với

39

31.612 ảnh màu chụp đáy mắt. Tác giả đã báo cáo rằng, phần mềm VeriSee có

thể chẩn đoán được bệnh VM ĐTĐ với độ nhạy, độ đặc hiệu lần lượt là 95,5%

và 98,4%. Trong nghiên cứu này, các tác giả cũng cùng lúc so sánh kết quả

chẩn đoán bệnh VM ĐTĐ giữa Bác sĩ Nội trú và phần mềm AI, Bác sĩ Nhãn

khoa với AI, kết quả của nghiên cứu đã chỉ ra rằng kết quả chẩn đoán của AI

có độ nhạy và độ đặc hiệu (lần lượt là 92,2% và 90,9%) tốt hơn so với Bác sĩ

nội trú (lần lượt là 64,3% và 20,6%).94

Năm 2022, tác giả Malerbi sử dụng phần mềm Phelcom Eyer chẩn

đoán cho 824 bệnh nhân ĐTĐ type 2. Kết quả cho thấy sự tương đồng giữa

bác sĩ Nhãn khoa và AI có độ nhạy 97,8%, độ đặc hiệu 61,4%.95

Năm 2022, tác giả Wanjiku Mathenge và cs (2022) đã tiến hành nghiên

cứu trên 827 bệnh nhân đái tháo đường để sàng lọc bệnh VM ĐTĐ có sử

dụng phần mềm AI của CyberSight. Tác giả có sử dụng hai phương pháp sàng

lọc để so sánh đối chứng, 1 nhóm bệnh nhân được sàng lọc bằng phần mềm

AI CyberSight và 1 nhóm được sàng lọc bệnh VM ĐTĐ bởi bác sĩ Nhãn

khoa. Kết quả của nghiên cứu đã chứng minh được rằng việc sử dụng phần

mềm AI CyberSight cho giá trị tốt trong việc chẩn đoán bệnh VM ĐTĐ, có

thể sử dụng để chẩn đoán bệnh VM ĐTĐ tại các cơ sở khám chữa bệnh ban

đầu ở tại các nước kém phát triển để làm giảm nhu cầu nhân lực.88

Năm 2024, tác giả Whitestone và cộng sự đã tiến hành trên 827 bệnh

nhân ĐTĐ tại Rwanda, nghiên cứu này đã báo cáo kết quả chẩn đoán bệnh

VMĐTĐ giữa bác sĩ Nhãn khoa và AI có độ nhạy 92,0% và độ đặc hiệu

85,0% khi sử dụng phần mềm CyberSight AI và có một kết quả đáng chú ý

trong nghiên cứu này là có tới 63,7% bệnh nhân được hỏi cho biết thích AI

tham gia phân loại tổn thương mắt hơn phân loại của con người, và trong

nghiên cứu này cũng có 53,4% số bệnh nhân được chẩn đoán bệnh VM ĐTĐ

được đề xuất điều trị tại bệnh viện chuyên khoa.96

Vào năm 2019, trong một nghiên cứu tại Phần Lan, tác giả Sahlsten J

40

và cs đã tiến hành chụp 7118 ảnh màu đáy mắt, sau đó tiến hành phân loại

chẩn đoán bệnh VM ĐTĐ giữa hai nhóm nhân viên y tế khác nhau, một nhóm

là Bác sĩ nhãn khoa có kinh nghiệm trên 10 năm trong chẩn đoán các bệnh lý

đáy mắt với một nhóm Bác sĩ y khoa đã được đào tạo về phân loại bệnh VM

ĐTĐ, các tiêu chí được đánh giá bao gồm: chẩn đoán bệnh VM ĐTĐ, phù

hoàng điểm và khả năng phân loại bệnh. Các tác giả đã báo cáo rằng giữa hai

nhóm nhân viên y tế chẩn đoán bệnh VM ĐTĐ có độ nhạy, độ đặc hiệu và

AUC lần lượt là 89,6%, 97,4% và 98,7%.97

Trong một nghiên cứu khác của tác giả Oh Kangrok và cs (năm 2021)

khi tiến hành nghiên cứu bệnh VM ĐTĐ dựa trên 11.734 hình ảnh chụp ảnh

màu đáy mắt để cho hai nhóm nhân viên y tế cùng chẩn đoán và phân loại

bệnh VM ĐTĐ, một nhóm là Bác sĩ nhãn khoa có trên 10 năm kinh nghiệm

chẩn đoán bệnh đáy mắt và một nhóm nhân viên y tế đã qua đào tạo có trên

hai năm kinh nghiệm thực hiện phân loại độc lập, phân loại dựa trên tiêu

chuẩn ETDRS.20

Cũng trong một nghiên cứu khác vào năm 2021 tại Trung Quốc, tác giả

Lu L và cộng sự đã nghiên cứu trên 41.866 hình ảnh chụp ảnh màu đáy mắt

và sử dụng hai nhóm nhân viên y tế giúp chẩn đoán bệnh VM ĐTĐ, một

nhóm gồm 5 bác sĩ Nhãn khoa giàu kinh nghiệm và 15 bác sĩ Nhãn khoa mới

tuyển dụng để tham gia chẩn đoán bệnh VM ĐTĐ. Kết quả của nghiên cứu

này báo cáo rằng mức độ tương đồng giữa chẩn đoán bệnh VM ĐTĐ giữa hai

nhóm khá cao với độ nhạy, độ đặc hiệu lần lượt là 90,03% và 96,09%.98

1.3.2. Tình hình nghiên cứu tại Việt Nam

Tại Việt Nam, cũng có rất nhiều nghiên cứu về bệnh VM ĐTĐ, tuy

nhiên các nghiên cứu này chủ yếu được thực hiện trên bệnh nhân ĐTĐ nói

chung (bao gồm cả type 1 và type 2).24, 25, 99

Theo nghiên cứu của Phạm Hồng Hoa (2000), có 43% số bệnh nhân

41

ĐTĐ có tổn hại võng mạc và 27% trong số đó vị mù do ĐTĐ100. Nghiên cứu

của Nguyễn Quốc Dân (2009) trên bệnh nhân ĐTĐ tại tỉnh Bắc Ninh cho thấy

tỷ lệ mắc bệnh VM ĐTĐ là 22%101, Lương Thị Hải Hà (2021) tại Bệnh viện

Đa khoa Trung Ương Thái Nguyên là 18,5%.102

Trong một vài năm gần đây, có một số nghiên cứu liên quan đến bệnh

VM ĐTĐ như: Hoàng Thị Phúc, Nguyễn Hữu Quốc Nguyên (2011) nghiên

cứu ứng dụng các phương pháp phát hiện sớm bệnh lý VM ĐTĐ và các

phương pháp điều trị. Nghiên cứu của Nguyễn Thị Ngọc Hân (2017), Nguyễn

Thị Lan Anh (2017), Nguyễn Trọng Khải (2018), Lê Đức Thiện (2023) tìm

hiểu tình hình tổn thương võng mạc trên bệnh nhân ĐTĐ thì tỷ lệ bệnh VM

ĐTĐ lần lượt là 25,5%, 35,5%, 30,9% và 28,8%.99, 103-105

Năm 2023 tác giả Phạm Diệu Linh và cs đã tiến hành nghiên cứu đánh

giá tình trạng võng mạc trên bệnh nhân đái tháo đường tại bệnh viện E Trung

ương, có sử dụng phần mềm CyberSight để chẩn đoán phát hiện sớm bệnh

VM ĐTĐ trên 148 bệnh nhân đái tháo đường với 296 mắt được chụp ảnh đáy

mắt và chẩn đoán. Kết quả của nghiên cứu cho thấy tỷ lệ bệnh VM ĐTĐ

không tăng sinh là 38,9%, bệnh VM ĐTĐ tăng sinh là 2,4%. Kết quả chẩn

đoán bệnh VM ĐTĐ của phần mềm trí tuệ nhân tạo có độ nhạy và độ đặc hiệu

khá cao lần lượt là 84% và 93%, giá trị dự đoán dương tính 90%, giá trị dự

đoán âm tính 88%, độ chính xác 90%.24

Trong một nghiên cứu khác của tác giả Đỗ Hữu Khương (năm 2023) tại

Bệnh viện Nội tiết Trung ương với cỡ mẫu 450 bệnh nhân (900 mắt). Kết quả

của nghiên cứu cho thấy có 27,3% mắt có tổn thương VM ĐTĐ trong đó có

23,3% là bệnh VM ĐTĐ không tăng sinh. Kết quả của việc sử dụng phần

mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán bệnh VM ĐTĐ: độ nhạy

76,7%, độ đặc hiệu 93,9%, giá trị dự đoán dương tính 82,0%, giá trị dự đoán

âm tính 91,8%, độ chính xác 89,3%.25

42

Trong nghiên cứu của tác giả Nguyễn Trung Hiếu (năm 2023) tại bệnh

viện Đa khoa tỉnh Ninh Bình trên 321 bệnh nhân với 642 mắt. Kết quả của

nghiên cứu cho thấy có 18,2% số mắt trong nghiên cứu có bệnh VM ĐTĐ

trong đó giai đoạn chưa tăng sinh mức độ nhẹ chiếm tỷ lệ cao nhất với 7,6%.

Độ nhạy của hệ thống phần mềm Cybersight AI đối chiếu với kết quả đọc ảnh

của bác sĩ nhãn khoa lâm sàng là 70% , độ đặc hiệu là 98%.23

Nghiên cứu của Ngô Thị Hồng Thắm (2023) trên 153 bệnh nhân ĐTĐ

với 306 mắt, tác giả có sử dụng phần mềm trí tuệ nhân tạo AI CyberSight

chẩn đoán bệnh VM ĐTĐ. Kết quả nghiên cứu cho thấy có 68,6% số mắt

trong nghiên cứu có biểu hiện của bệnh VM ĐTĐ với các mức độ khác nhau.

Kết quả sử dụng phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán

bệnh VM ĐTĐ có độ nhạy 92,9%, độ đặc hiệu 87,5%. Tác giả cũng báo cáo

rằng phần mềm trí tuệ nhân tạo CyberSight AI có hiệu quả trong việc phân

loại bệnh VM ĐTĐ tăng sinh với độ nhạy 94,1% và độ đặc hiệu là 92,0%.106

Trong nghiên cứu của tác giả Nguyễn Thu Uyên (2023) tại Bệnh viện

Đa khoa Hà Đông trên 228 bệnh nhân đái tháo đường với 454 mắt, tác giả

cũng đánh giá hiệu quả chẩn đoán bệnh VM ĐTĐ trên lâm sàng. Kết quả của

nghiên cứu cho thấy tỷ lệ bệnh VM ĐTĐ là 35,9%. Phần mềm trí tuệ

CyberSight AI có độ nhạy 90,0%, độ đặc hiệu 95% và độ chính xác 91,9%

trong chẩn đoán bệnh VM ĐTĐ.107

43

Chương 2

ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1. Đối tượng nghiên cứu

- Đối tượng nghiên cứu: Bệnh nhân đái tháo đường type 2 được quản lý

và điều trị ngoại trú tại phòng khám Đái tháo đường, Bệnh viện Trung Ương

Thái Nguyên.

- Thời gian: Chúng tôi tiến hành thu thập số liệu nghiên cứu trong

khoảng thời gian từ tháng 03 đến tháng 06 năm 2023.

2.1.1. Tiêu chuẩn lựa chọn

- Tất cả các bệnh nhân ĐTĐ type 2 đang được quản lý và theo dõi tại

phòng khám Đái tháo đường, Bệnh viện Trung Ương Thái Nguyên.

- Bệnh nhân đi khám định kỳ đầy đủ hàng tháng theo lịch hẹn.

- Bệnh nhân đồng ý tham gia nghiên cứu.

2.1.2. Tiêu chuẩn loại trừ

- Tiền sử đã phẫu thuật các bệnh lý võng mạc do bất kỳ nguyên nhân gì.

- Bệnh nhân mắc các bệnh toàn thân nặng hoặc già yếu, khó khăn trong

quá trình phối hợp chụp ảnh màu đáy mắt.

- Bệnh nhân đang có biến chứng cấp tính của bệnh ĐTĐ như nhiễm

toan ceton, tăng áp lực thẩm thấu, hôn mê do tăng đường huyết,….

- Bệnh nhân có các bệnh viêm nhiễm cấp tính tại mắt.

- Tổn thương đục các môi trường trong suốt làm ảnh hưởng đến chất

lượng chụp ảnh màu đáy mắt: sẹo đục giác mạc, đục nhân thủy tinh thể mức

độ III hoặc mức độ IV.

2.2. Phương pháp nghiên cứu

2.2.1. Thiết kế nghiên cứu

- Nghiên cứu mô tả cắt ngang.

44

2.2.2. Cỡ mẫu và chọn mẫu

2.2.2.1. Cỡ mẫu

* Đối với mục tiêu 1:

Áp dụng công thức tính cỡ mẫu cho nghiên cứu xác định một tỷ lệ:

(1-α/2)×

n = Z2

Trong đó:

Z(1-α/2) ¬= 1,96 khi α = 0,05.

p: tỷ lệ tổn thương đáy mắt do đái tháo đường, ước tính khoảng 23,0%,

dựa trên nghiên cứu đã có trong y văn.108

α: mức ý nghĩa thống kê (α = 0,05)

Δ: sai số ấn định trong nghiên cứu (5%)

n: số mắt có tổn thương VM ĐTĐ tối thiểu cần nghiên cứu để kết quả

phân tích có ý nghĩa.

Thay số tính ra n ≥ 272 mắt tổn thương VM ĐTĐ.

* Đối với mục tiêu 2 và 3: Áp dụng công thức tính cỡ mẫu cho một nghiên

cứu một nghiệm pháp chẩn đoán:

Để tính toán cỡ mẫu cho độ nhạy:

(1-α/2)×

TP+FN = Z2

n (sen) = = 1736 (mắt)

Để tính toán cỡ mẫu cho độ đặc hiệu:

(1-α/2)×

TN+FP = Z2

45

n (spe) = = 373 (mắt)

Trong đó:

Z(1-α/2) là giá trị từ phân bố chuẩn, được tính dựa trên mức ý nghĩa thống

kê (Z(1-α/2) = 1,96 khi α = 0,05).

p: tỷ lệ bệnh VM ĐTĐ trong quần thể bệnh nhân ĐTĐ type 2, chúng

tôi chọn là 10,1%, dựa trên nghiên cứu của Tan H và cs (2022) trên 7462 bệnh

nhân ĐTĐ type 2.89

α: mức ý nghĩa thống kê (α = 0,05)

Δ: là mức sai số ấn định trong nghiên cứu (5%)

n: số mắt tối thiểu cần nghiên cứu để kết quả có ý nghĩa.

TP là số dương tính thật (True Positive)

FN là số âm tính giả (False Negative)

TN là số âm tính thật (True Negative)

FP là số dương tính giả (False Positive)

Sen (Sensitivity): là độ nhạy

Spe (Specificity): độ đặc hiệu

Để việc sử dụng AI chẩn đoán có giá trị trong thực tế lâm sàng, cũng

dựa vào kết quả nghiên cứu về độ nhạy, độ đặc hiệu trong chẩn đoán của các

nghiên cứu trước đó tại Việt Nam có sử dụng CyberSight AI trong chẩn đoán

bệnh VM ĐTĐ,23-25 trong nghiên cứu này chúng tôi lựa chọn độ nhạy và độ

đặc hiệu tối thiểu là 0,80.

Trong nghiên cứu này chúng tôi kỳ vọng chẩn đoán dương tính thật

giữa AI có ý nghĩa trên lâm sàng nên chúng tôi lựa chọn cỡ mẫu tối thiểu theo

công thức tính độ nhạy.

Trên thực tế chúng tôi tiến hành thu thập cỡ mẫu nghiên cứu trên 1012

46

bệnh nhân với 1943 mắt trong đó có 314 mắt được chẩn đoán bệnh VM ĐTĐ

ở các mức độ khác nhau.

2.2.2.2. Cách chọn mẫu

- Chọn mẫu thuận tiện tất cả các bệnh nhân đái tháo đường được hẹn

khám tại phòng khám trong ngày.

- Mỗi ngày sẽ bốc thăm ngẫu nhiên số chẵn – lẻ và lựa chọn bệnh nhân

theo số chẵn – lẻ đã được bốc thăm dựa trên số phiếu khám bệnh của bệnh

nhân, việc lấy bệnh nhân vào nghiên cứu do 02 điều dưỡng tại phòng khám

Đái tháo đường thực hiện và lấy tới khi đủ cỡ mẫu thăm khám trong ngày.

2.2.3. Phương tiện nghiên cứu

* Thiết bị phục vụ cho khám lâm sàng:

- Bảng đo thị lực Snellen (có bảng quy đổi sang LogMAR)

Bảng 2.1. Bảng quy đổi thị lực sang LogMAR

Snellen LogMAR Chữ

20/20 20/25 20/32 20/40 20/50 20/63 20/80 20/100 20/125 20/160 20/200 20/250 20/300 20/400 20/500 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 100 95 90 85 80 75 70 65 60 55 50 45 40 35 30

47

20/600 20/800 20/1000 20/1200 1.5 1.6 1.7 1.8 25 20 15 10

- Hộp thử kính - Máy đo nhãn áp cầm tay i-Care - Sinh hiển vi khám mắt - Đèn soi đáy mắt trực tiếp, kính Volk +90D super field - Thuốc giãn đồng tử Mydrin-P

* Thiết bị phục vụ cho chụp ảnh đáy mắt:

- Máy chụp ảnh màu đáy mắt Huvitz (Hàn Quốc sản xuất năm 2018)

đạt tiêu chuẩn theo chất lượng ảnh của phần mềm CyberSight AI.

- Phần mềm phân tích số liệu ảnh đáy mắt để chẩn đoán bệnh võng mạc đái tháo đường: sử dụng phần mềm Cybersight AI. CyberSight AI được nghiên cứu và phát triển bởi Project Orbis International, Inc. Thuộc quyền sở hữu trí tuệ của Orbis. 2.2.4. Các bước tiến hành nghiên cứu 2.2.4.1. Hỏi bệnh và khai thác tiền sử

Bệnh nhân được thu thập thông tin theo mẫu bệnh án nghiên cứu có

sẵn.

- Thu thập các thông tin hành chính của bệnh nhân: tên, tuổi, giới, nghề

nghiệp đang làm hoặc trước lúc nghỉ hưu, địa dư,…

- Tuổi: Chia làm 3 nhóm tuổi:27

+ Dưới 40 tuổi (ĐTĐ ở người trẻ) + Từ 41-60 tuổi (ĐTĐ ở lứa tuổi lao động) + Trên 60 tuổi (ĐTĐ ở người già)

- Giới: Nam và nữ - Thời gian mắc bệnh ĐTĐ: Là thời gian tính từ khi bệnh nhân được

chẩn đoán chắc chắn bị ĐTĐ, tính theo năm.

- Mức độ kiểm soát đường huyết: Dựa vào nồng độ glucose huyết hàng

48

tháng trong sổ điều trị và theo dõi bệnh ĐTĐ để đánh giá. Tiêu chuẩn đánh giá mức độ kiểm soát đường huyết dựa theo hướng dẫn của Hiệp hội Đái tháo đường Mỹ - ADA (2023) và Hướng dẫn chẩn đoán và điều trị đái tháo đường năm 2017 của Bộ Y tế:27, 109

+ Kiểm soát đường huyết tốt ở bệnh nhân ĐTĐ khi nồng độ

glucose huyết lúc đói trong khoảng 80-130 mg/dl (4,4 – 7,2 mmol/L).

+ Kiểm soát đường huyết kém khi glucose huyết lúc đói ≥ 130

mg/dl (≥ 7,2 mmol/L).

- Mức độ kiểm soát HbA1C: Dựa theo tiêu chuẩn của Hiệp hội Đái tháo

đường Mỹ - ADA:26

+ Kiểm soát đường huyết tốt khi HbA1C < 7% (< 53 mmol/mol).

+ Kiểm soát đường huyết kém thi HbA1C ≥ 7% (≥ 53

mmol/mol).

- Mục tiêu điều trị cần đạt cho bệnh nhân ĐTĐ type 2, dựa theo Hướng

dẫn chẩn đoán và điều trị bệnh nhân ĐTĐ type 2 của Bộ Y tế:27

Bảng 2.2. Mục tiêu điều trị cho bệnh nhân đái tháo đường

ở người trưởng thành, không có thai

Mục tiêu Chỉ số

HbA1C < 7%

Glucose lúc đói, trước ăn 80-130 mg/dL (4,4-7,2 mmol/L)

Glucose sau ăn 1-2 giờ <180 mg/dL (10,0 mmol/L)

Huyết áp Tâm thu <140 mmHg, tâm trương <90 mmHg

Nếu đã có biến chứng thận: Huyết áp <130/85-80

mmHg

Lipid máu LDL cholesterol <100 mg/dL (2,6 mmol/L), nếu

chưa có biến chứng tim mạch.

49

LDL cholesterol <70 mg/dL (1,8 mmol/L) nếu đã

có bệnh tim mạch.

Triglycerides <150 mg/dL (1,7 mmol/L)

HDL cholesterol >40 mg/dL (1,0 mmol/L) ở nam

và >50 mg/dL (1,3 mmol/L) ở nữ.

- Quá trình tuân thủ điều trị: kiểm soát đường huyết, HbA1C, thời gian

tái khám, thuốc điều trị đang dùng.

- Các triệu chứng cơ năng tại mắt, thời gian và tần suất xuất hiện.

- Tiền sử điều trị các bệnh lý mắt trước đây.

- Tiền sử các bệnh lý toàn thân khác kèm theo và các biện pháp đã được

điều trị (nếu có).

2.2.4.2. Khám lâm sàng và cận lâm sàng

* Khám lâm sàng:

- Đo huyết áp, đo nhịp tim, nhịp thở,…

- Khai thác tiền sử bệnh đái tháo đường, mức độ kiểm soát đường huyết

dựa vào kết quả xét nghiệm máu hàng tháng,...

- Khám phát hiện các bệnh lí toàn thân kèm theo.

* Khám cận lâm sàng:

- Bệnh nhân được chỉ định làm các xét nghiệm theo lịch hẹn khám định

kỳ của phòng khám Đái tháo đường và chỉ định lấy mẫu xét nghiệm máu tĩnh

mạch lúc đói vào buổi sáng khi bệnh nhân đến khám bệnh, bao gồm:

+ Công thức máu.

+ Sinh hóa máu: Glucose, HbA1C (được ghi nhận tại thời điểm lấy số

liệu hoặc trong 3 tháng gần nhất), Cholesterol toàn phần, LDL-C, HDL-C,

Triglycerides, men gan (nếu cần).

+ Sinh hóa nước tiểu.

50

+ Siêu âm gan, thận,…

+ Chụp X-quang phổi.

* Quy trình khám mắt:

- Các bước thực hiện khám mắt: Được chỉ định cho toàn bộ bệnh nhân

trong nghiên cứu.

+ Đo thị lực, thử kính nếu thị lực giảm, quy đổi ra đơn vị logMAR.

+ Đo nhãn áp bằng nhãn áp cầm tay i-Care.

+ Khám và đánh giá bán phần trước nhãn cầu bằng sinh hiển vi, phát

hiện các bệnh lý tại giác mạc, tiền phòng, bệnh đục thủy tinh thể để loại trừ

khỏi nghiên cứu theo tiêu chuẩn đã đề ra.

+ Soi đáy mắt bằng kính Volk để phát hiện tổn thương đáy mắt: tổn

thương tại hoàng điểm, xuất huyết, xuất tiết, vi phình mạch, tổn thương gai

thị,… loại khỏi nghiên cứu những bệnh nhân thuộc nhóm tiêu chuẩn loại trừ.

+ Chụp ảnh màu đáy mắt để phát hiện tổn thương đáy mắt bao gồm cả

tổn thương đáy mắt do bệnh lý đái tháo đường và các bệnh lý do các nguyên

nhân khác.

- Bệnh nhân được chỉ định tra thuốc giãn đồng tử có chứa Tropicamide

0,5% và tiến hành chụp ảnh đáy mắt sau 15-20 phút.

- Toàn bộ bệnh nhân được chỉ định khám mắt kết hợp với chụp ảnh

màu đáy mắt và được thực hiện bởi Bác sĩ Nội tiết tại phòng khám Đái tháo

đường và Điều dưỡng + Bác sĩ Nhãn khoa tại phòng khám Mắt theo tiêu

chuẩn của phần mềm chẩn đoán bệnh VM ĐTĐ của CyberSight AI (Các nhân

viên y tế tham gia chụp ảnh màu đáy mắt đều đã được hướng dẫn về quy trình

chụp ảnh đáy mắt theo tiêu chuẩn của CyberSight AI).

+ Các bước thử thị lực, thử kính, đo nhãn áp được thực hiện bởi Điều

dưỡng tại phòng khám Mắt có chứng chỉ hành nghề.

+ Các bước khám mắt, khám sinh hiển vi phát hiện tổn thương, khám

51

đáy mắt phát hiện tổn thương được thực hiện bởi tối thiểu 2 bác sĩ Nhãn khoa

có kinh nghiệm lâm sàng trên 10 năm, những trường hợp nghi ngờ được hội

chẩn với bác sĩ thứ 3 (là Trưởng khoa Mắt) để thống nhất chẩn đoán.

- Mỗi bệnh nhân sẽ được chụp 2 ảnh màu đáy mắt ở mỗi bên và đáp

ứng theo tiêu chuẩn của phần mềm CyberSight AI: 01 ảnh chụp gai thị và 01

ảnh chụp hoàng điểm.

Hình 2.1. Hình ảnh chụp đáy mắt: (a) Trung tâm hoàng điểm MP, (b) gai

thị MP, (c) trung tâm hoàng điểm MT, (d) gai thị MT.

Nguồn: Lương Thị Hải Hà (2023)

* Các tiêu chuẩn chụp ảnh màu đáy mắt của phần mềm CyberSight AI:

52

- Ảnh hoàng điểm cần đạt tiêu chuẩn: + Chụp ảnh đáy mắt trường 450

+ Trung tâm hoàng điểm nằm trong vòng dưới 2 đường kính gai thị từ

trung tâm ảnh.

+ Cung mạch máu võng mạc nhìn rõ trong khoảng 2 đường kính gai thị

từ trung tâm hoàng điểm.

+ Mạch máu võng mạc phải nằm > 90% hình

+ Ảnh gốc được xuất ra trực tiếp từ máy chụp đáy mắt, mỗi ảnh là 1 mắt,

không dùng ảnh ghép nhiều trường, ảnh chụp góc rộng hay ảnh chụp lại từ

điện thoại.

- Ảnh gai thị cần đạt tiêu chuẩn:

+ Trung tâm gai thị nằm trong vòng dưới 2 đường kính gai thị từ trung

tâm ảnh.

+ Mạch máu nhỏ võng mạc nhìn rõ trên bề mặt gai thị.

+ Cung mạch máu võng mạc phải nằm > 90% hình.

- Yêu cầu chất lượng ảnh chụp:

+ Độ phân giải ảnh tối thiểu đạt 1280 x 720 đảm bảo chất lượng cho việc

đọc, cho phép xác định rõ các vi phình mạch có kích thước nhỏ nhất (30 µm),

kích thước ảnh trung bình 1-2Mb đảm bảo cho việc lưu trữ số lượng lớn dữ

liệu ảnh.

- Tất cả ảnh chụp được sau khi sàng lọc và xử lý lấy các ảnh đạt tiêu

chuẩn sẽ được đăng tải lên phần mềm CyberSight AI của Orbis International

để phân tích và đưa ra kết quả chẩn đoán (bao gồm chẩn đoán có bệnh hay

không có bệnh VM ĐTĐ chuyển tuyến, phân loại giai đoạn bệnh, có bất

thường hoàng điểm hay không) rồi so sánh với chẩn đoán của người đọc ảnh

phân độ (là bác sĩ nhãn khoa) để đánh giá mức độ tin cậy của AI.

- Ảnh sau khi xử lý và sàng lọc để đăng tải lên phần mềm CyberSight AI

phải đáp ứng đủ những yêu cầu như sau:

+ Ảnh chụp màu đáy mắt 450 hoặc 600

53

+ Ảnh chụp trung tâm hoàng điểm hoặc đĩa thị góc 35-450

+ Không ghi chú thích

+ Chọn mỗi ảnh gai thị và hoàng điểm 1 cái và ảnh này được trích xuất

trực tiếp từ máy chụp ảnh màu đáy mắt ra.

+ Không đăng ảnh chụp lại màn hình vì sẽ không đảm bảo được độ sắc

nét của bức ảnh.

+ Không đăng ảnh có chú thích.

+ Không được đăng ảnh cắt ghép hoặc cụm nhiều ảnh.

+ Không đăng quá 4 bức ảnh cho mỗi 1 bệnh nhân lên phần mềm.

+ Không phải dữ liệu OCT đáy mắt.

* Quy trình chẩn đoán tổn thương VM ĐTĐ:

- Bước 1: Được thực hiện song song hai quá trình như sau:

+ Bệnh nhân được các Bác sĩ Nhãn khoa thăm khám theo quy trình

khám mắt và phát hiện các tổn thương do bệnh ĐTĐ gây nên, chẩn đoán xác

định bệnh và giai đoạn bệnh VM ĐTĐ. Bước này được thực hiện bởi tối thiểu

02 Bác sĩ Nhãn khoa có kinh nghiệm lâm sàng trên 10 năm trong chẩn đoán

các bệnh lý đáy mắt, những trường hợp nghi ngờ được hội chẩn với Bác sĩ thứ

3 (là Trưởng khoa Mắt) để thống nhất chẩn đoán.

+ Chụp ảnh màu đáy mắt được thực hiện bởi Bác sĩ Nội tiết tại phòng

khám Đái tháo đường và Bác sĩ Nhãn khoa tại phòng khám Mắt theo tiêu

chuẩn của phần mềm chẩn đoán bệnh VM ĐTĐ của CyberSight AI (các nhân

viên y tế tham gia chụp ảnh màu đáy mắt đều đã được hướng dẫn về quy trình

chụp ảnh đáy mắt theo tiêu chuẩn của CyberSight AI).

- Bước 2: Thực hiện đăng tải ảnh màu chụp đáy mắt của bệnh nhân

trong nghiên cứu lên phần mềm trí tuệ nhân tạo CyberSight AI để phần mềm

chẩn đoán xác định bệnh và giai đoạn bệnh VM ĐTĐ. Những bệnh nhân được

phần mềm chẩn đoán xác định có bệnh VM ĐTĐ và chẩn đoán giai đoạn

bệnh VM ĐTĐ sẽ được lưu lại thông tin.

54

Quy trình sử dụng phần mềm CyberSight AI chẩn đoán bệnh VM ĐTĐ

được thực hiện như sau:

Các bước thực hiện chẩn đoán trên phần mềm CyberSight AI:

+ Lựa chọn mục “Trường hợp chỉ dành cho trí tuệ nhân tạo (AI)”

55

+ Lựa chọn 2 ảnh màu đáy mắt của mỗi mắt đã được chụp và lưu trong

file dữ liệu của máy tính:

+ Phần mềm sẽ trả lời kết quả về tài khoản cá nhân đã đăng kí và địa

chỉ email cá nhân của tác giả:

56

- Bước 3: Hai nhóm nhân viên y tế khác nhau bao gồm các Bác sĩ Nhãn

khoa kinh nghiệm 1 năm và Điều dưỡng Nhãn khoa (cả hai nhóm nhân viên y

tế này đã được qua đào tạo về phát hiện tổn thương và phân loại giai đoạn

bệnh VM ĐTĐ) tham gia quá trình phát hiện tổn thương tại đáy mắt, chẩn

đoán xác định bệnh và phân loại bệnh VM ĐTĐ dựa vào các ảnh màu chụp

đáy mắt đã được thực hiện cho nhóm bệnh nhân trong nghiên cứu, quy trình

khám và chẩn đoán thực hiện theo Quyết định số 2558/QĐ-BYT ngày

20/9/2022 ban hành tài liệu chuyên môn “Hướng dẫn chẩn đoán, điều trị và

quản lý Bệnh võng mạc đái tháo đường” và Quyết định số 2557/QĐ-BYT

ngày 20/9/2022 ban hành tài liệu chuyên môn “Hướng dẫn quy trình kỹ thuật

chụp ảnh đáy mắt không huỳnh quang phát hiện sớm bệnh võng mạc đái tháo

đường”:110, 111

Tất cả các ảnh màu chụp đáy mắt của bệnh nhân trong nghiên cứu sẽ

được đọc bởi hai nhóm nhân viên y tế (nhóm Điều dưỡng Nhãn khoa được coi

là người đọc cấp I (NVYT nhóm 1), nhóm Bác sĩ Nhãn khoa kinh nghiệm 1

năm được coi là người đọc cấp II (NVYT nhóm 2).

+ Kết quả sẽ được đọc bởi NVYT nhóm 1 và được thẩm định bởi Bác

sĩ Nhãn khoa kinh nghiệm trên 10 năm.

+ Kết quả sẽ được đọc bởi NVYT nhóm 2 và được thẩm định bởi Bác

sĩ Nhãn khoa kinh nghiệm trên 10 năm.

+ Việc đọc kết quả hình ảnh của hai nhóm NVYT nhóm 1 và nhóm 2 sẽ

được phân loại theo việc có hoặc không có tổn thương vi phình mạch, xuất

tiết, xuất huyết và bất thường tại hoàng điểm dựa trên hình ảnh chụp ảnh màu

đáy mắt đã có sẵn và kết quả được tích vào phiếu nghiên cứu đã được thiết kế

in sẵn.

+ Việc kết luận về phân giai đoạn bệnh VMĐTĐ sẽ được thống nhất

theo tiêu chuẩn phân loại của Phân loại quốc tế về giai đoạn bệnh võng mạc

57

đái tháo đường và hướng dẫn của Bộ y tế dành cho phân loại của các NVYT

cấp 1 và 2:110, 112 Không có bệnh VM ĐTĐ; bệnh VM ĐTĐ không tăng sinh -

nhẹ; bệnh VM ĐTĐ không tăng sinh – trung bình; bệnh VMĐTĐ không tăng

sinh - nặng; bệnh VM ĐTĐ tăng sinh.

- Bước 4: So sánh sự tương đồng trong việc phát hiện các tổn thương

cơ bản như vi mạch, xuất tiết, xuất huyết, có bất thường tại hoàng điểm hay

không và chẩn đoán xác định bệnh, giai đoạn bệnh VM ĐTĐ giữa hai nhóm

NVYT thực hiện ở bước 3 với Bác sĩ Nhãn khoa có kinh nghiệm chẩn đoán

các tổn thương đáy mắt trên 10 năm.

- Bước 5: So sánh sự tương đồng trong việc phát hiện các tổn thương

cơ bản như vi mạch, xuất tiết, xuất huyết, có bất thường tại hoàng điểm hay

không và chẩn đoán xác định bệnh, giai đoạn bệnh VM ĐTĐ đã được thực

hiện giữa nền tảng trí tuệ nhân tạo CyberSight AI với Bác sĩ Nhãn khoa kinh

nghiệm trên 10 năm.

58

2.2.4.3. Tóm tắt quy trình nghiên cứu

Sơ đồ 2.1. Quy trình nghiên cứu

59

2.2.5. Các chỉ số và biến số nghiên cứu

Bảng 2.3. Các chỉ số và biến số nghiên cứu

Nhóm Phương pháp Các biến số Phân loại Công cụ biến số thu thập

Các biến số lâm sàng:

Tuổi Định lượng Phỏng vấn Bộ câu hỏi

Đặc điểm của Giới Nhị phân Phỏng vấn Bộ câu hỏi

bệnh nhân Địa chỉ Định tính Phỏng vấn Bộ câu hỏi trong nghiên

Nghề nghiệp Định tính Phỏng vấn Bộ câu hỏi cứu

Địa dư Định tính Phỏng vấn Bộ câu hỏi

Hút thuốc lá Nhị phân Phỏng vấn Bộ câu hỏi

THA Nhị phân Phỏng vấn Bộ câu hỏi

Rối loạn lipid Nhị phân Phỏng vấn Bộ câu hỏi

ĐTĐ Nhị phân Phỏng vấn Bộ câu hỏi

Thời gian mắc Tiền sử bệnh Nhị phân Phỏng vấn Bộ câu hỏi bệnh ĐTĐ

Chỉ số đường Sao chép kết Xem kết quả

Định lượng huyết quả xét trong sổ khám

nghiệm bệnh

Chỉ số HbA1C Định lượng Sao chép kết Xem kết quả

60

Nhóm Phương pháp Các biến số Phân loại Công cụ biến số thu thập

quả xét trong sổ khám

nghiệm bệnh

Tiền sử khác Nhị phân Phỏng vấn Bộ câu hỏi

Huyết áp Định lượng Đo huyết áp Huyết áp kế

Đồng hồ bấm Khám lâm Mạch Định lượng Đo mạch quay sàng toàn thân giây

Nhiệt độ Định lượng Đo nhiệt độ Nhiệt kế

Thị lực không Định lượng Khám Bảng thử TL kính

Thị lực có kính Định lượng Khám Bảng thử TL

Khám bán Đèn sinh hiển phần trước Định tính Khám vi nhãn cầu

Đèn sinh hiển Khám thủy Định tính Khám Khám lâm vi tinh thể sàng tại mắt Khám bán Đèn sinh hiển phần sau nhãn Định tính Khám vi cầu

Soi đáy mắt Kính Volk, không giãn và Định tính Khám SHV, Bệnh án có giãn đồng nghiên cứu tử

Các biến số cận lâm sàng:

Xét nghiệm Sao chép kết Kết quả huyết Công thức máu Định lượng máu quả xét học

61

Nhóm Phương pháp Các biến số Phân loại Công cụ biến số thu thập

nghiệm

Sao chép kết Kết quả sinh quả xét Glucose huyết Định lượng hóa máu nghiệm

Sao chép kết Kết quả sinh quả xét HbA1C Định lượng hóa máu nghiệm

Sao chép kết Kết quả sinh quả xét Lipid máu Định lượng hóa máu nghiệm

Có tổn thương

đáy mắt do Chụp ảnh màu Máy chụp ảnh Nhị phân bệnh ĐTĐ hay đáy mắt màu đáy mắt Chụp ảnh màu không đáy mắt Đặc điểm tổn Xác định tổn Máy chụp ảnh thương tại đáy Định tính thương màu đáy mắt mắt

Định tính Chụp ảnh Máy chụp ảnh Vi phình mạch màu đáy mắt màu đáy mắt

Xuất huyết Chụp ảnh Máy chụp ảnh Định tính võng mạc màu đáy mắt màu đáy mắt Mục tiêu 1 và

Xuất tiết võng Định tính Chụp ảnh Máy chụp ảnh 2

mạc màu đáy mắt màu đáy mắt

Tổn thương Định tính Chụp ảnh Máy chụp ảnh

mạch máu màu đáy mắt màu đáy mắt

62

Nhóm Phương pháp Các biến số Phân loại Công cụ biến số thu thập

Kính volk, Soi đáy mắt sinh hiển vi Bất thường tại trực tiếp, chụp Định tính và máy chụp ảnh màu đáy hoàng điểm ảnh màu đáy mắt mắt

Kính sinh

Soi đáy mắt, hiển vi, kính Tổn thương tại Định tính chụp ảnh màu volk 90D, ảnh gai thị đáy mắt màu đáy

mắt

Máy chụp ảnh

màu Tỷ lệ bệnh VM Chụp ảnh đáy mắt, kính Định lượng ĐTĐ màu đáy mắt volk phần

mềm AI

Máy chụp ảnh

màu Giai đoạn bệnh Chụp ảnh đáy mắt, kính Định lượng VM ĐTĐ màu đáy mắt volk phần

mềm AI

Kính sinh

Đánh giá sự Soi đáy mắt, hiển vi, kính

bất thường Định lượng chụp ảnh màu volk 90D, ảnh

hoàng điểm đáy mắt màu đáy

mắt

63

Nhóm Phương pháp Các biến số Phân loại Công cụ biến số thu thập

AI phát hiện

các tổn thương Định vi phình mạch, Upload ảnh tính và Phần mềm xuất tiết, xuất lên hệ thống định AI huyết và bất phần mềm lượng thường hoàng

điểm

AI chẩn đoán Upload ảnh Định Phần mềm xác định bệnh lên hệ thống tính AI VM ĐTĐ phần mềm

AI chẩn đoán

Upload ảnh giai đoạn bệnh Định Phần mềm lên hệ thống Mục tiêu 3 VM ĐTĐ tính AI phần mềm

chuyển tuyến

AI chẩn đoán Upload ảnh Định Phần mềm bất thường của lên hệ thống tính AI hoàng điểm phần mềm

Đánh giá mức

độ đục thủy Sinh hiển vi tinh thể có ảnh Khám thủy khám và phần Định tính hưởng đến tinh thể mềm AI chẩn đoán của

AI

64

Nhóm Phương pháp Các biến số Phân loại Công cụ biến số thu thập

Đánh giá mức

độ giãn của Sinh hiển vi

đồng tử đến khám và phần Định tính Khám đồng tử

chẩn đoán của mềm AI

AI

2.2.6. Các tiêu chuẩn chẩn đoán và phân loại bệnh được sử dụng trong

nghiên cứu

2.2.6.1. Chẩn đoán xác định bệnh đái tháo đường

Dựa theo Hướng dẫn quy trình lâm sàng chẩn đoán và điều trị bệnh đái

tháo đường type 2 của Bộ Y tế27, dựa vào 1 trong 4 tiêu chuẩn sau:

- Glucose huyết tương lúc đói ≥ 126 mg/dL (hay 7 mmol/L). Bệnh nhân

phải nhịn ăn (không được uống nước ngọt, có thể uống nước lọc, nước đun

sôi để nguội) ít nhất 8 giờ (thường phải nhịn đói qua đêm từ 8-14 giờ), hoặc:

- Glucose huyết tương ở thời điểm sau 2 giờ làm nghiệm pháp dung nạp

glucose đường uống 75g ≥ 200 mg/dL (hay 11,1 mmol/L).

- HbA1C ≥ 6,5% (48 mmol/mol).

- Bệnh nhân có triệu chứng kinh điển của tăng glucose huyết hoặc mức

glucose huyết tương ở thời điểm bất kỳ ≥ 200 mg/dL (hay 11,1 mmol/L).

Chẩn đoán xác định nếu có 2 kết quả trên ngưỡng chẩn đoán trong cùng

1 mẫu máu xét nghiệm hoặc ở 2 thời điểm khác nhau đối với tiêu chí 1, 2,

hoặc 3; riêng tiêu chí 4: chỉ cần một lần xét nghiệm duy nhất.

2.2.6.2. Chẩn đoán đái tháo đường type 2

65

Dựa theo Hướng dẫn quy trình lâm sàng chẩn đoán và điều trị bệnh đái

tháo đường type 2 của Bộ Y tế27, bao gồm các tiêu chuẩn sau:

- Có đầy đủ tiêu chuẩn chẩn đoán bệnh Đái tháo đường

- Tuổi xuất hiện: ở người trưởng thành

- Khởi phát lâm sàng chậm, thường không rõ triệu chứng

- Biểu hiện lâm sàng:

+ Bệnh diễn tiến âm ỉ, ít triệu chứng

+ Thể trạng béo, thừa cân

+ Tiền sử gia đình có người mắc bệnh ĐTĐ type 2

+ Đặc tính dân tộc, có tỷ lệ mắc bệnh cao

+ Dấu gai đen

+ Hội chứng buồng trứng đa nang.

- Nhiễm ceton, tăng ceton trong máu, nước tiểu: thường không có

- C-peptid: Bình thường hoặc tăng

- Kháng thể: Âm tính

- Điều trị: Thay đổi lối sống, thuốc viên và/hoặc insulin

- Cùng hiện diện với bệnh tự miễn khác: Hiếm khi

- Các bệnh lý đi kèm lúc mới chẩn đoán (tăng huyết áp, rối loạn chuyển

hoá lipid, béo phì): Thường gặp, nhất là hội chứng chuyển hoá.

2.2.6.3. Đánh giá mức độ kiểm soát đường huyết theo glucose huyết

Dựa theo hướng dẫn của Hiệp hội Đái tháo đường Mỹ - ADA (2023):109

- Kiểm soát đường huyết tốt: khi nồng độ glucose huyết lúc đói trong

khoảng 80-130 mg/dl (4,4 – 7,2 mmol/L).

- Kiểm soát đường huyết kém khi glucose huyết lúc đói ≥ 130 mg/dl (≥

7,2 mmol/L).

66

2.2.6.4. Đánh giá mức độ kiểm soát đường huyết theo HbA1C

Dựa theo tiêu chuẩn của Hiệp hội Đái tháo đường Mỹ - ADA:26

- Kiểm soát đường huyết tốt khi HbA1C < 7% (< 53 mmol/mol).

- Kiểm soát đường huyết kém thi HbA1C ≥ 7% (≥ 53 mmol/mol).

2.2.6.5. Phân loại tuổi trên bệnh nhân ĐTĐ và ĐTĐ type 2

Theo hướng dẫn của Hiệp hội Đái tháo đường Mỹ ADA, đái tháo

đường type 2 chia làm 4 nhóm tuổi:26

- Dưới 40 tuổi (ĐTĐ ở người trẻ)

- 40 – 49 tuổi

- 50 – 59 tuổi

- Trên 60 tuổi (ĐTĐ ở người già)

Trong nghiên cứu này chúng tôi không ghi nhận được trường hợp nào

dưới 40 tuổi, các bệnh nhân còn lại trong nghiên cứu chúng tôi chia bệnh

nhân theo hai nhóm tuổi:

- Từ 41- 60 tuổi (ĐTĐ ở lứa tuổi lao động).

- Trên 60 tuổi (ĐTĐ ở người già).

2.2.6.6. Tiêu chuẩn đánh giá tình trạng kiểm soát rối loạn lipid máu trên bệnh

nhân đái tháo đường type 2

Dựa theo Hướng dẫn chẩn đoán và điều trị đái tháo đường type 2 năm

2020 của Bộ Y tế:27

- LDL cholesterol < 100 mg/dL (2,6 mmol/L), nếu chưa có biến chứng

tim mạch.

- LDL cholesterol < 70 mg/dL (1,8 mmol/L) nếu đã có bệnh tim mạch.

- Triglycerides < 150 mg/dL (1,7 mmol/L)

- HDL cholesterol > 40 mg/dL (1,0 mmol/L) ở nam và > 50 mg/dL (1,3

67

mmol/L) ở nữ.

2.2.6.7. Phân loại mức độ thị lực

Dựa theo phân loại mức độ thị lực năm 2019 của WHO:113

- Thị lực bình thường: ≥ 20/40 (≥ 0.3 logMAR).

- Thị lực giảm nhẹ: Từ ≥ 20/70 đến < 20/40 (Từ ≥ 0.5 - < 0.3

logMAR).

- Thị lực giảm trung bình: Từ ≥ 20/200 đến < 20/70 (Từ ≥ 1.0 - < 0.5

logMAR).

- Thị lực giảm nhiều: Từ ≥ 20/1200 đến < 20/200 (Từ ≥ 1.3 - < 1.0

logMAR).

- Thị lực mù: Từ ST (+) đến 20/200, hoặc ST (-) (Từ ST (+) đến < 1.0

logMAR hoặc ST (-).

2.2.6.8. Phân loại mức độ chỉ số nhãn áp

Tiêu chuẩn phân loại mức độ nhãn áp:114

- Nhãn áp bình thường: 8-21 mmHg

- Nhãn áp cao: > 21 mmHg

- Nhãn áp thấp: < 8 mmHg

2.2.6.9. Đánh giá mức độ đục thủy tinh thể

Dựa theo Hướng dẫn của Bộ Y tế và Hướng dẫn của Tổ chức y tế thế

giới (WHO) về chẩn đoán và điều trị đục thủy tinh thể115, 116

- Phân loại dựa vào tiến triển của đục, độ cứng màu sắc của nhân, vị trí

đục, cụ thể chia làm 3 loại:

+ Đục nhân

+ Đục vỏ

68

+ Đục dưới bao sau

- Phân loại đục thủy tinh thể theo độ cứng của nhân, chia làm 4 độ:

+ Độ I: nhân mềm, còn trong hoặc xám nhạt, đục vỏ hoặc dưới

bao.

+ Độ II: nhân mềm vừa phải, có màu xám hay vàng nhẹ, đục

dưới bao sau.

+ Độ III: nhân cứng trung bình, đục nhân màu vàng hổ phách,

hoặc đục nhân dưới bao sau.

+ Độ IV: nhân cứng, đục nhân màu nâu vàng hổ phách.

2.2.6.10. Phân loại giai đoạn bệnh VM ĐTĐ

Bảng 2.4. Phân loại quốc tế về giai đoạn bệnh võng mạc đái tháo đường và

phù hoàng điểm do đái tháo đường112

Phân loại Tổn thương quan sát được trên soi đáy mắt

Không có bệnh VM Không có tổn thương

ĐTĐ

Bệnh VM ĐTĐ chưa tăng sinh:

- Mức độ nhẹ: Có 1 vi phình mạch

- Mức độ trung bình:

- Mức độ nặng:

Có nhiều vi phình mạch và các dấu hiệu khác (như: chấm và đám xuất huyết, nhiều xuất tiết cứng, nhiều xuất tiết dạng bông) nhưng chưa đến mức độ rất nặng. Là mắt đã được phân loại ở mức độ trung bình và có thêm bất kỳ một trong các dấu hiệu sau: xuất huyết võng mạc (≥ 20% mỗi góc phần tư), bất thường tĩnh mạch (trên 2 góc phần tư), tổn thương vi mạch võng mạc (trên 1 góc phần tư),

69

và không có dấu hiệu của bệnh VM ĐTĐ tăng sinh.

Bệnh VM ĐTĐ tăng sinh: Là bệnh VM ĐTĐ chưa tăng sinh mức độ nặng kết hợp với một hoặc nhiều dấu hiệu sau: tân mạch, xuất huyết dịch kính và/hoặc xuất huyết trước võng mạc.

Phù hoàng điểm do ĐTĐ:

- Không phù hoàng Không có dày võng mạc và không có xuất tiết

điểm: cứng tại hoàng điểm

- Không phù ở trung tâm Có dày võng mạc trung tâm nhưng cách hố trung

hoàng điểm: tâm hoàng điểm 1mm

- Phù ở trung tâm hoàng Có dày võng mạc tại trung tâm vùng hoàng

điểm: điểm.

2.2.6.11. Đánh giá giá trị chẩn đoán bệnh VM ĐTĐ của phần mềm trí tuệ

nhân tạo CyberSight AI

Để đánh giá giá trị chẩn đoán của phần mềm trí tuệ nhân tạo

CyberSight AI chúng tôi dựa vào các chỉ số bao gồm: độ nhạy, độ đặc hiệu,

giá trị dự báo dương tính giả, giá trị dự báo âm tính giả, chỉ số Kappa đánh

giá mức độ tương đồng giữa chẩn đoán của phần mềm trí tuệ nhân tạo với Bác

sĩ nhãn khoa.

Bảng 2.5. Đánh giá giá trị chẩn đoán của phần mềm trí tuệ nhân tạo

Bác sĩ chuyên khoa Kết quả gán nhãn

Có bệnh Không bệnh CyberSight AI

Dương tính thật Dương tính giả Có bệnh Kết luận của hệ thống (TP) (FP)

70

Âm tính giả Âm tính thật Không bệnh (FN) (TN)

Các chỉ số được tính theo công thức dưới đây:

𝑇𝑃 𝑇𝑃+𝐹𝑁

● Độ nhạy: Se =

𝑇𝑁 𝑇𝑁+𝐹𝑃

● Độ đặc hiệu: Sp =

𝑇𝑃 𝑇𝑃+𝐹𝑃

● Giá trị dự báo dương tính PPV=

𝑇𝑁 𝑇𝑁+𝐹𝑁

● Giá trị dự báo âm tính NPV=

𝑇𝑃+𝑇𝑁 𝑇𝑃+𝐹𝑃+𝐹𝑛+𝑇𝑁

● Độ chính xác=

Dương tính thật (TP): AI phân loại được giai đoạn bệnh VM ĐTĐ qua

ảnh chụp đáy mắt so với bác sĩ Nhãn khoa.

Âm tính thật (TN): AI không phát hiện dấu hiệu tổn thương của bệnh

VM ĐTĐ, bác sĩ cũng không thấy dấu hiện tổn thương.

Dương tính giả (FP): AI phát hiện có dấu hiệu tổn thương võng mạc

trên ảnh chụp đáy mắt để phân loại giai đoạn bệnh nhưng bác sĩ không thấy

dấu hiệu tổn thương.

Âm tính giả (FN): AI không phát hiện dấu hiệu tổn thương VM ĐTĐ

qua ảnh chụp võng mạc nhưng bác sĩ phát hiện dấu hiệu tổn thương của bệnh

VM ĐTĐ.

- Việc so sánh sự tương đồng/tính phù hợp trong chẩn đoán bệnh VM

ĐTĐ được đánh giá dựa vào chỉ số Kappa:117

Bảng 2.6. Chỉ số Kappa đánh giá mức độ tương đồng trong chẩn đoán

Weighted Kappa Giá trị chẩn đoán

0 Không có tính tương đồng

< 0,2 Tương đồng ở mức thấp

71

0,2 – 0,4 Tương đồng mức độ trung bình – yếu

0,4 – 0,6 Tương đồng mức độ trung bình

0,6 – 0,8 Tương đồng mức độ tốt

> 0,8 Tương đồng mức độ rất tốt

1 Tương đồng hoàn toàn

2.3. Xử lý và phân tích số liệu

- Số liệu của nghiên cứu được nhập và xử lý trên phần mềm SPSS 20.0

- Các biến định tính được tính tỷ lệ phần trăm và kiểm định test χ2 để

tìm sự khác biệt, giá trị p < 0,05 được coi là có ý nghĩa thống kê.

- Các biến định lượng được tính giá trị trung bình, độ lệch chuẩn và tiến

hành kiểm định để so sánh, tìm sự khác biệt giữa các nhóm bằng các test

Student, Anova. Giá trị p < 0,05 được coi là có ý nghĩa thống kê.

2.4. Đạo đức trong nghiên cứu

- Nghiên cứu này được tiến hành sau khi được Hội đồng thông qua đề

cương nghiên cứu sinh Trường Đại học Y Hà Nội chấp thuận và Hội đồng đạo

đức của Trường Đại học Y Hà Nội chấp thuận.

- Nghiên cứu này chỉ có mục đích khoa học và có lợi cho sức khỏe

nhân dân, ngoài ra không có mục đích gì khác.

- Bệnh nhân và gia đình người bệnh khi tham gia nghiên cứu đều được

giải thích rõ mục đích của nghiên cứu, nếu bệnh nhân được xác định có tổn

thương đáy mắt do bệnh ĐTĐ sẽ được nhập viện điều trị hoặc chuyển tuyến

điều trị. Bệnh nhân hoàn toàn tự nguyện khi tham gia nghiên cứu và có thể rút

khỏi nghiên cứu nếu muốn.

- Bệnh nhân không phải chi trả bất kỳ khoản kinh phí nào khi tham gia

nghiên cứu này.

72

- Các thành viên tham gia nghiên cứu sẵn sàng tư vấn cho bệnh nhân

khi bệnh nhân có yêu cầu, và thông tin lại cho bệnh nhân kết quả khám trong

suốt quá trình nghiên cứu, thông tin của bệnh nhân hoàn toàn được giữ bí mật.

73

Chương 3

KẾT QUẢ NGHIÊN CỨU

Trong thời gian từ tháng 03 năm 2023 đến tháng 06 năm 2023 tại Bệnh

viện Trung Ương Thái Nguyên, chúng tôi đã tiến hành khám, làm các xét

nghiệm sinh hóa máu, khám mắt cho 1012 bệnh nhân đái tháo đường type 2

với 1943 mắt, chúng tôi thu được kết quả như sau:

3.1. Đặc điểm lâm sàng và cận lâm sàng của đối tượng nghiên cứu

3.1.1. Đặc điểm về tuổi và giới

Bảng 3.1. Đặc điểm bệnh nhân theo nhóm tuổi

n Tuổi Tỉ lệ %

0 Dưới 40 0

30 40 – 60 3,0

982 Trên 60 97,0

1012 Tổng 100

Nhận xét: Trong nghiên cứu của chúng tôi chỉ có 3% bệnh nhân có độ

tuổi 40-60 tuổi trong đó có 97% bệnh nhân trên 60 tuổi, tuổi trung bình của

bệnh nhân là 74.6 ± 6.7 tuổi, người bệnh tuổi thấp nhất là 40 tuổi, người bệnh

cao tuổi nhất là 93 tuổi. Không có bệnh nhân nào dưới 40 tuổi.

Biểu đồ 3.1. Phân bố bệnh nhân theo giới

74

Nhận xét: 50,8% bệnh nhân trong nghiên cứu của chúng tôi là nữ (514

bệnh nhân), và 49,2% bệnh nhân là nam giới (498 bệnh nhân).

3.1.2. Đặc điểm về thời gian mắc bệnh đái tháo đường

Biểu đồ 3.2. Phân bố thời gian mắc bệnh ĐTĐ của bệnh nhân

Nhận xét: Trong nghiên cứu của chúng tôi có 39,43% bệnh nhân có

thời gian mắc bệnh dưới từ 5-10 năm, có 29,64% bệnh nhân mắc bệnh trong

khoảng thời gian 10-20 năm, 23,52% bệnh nhân có thời gian mắc bệnh dưới 5

năm và có 7,41% mắc bệnh trên 20 năm.

3.1.3. Mức độ kiểm soát glucose huyết của bệnh nhân

Bảng 3.2. Mức độ kiểm soát glucose huyết của bệnh nhân

Chỉ số glucose huyết n (bệnh nhân) Tỷ lệ %

Kiểm soát tốt (4,4 – 7,2 mmol/L) 612 60,5

Kiểm soát kém (≥ 7,2 mmol/L) 400 39,5

Tổng số 1012 100

75

Nhận xét: Có 612 bệnh nhân kiểm soát glucose tốt chiếm tỷ lệ 60,5%,

400 bệnh nhân kiểm soát glucose huyết kém chiếm 39,5%.

3.1.4. Mức độ kiểm soát HbA1C của bệnh nhân

Bảng 3.3. Mức độ kiểm soát HbA1C của bệnh nhân

Chỉ số HbA1C n (bệnh nhân) Tỷ lệ %

Kiểm soát tốt (< 7%) 439 43,4

Kiểm soát kém (≥ 7%) 573 56,6

Tổng số 1012 100

Nhận xét: Có 439 bệnh nhân kiểm soát HbA1C tốt chiếm tỷ lệ 43,4%,

56,6% bệnh nhân còn lại kiểm soát HbA1C mức kém.

3.1.5. Đặc điểm mức độ thị lực của bệnh nhân trong nghiên cứu

Biểu đồ 3.3. Mức độ thị lực của bệnh nhân trong nghiên cứu

Nhận xét: Trong nghiên cứu này của chúng tôi, mức độ thị lực giảm

nhiều là phổ biến nhất (chiếm 47,1% với 916 mắt), mức thị lực bình thường

76

chỉ chiếm 4,4% với 85 mắt và bên cạnh đó vẫn có 13,2% bệnh nhân có mức

thị lực mù với 256 mắt.

3.1.6. Đặc điểm nhãn áp của bệnh nhân trong nghiên cứu

Bảng 3.4. Đặc điểm nhãn áp của bệnh nhân trong nghiên cứu

Đặc điểm nhãn áp n (mắt) Tỷ lệ (%)

Nhãn áp bình thường 1928 99,2

Nhãn áp cao 15 0,8

Nhãn áp thấp 0 0

Tổng số 1943 100

Nhận xét: Trong số 1943 mắt trong nghiên cứu, chỉ có 15 mắt có chỉ số

nhãn áp cao hơn bình thường, không có mắt nào có nhãn áp thấp.

3.1.7. Bệnh lý mắt kèm theo

Bảng 3.5. Một số bệnh lý mắt kèm theo

Bệnh lý mắt kèm theo n (mắt) Tỷ lệ (%)

12 5,9 Bệnh lý giác mạc

752 38,7 Bệnh đục thủy tinh thể

10 5,0 Bệnh glôcôm

268 13,2 Bệnh dịch kính (đục dịch kính)

26 12,8 Các bệnh lý võng mạc khác

6 2,9 Chấn thương mắt (chấn thương đụng dập

77

NC, dị vật giác mạc)

Khác 22 10,9

Nhận xét: Nghiên cứu 1943 mắt có 752 mắt có đục thủy tinh thể ở các

mức độ khác nhau (chiếm 38,7,1%), các bệnh dịch kính có 268 mắt (chiếm

13,2%), Các bệnh mắt khác bao gồm bệnh lý giác mạc, glôcôm, các bệnh lý

võng mạc khác và chấn thương mắt chiếm tỷ lệ thấp từ 5,0 % đến 12,8%.

3.1.8. Một số bệnh toàn thân kèm theo

Bảng 3.6. Một số bệnh toàn thân kèm theo

Bệnh toàn thân kèm theo n (bệnh nhân) Tỷ lệ %

Bệnh lý tim mạch, huyết áp 854 84,4

Rối loạn lipid máu 562 55,4

Tai biến mạch máu não 92 9,1

Béo phì 76 7,5

Các bệnh lý thận mạn tính 185 18,3

Nhận xét: Bệnh kèm theo phổ biến nhất là bệnh lý tim mạch, huyết áp

gặp ở 854 bệnh nhân (84,4%), rối loạn lipid máu gặp ở 562 bệnh nhân

(55,4%), các bệnh lý thận mạn tính gặp ở 185 bệnh nhân (18,3%), tỷ lệ bệnh

nhân béo phì gặp ít nhất với 76 bệnh nhân (7,5%).

3.2. Tổn thương võng mạc do bệnh ĐTĐ gây ra và một số yếu tố liên

quan

3.2.1. Tỷ lệ tổn thương VM ĐTĐ

78

Biểu đồ 3.4. Tổn thương VM ĐTĐ

Nhận xét: Trong nghiên cứu của chúng tôi có 314/1943 mắt có tổn

thương võng mạc do đái tháo đường gây ra chiếm tỉ lệ 16,2%.

3.2.2. Các tổn thương trên võng mạc của những mắt có bệnh VM ĐTĐ

Bảng 3.7. Các hình thái tổn thương trên võng mạc

Các tổn thương võng mạc n (số mắt) Tỷ lệ %

Vi phình mạch 276 14,2

Xuất tiết võng mạc 155 8,0

Xuất huyết võng mạc 202 10,4

Quai tĩnh mạch 3 0,9

Tĩnh mạch “hình tràng hạt” 2 0,6

Xuất huyết dịch kính và/hoặc xuất huyết

15 4,8

trước võng mạc

79

Bất thường tại hoàng điểm 26 8,3

Nhận xét: Trong tổng số 314 mắt được chẩn đoán có bệnh VM ĐTĐ thì

14,2% có vi phình mạch, 8,0% có xuất tiết võng mạc và 10,4% có xuất huyết

võng mạc. Ngoài ra các tổn thương khác như xuất huyết dịch kính và/hoặc

xuất huyết trước võng mạc, bất thường tại hoàng điểm,… chiếm tỷ lệ từ 4,8

đến 8,3%.

80

3.2.3. Giai đoạn tổn thương của bệnh VM ĐTĐ

Bảng 3.8. Phân bố giai đoạn bệnh VM ĐTĐ

Giai đoạn bệnh VM ĐTĐ n (mắt) Tỷ lệ %

Mức độ nhẹ 52 16,6

VM ĐTĐ

Mức độ trung bình 146 46,5

chưa tăng sinh

Mức độ nặng 56 17,8

VM ĐTĐ tăng sinh 60 19,1

Tổng số 314 100

Nhận xét: Trong số 314 mắt được chẩn đoán có bệnh VM ĐTĐ thì có

19,1% mắt được chẩn đoán VM ĐTĐ tăng sinh, có 80,9% mắt được chẩn

đoán bệnh VM ĐTĐ chưa tăng sinh ở các mức độ khác nhau trong đó mức độ

trung bình chiếm tỷ lệ cao nhất là 46,5%.

3.2.4. Mức độ thị lực theo thời gian mắc bệnh ĐTĐ

Bảng 3.9. Phân bố thị lực theo thời gian mắc bệnh ĐTĐ

Thời gian mắc Tổng < 5 5-10 >10-20 > 20 bệnh ĐTĐ (mắt năm năm năm năm ) Mức độ thị lực

TL bình thường 43 18 2 85 22

TL giảm nhẹ 112 105 21 326 88

TL giảm trung bình 149 121 7 360 83

TL giảm nhiều 165 366 290 95 916

81

Mù 77 98 66 25 256

Nhận xét: Mức thị lực bình thường chỉ gặp ở 85/1943 mắt

Mức thị lực giảm nhiều gặp nhiều nhất ở bệnh nhân bị bệnh ĐTĐ trên

20 năm với 95 mắt.

Có 256 mắt phân loại mù trong đó bao gồm cả những mắt bị mất chức

năng thị giác (ST âm tính), đục thuỷ tinh thể.

3.2.5. Biến chứng bệnh VM ĐTĐ theo thời gian mắc bệnh

Bảng 3.10. Biến chứng bệnh VM ĐTĐ theo thời gian mắc bệnh

Bệnh VM ĐTĐ Có bệnh Không có bệnh

n Tỷ lệ % n (mắt) Tỷ lệ % p Thời gian (mắt)

mắc bệnh

Dưới 5 năm 26 8,3 412 25,3

Từ 5 năm đến dưới 10 năm 98 31,2 664 40,8

Từ 10 năm đến dưới 20 116 36,9 454 27,9 < 0,05 năm

Trên 20 năm 42 23,6 99 6,0

Tổng 314 100 1629 100

Nhận xét: Trong số những mắt bị bệnh VM ĐTĐ gặp ở những bệnh

nhân bị ĐTĐ >10-20 năm là nhiều nhất (36,9%). Trong số những mắt không

bị bệnh VM ĐTĐ gặp nhiều nhất ở những bệnh nhân bị bệnh ĐTĐ từ 5-10

năm (40,8%).

82

3.2.6. Biến chứng bệnh VM ĐTĐ theo tuổi và giới

Bảng 3.11. Biến chứng bệnh VM ĐTĐ theo nhóm tuổi

Bệnh VM Có bệnh Không có bệnh

ĐTĐ n (mắt) Tỷ lệ % n (mắt) Tỷ lệ % p

Nhóm tuổi

40-60 tuổi 26 8,3 34 2,1

Trên 60 tuổi 288 91,7 1595 97,9 < 0,001

Tổng 314 100 1629 100

Nhận xét: Trong số những mắt có bệnh VM ĐTĐ chủ yếu gặp ở bệnh

nhân trên 60 tuổi (chiếm 91,7%), còn lại có 8,3% bệnh nhân có bệnh VM

ĐTĐ ở độ tuổi 40-60 tuổi. Mức độ mắc bệnh VM ĐTĐ có sự khác biệt giữa

hai nhóm tuổi có ý nghĩa thống kê với p < 0,001.

Bảng 3.12. Biến chứng bệnh VM ĐTĐ theo giới

Bệnh VM Có bệnh Không có bệnh

ĐTĐ n (mắt) Tỷ lệ % n (mắt) Tỷ lệ % p

Giới

Nam 168 53,5 798 49,0

Nữ 146 45,5 831 51,0 > 0,05

Tổng 314 100 1629 100

Nhận xét: Trong số 314 mắt được chẩn đoán có bệnh VM ĐTĐ thì tỷ lệ

giới nam và nữ mắc bệnh tương đối đồng đều, không có sự khác biệt với p >

0,05.

83

3.2.7. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát glucose huyết

Bảng 3.13. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát glucose huyết

Bệnh VM Có bệnh Không có bệnh

ĐTĐ

Mức độ p n (mắt) Tỷ lệ % n (mắt) Tỷ lệ %

kiếm soát

glucose huyết

105 48,0 1024 62,9 Mức độ kiểm soát glucose huyết tốt

< 0,01 209 52,0 605 37,1

Mức độ kiểm soát glucose huyết kém Tổng 314 100 1629 100

Nhận xét: Trong số những bệnh nhân có bệnh VM ĐTĐ, có 52% bệnh

nhân có kiểm soát đường huyết ở mức kém. Còn trong số những bệnh nhân

không có bệnh VM ĐTĐ có 62,9% bệnh nhân có mức độ kiểm soát đường

huyết tốt. Tỷ lệ mắc bệnh VM ĐTĐ có sự khác biệt giữa các nhóm bệnh nhân

có mức độ kiểm soát đường huyết khác nhau với p < 0,01.

3.2.8. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát HbA1C

Bảng 3.14. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát HbA1C

Bệnh VM ĐTĐ Có bệnh Không có bệnh

n (mắt) Tỷ lệ % n (mắt) Tỷ lệ % p Mức độ

kiểm soát HbA1C

Mức độ kiểm soát tốt 78 24,8 738 45,3 < 0,01

84

Mức độ kiểm soát kém 236 75,2 891 54,7

314 100 1629 100 Tổng

Nhận xét: Trong số những bệnh nhân có bệnh VM ĐTĐ, có tới 75,2%

bệnh nhân có mức độ kiểm soát HbA1C ở mức kém, chỉ có 24,8% bệnh nhân

kiểm soát HbA1C mức tốt. Ở trong nhóm bệnh nhân không có bệnh VM ĐTĐ

có 54,7% bệnh nhân có mức kiểm soát HbA1C kém. Sự khác biệt giữa hai

nhóm có ý nghĩa thống kê với p < 0,01.

3.2.9. So sánh giá trị trung bình glucose huyết và nồng độ HbA1C với tổn

thương VM ĐTĐ

Bảng 3.15. So sánh giá trị trung bình giữa HbA1C và nồng độ glucose

huyết

Bệnh VM ĐTĐ

Đặc điểm

)

)

Có bệnh ( Không có bệnh (

HbA1C

HbA1C (%) 8,34 ± 1,81 7,46 ± 1,64

p < 0,001

Nồng độ glucose huyết

Glucose (mmol/l) 8,36 ± 3,03 7,24 ± 2,54

p < 0,05

85

Nhận xét: Nồng độ HbA1C và glucose huyết trung bình có sự khác biệt

giữa nhóm bệnh nhân có bị bệnh VM ĐTĐ với bệnh nhân không có bệnh VM

ĐTĐ với p < 0,001 và p < 0,05.

86

3.2.10. Biến chứng bệnh VM ĐTĐ với các bệnh toàn thân khác

Bảng 3.16. Biến chứng bệnh VM ĐTĐ với các bệnh toàn thân

Bệnh VM ĐTĐ Có Không

Đặc điểm n (mắt) Tỷ lệ % n (mắt) Tỷ lệ %

Tim mạch, tăng huyết áp 167 53,2 147 46,8

Rối loạn chuyển hóa lipid máu 206 65,6 108 34,4

Tai biến mạch máu não 19,4 253 80,6 61

Béo phì 14,3 267 85,7 45

25 Bệnh thận mạn tính 7,9 289 92,1

Nhận xét: Trong số những bệnh toàn thân kèm theo thì rối loạn chuyển

hóa lipid máu có tỷ lệ mắt bị bệnh VM ĐTĐ cao nhất (65,6%), sau đó là bệnh

lý tim mạch và tăng huyết áp chiếm tỷ lệ 53,2%.

87

3.2.11. Mối liên quan giữa một số yếu tố lâm sàng, cận lâm sàng với nguy

cơ tổn thương võng mạc do bệnh đái tháo đường

Bảng 3.17. Hồi quy đơn biến một số yếu tố lâm sàng, cận lâm sàng

liên quan đến bệnh VMĐTĐ

Phân tích đơn biến Các yếu tố lâm sàng Có tổn thương Không có tổn thương và cận lâm sàng p VM ĐTĐ VM ĐTĐ

40-60 tuổi 26 (43,3%) 34 (56,7%) Tuổi < 0,001 > 60 tuổi 288 (15,3%) 1595 (84,7%)

Nữ 146 (14,9%) 831 (85,1%) Giới > 0,05 Nam 168 (17,4%) 798 (82,6%)

5 năm 26 (59,4%) 412 (40,6%)

5-10 năm 98 (12,9%) 664 (87,1%) Thời gian bị < 0,05 ĐTĐ 10-20 năm 116 (20,4%) 454 (79,6%)

> 20 năm 42 (29,8%) 99 (70,2%)

Mức độ kiểm Tốt 105 (9,3%) 1024 (90,7%)

soát đường < 0,01

Kém 209 (25,7%) 605 (74,3%) huyết

Tốt 78 (9,6%) 738 (90,4%) Mức độ kiểm < 0,01 soát HbA1C Kém 236 (20,9%) 891 (79,1%)

Nhận xét: Phân tích đơn biến một số yếu tố lâm sàng và cận lâm sàng

có liên quan tới bệnh VM ĐTĐ thấy: tuổi, thời gian mắc bệnh ĐTĐ, mức độ

kiểm soát glucose huyết và mức độ kiểm soát HbA1C đều có ảnh hưởng tới

bệnh VM ĐTĐ với p < 0,05; 0,01 và 0,001.

88

Bảng 3.18. Phân tích đa biến (hồi quy COX) các yếu tố dự báo tổn thương

bệnh võng mạc đái tháo đường

OR đơn biến Yếu tố cận lâm sàng OR đa biến (95%CI) (95%CI)

Giới Nam 0,67 (0,13-3,41) 1,32 (0,35-4,98)

Tuổi > 60 0,72 (0,43-1,2) 2,04 (0,0-11644,09)

Thời gian bị ĐTĐ từ 10-20 14,54 (4,45-47,54)** 109,52 (5,12-2344,47)* năm

381,33 127,45 Thời gian bị ĐTĐ >20 năm (59,22-2455,32)** (75,061-3251775,03)*

Mức độ kiểm soát đường 0,67 (0,07-6,34) 4,94 (0,41-60,14) huyết kém

Mức độ kiểm soát HbA1C 308,78 71,78 (8,99-572,79)** kém (23,41-4073,52)**

(*:p<0,05; **: p<0,001)

Nhận xét: Phân tích hồi quy đa biến một số yếu tố lâm sàng và cận lâm

sàng có liên quan tới bệnh VM ĐTĐ thấy:

- Những bệnh nhân có thời gian mắc bệnh ĐTĐ từ 10 đến 20 năm có

khả năng bị tổn thương bệnh võng mạc đái tháo đường cao gấp 109,52 lần so

với những bệnh nhân có thời gian mắc bệnh dưới 10 năm (p < 0,05).

- Những bệnh nhân có thời gian mắc bệnh ĐTĐ trên 20 năm có khả

năng bị tổn thương bệnh võng mạc đái tháo đường cao gấp 127,45 lần so với

những bệnh nhân có thời gian mắc bệnh dưới 10 năm (p < 0,05).

- Những bệnh nhân kiểm soát HbA1C kém có khả năng bị tổn thương

bệnh võng mạc đái tháo đường cao gấp 308,78 lần so với những bệnh nhân

kiểm soát tốt (p < 0,001).

89

3.3. So sánh kết quả đánh giá tổn thương VM ĐTĐ dựa trên hình ảnh

chụp ảnh màu đáy mắt ở bệnh nhân đái tháo đường type 2 giữa các

nhóm nhân viên y tế khác nhau

3.3.1. So sánh kết quả phát hiện các tổn thương trên ảnh màu chụp đáy

mắt giữa NVYT nhóm 1 với Bác sĩ Nhãn khoa

3.3.1.1. Tổn thương vi mạch

Bảng 3.19. So sánh kết quả phát hiện tổn thương vi mạch giữa NVYT

nhóm 1 và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa Chỉ số Chung Chẩn đoán Không có tổn Kappa Có tổn thương của NVYT thương

nhóm 1 Số Số Số Tỉ lệ % Tỉ lệ % Tỉ lệ % lượng lượng lượng

Không có 1528 87,3 223 12,7 1751 90,1 tổn thương 0,124

Có tổn 139 72,4 53 27,6 192 9,1 thương

Tổng 1667 85,8 276 14,2 1943 100,0

Độ nhạy: 19,2%

Độ đặc hiệu: 91,7%

Giá trị tiên đoán dương tính: 27,6%

Giá trị tiên đoán âm tính: 87,3%

Tỉ lệ dương tính giả: 8,3%

Tỉ lệ âm tính giả: 12,7%

Nhận xét: Kết quả phát hiện tổn thương vi mạch giữa NVYT nhóm 1

với Bác sĩ nhãn khoa có độ tương đồng thấp với độ nhạy 19,2%, độ đặc hiệu

90

91,7% và chỉ số Kappa là 0,124.

3.3.1.2. Tổn thương xuất tiết

Bảng 3.20. So sánh kết quả phát hiện tổn thương xuất tiết giữa NVYT

nhóm 1 và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 1

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1270 96,7 44 3,3 1314 67,6 Không có tổn thương 0,178

518 82,4 111 17,6 629 32,4 Có tổn thương

Tổng 1788 92,0 155 8,0 1943 100,0

Độ nhạy: 71,6%

Độ đặc hiệu: 71,0%

Giá trị tiên đoán dương tính: 17,6%

Giá trị tiên đoán âm tính: 96,7%

Tỉ lệ dương tính giả: 29,0%

Tỉ lệ âm tính giả: 3,3%

Nhận xét: Kết quả phát hiện tổn thương xuất tiết giữa NVYT nhóm 1

với Bác sĩ nhãn khoa có độ tương đồng thấp với độ nhạy 71,6%, độ đặc hiệu

71,0% và chỉ số Kappa là 0,178.

91

3.3.1.3. Tổn thương xuất huyết

Bảng 3.21. So sánh kết quả phát hiện tổn thương xuất huyết giữa NVYT

nhóm 1 và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 1

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1648 94,5 95 5,5 1743 89,7 Không có tổn thương 0,478

93 46,5 107 53,5 200 10,3 Có tổn thương

Tổng 1741 89,6 202 10,4 1943 100,0

Độ nhạy: 83,0%

Độ đặc hiệu: 94,7%

Giá trị tiên đoán dương tính: 53,5%

Giá trị tiên đoán âm tính: 94,5%

Tỉ lệ dương tính giả: 5,3%

Tỉ lệ âm tính giả: 5,5%

Nhận xét: Kết quả phát hiện tổn thương xuất huyết giữa NVYT nhóm 1

với Bác sĩ nhãn khoa có độ tương đồng trung bình với độ nhạy 83,0%, độ đặc

hiệu 94,7% và chỉ số Kappa là 0,478.

92

3.3.1.4. So sánh kết quả chẩn đoán bệnh võng mạc đái tháo đường

Bảng 3.22. So sánh kết quả phát hiện bệnh VM ĐTĐ giữa NVYT nhóm 1

và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 1

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1047 94,7 59 5,3 1106 56,9 Không có tổn thương 0,213

629 75,1 208 24,9 837 43,1 Có tổn thương

Tổng 1676 86,3 267 13,7 1943 100,0

Độ nhạy: 77,9%

Độ đặc hiệu: 62,5%

Giá trị tiên đoán dương tính: 24,9%

Giá trị tiên đoán âm tính: 94,7%

Tỉ lệ dương tính giả: 37,5%

Tỉ lệ âm tính giả: 5,3%

Nhận xét: Kết quả chẩn đoán bệnh VM ĐTĐ giữa NVYT nhóm 1 với

Bác sĩ nhãn khoa có độ tương đồng trung bình yếu với độ nhạy 77,9%, độ đặc

hiệu 62,5% và chỉ số Kappa là 0,213.

93

3.3.1.5. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ giữa NVYT nhóm

1 với Bác sĩ Nhãn khoa

Bảng 3.23. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ giữa NVYT

nhóm 1 và Bác sĩ Nhãn khoa

Phân loại theo BS Chưa Chưa Nhãn khoa tăng sinh Không Chưa tăng Tăng tăng sinh Tổng bị bệnh trung sinh nặng sinh Phân loại theo nhẹ bình NVYT nhóm 1

25 44 Không bị bệnh 1007 9 20 1105

19 453 42 Chưa tăng sinh nhẹ 12 15 541

4 112 33 Chưa tăng sinh trung 23 8 180

bình

2 39 15 Chưa tăng sinh nặng 4 5 65

2 18 12 Tăng sinh 8 12 52

Tổng 1629 52 146 56 60 1943

Kappa 0,110

Nhận xét: Với hệ số Kappa bằng 0,110 chứng tỏ mức độ tương đồng

giữa chẩn đoán phân loại giai đoạn bệnh VM ĐTĐ của nhóm NVYT 1 so với

phân loại theo Bác sĩ Nhãn khoa ở mức độ thấp; với tỉ lệ tương đồng là

1075/1943 (55,3%). Hay nói cách khác chỉ có 55,3% mắt được chẩn đoán giai

đoạn bệnh VM ĐTĐ giống nhau giữa hai nhóm.

94

3.3.2. So sánh kết quả phát hiện các tổn thương trên ảnh màu chụp đáy

mắt giữa NVYT nhóm 2 với Bác sĩ Nhãn khoa

3.3.2.1. Tổn thương vi mạch

Bảng 3.24. So sánh kết quả phát hiện tổn thương vi mạch giữa NVYT

nhóm 2 và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 2

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1585 90,5 167 9,5 1752 90,2 Không có tổn thương 0,397

82 42,9 109 57,1 191 9,8 Có tổn thương

Tổng 1667 85,8 276 14,2 1943 100,0

Độ nhạy: 69,5%

Độ đặc hiệu: 95,1%

Giá trị tiên đoán dương tính: 57,1%

Giá trị tiên đoán âm tính: 90,5%

Tỉ lệ dương tính giả: 4,9%

Tỉ lệ âm tính giả: 9,5%

Nhận xét: Kết quả phát hiện tổn thương vi mạch giữa NVYT nhóm 2

95

với Bác sĩ Nhãn khoa có độ tương đồng trung bình với độ nhạy 69,5%, độ đặc

hiệu 95,1% và chỉ số Kappa là 0,397.

3.3.1.2. Tổn thương xuất tiết

Bảng 3.25. So sánh kết quả phát hiện tổn thương xuất tiết giữa NVYT

nhóm 2 và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 2

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1271 96,5 46 3,5 1317 67,8 Không có tổn thương 0,173

517 82,6 109 17,4 626 32,2 Có tổn thương

Tổng 1788 92,0 155 8,0 1943 100,0

Độ nhạy: 70,3%

Độ đặc hiệu: 71,1%

Giá trị tiên đoán dương tính: 17,4%

Giá trị tiên đoán âm tính: 96,5%

Tỉ lệ dương tính giả: 28,9%

Tỉ lệ âm tính giả: 3,5%

Nhận xét: Kết quả phát hiện tổn thương xuất tiết giữa NVYT nhóm 2

với Bác sĩ Nhãn khoa có độ tương đồng thấp với độ nhạy 70,3%, độ đặc hiệu

71,1% và chỉ số Kappa là 0,173.

96

3.3.1.3. Tổn thương xuất huyết

Bảng 3.26. So sánh kết quả phát hiện tổn thương xuất huyết giữa NVYT

nhóm 2 và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 2

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1652 94,4 98 5,6 1750 90,1 Không có tổn thương 0,573

89 46,1 104 53,9 193 9,9 Có tổn thương

Tổng 1741 89,6 202 10,4 1943 100,0

Độ nhạy: 81,5%

Độ đặc hiệu: 94,9%

Giá trị tiên đoán dương tính: 53,9%

Giá trị tiên đoán âm tính: 94,4%

Tỉ lệ dương tính giả: 5,1%

Tỉ lệ âm tính giả: 5,6%

Nhận xét: Kết quả phát hiện tổn thương xuất huyết giữa NVYT nhóm 2

với Bác sĩ Nhãn khoa có độ tương đồng khá với độ nhạy 81,5%, độ đặc hiệu

94,9% và chỉ số Kappa là 0,573.

97

3.3.1.4. So sánh kết quả chẩn đoán bệnh võng mạc đái tháo đường

Bảng 3.27. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa NVYT nhóm 2

và Bác sĩ Nhãn khoa

Bác sĩ Nhãn khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán của NVYT nhóm 2

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1171 94,5 68 5,5 1238 63,7 Không có tổn thương 0,263

505 71,7 199 28,3 704 36,3 Có tổn thương

Tổng 1676 86,3 267 13,7 1943 100,0

Độ nhạy: 74,5%

Độ đặc hiệu: 69,9%

Giá trị tiên đoán dương tính: 28,3%

Giá trị tiên đoán âm tính: 94,5%

Tỉ lệ dương tính giả: 30,1%

Tỉ lệ âm tính giả: 5,5%

Nhận xét: Kết quả chẩn đoán bệnh VM ĐTĐ giữa NVYT nhóm 2 với

Bác sĩ Nhãn khoa có độ tương đồng trung bình yếu với độ nhạy 74,5%, độ

đặc hiệu 69,9% và chỉ số Kappa là 0,263.

98

3.3.1.5. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ giữa NVYT nhóm

2 với Bác sĩ Nhãn khoa

Bảng 3.28. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ giữa NVYT

nhóm 2 và Bác sĩ Nhãn khoa

Phân loại theo Chưa Chưa BS Nhãn khoa tăng sinh Không Chưa tăng Tăng tăng sinh Tổng bị bệnh trung sinh nặng sinh Phân loại theo nhẹ bình NVYT nhóm 2

Không bị bệnh 1120 26 59 25 1237 7

10 228 Chưa tăng sinh nhẹ 24 9 276 5

14 238 Chưa tăng sinh trung 52 22 13 339

bình

2 27 Chưa tăng sinh nặng 7 7 54 11

0 16 Tăng sinh 4 6 37 11

Tổng 56 1629 52 146 60 1943

Kappa 0,144

Nhận xét: Với hệ số Kappa bằng 0,144 chứng tỏ mức độ tương đồng

giữa chẩn đoán phân loại giai đoạn bệnh VM ĐTĐ của NVYT nhóm 2 so với

phân loại theo Bác sĩ Nhãn khoa ở mức độ trung bình; với tỉ lệ tương đồng là

1199/1943 (61,7%). Hay nói cách khác chỉ có 61,7% mắt được chẩn đoán giai

đoạn bệnh VM ĐTĐ giống nhau giữa hai nhóm.

99

3.4. Đánh giá phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán

bệnh võng mạc đái tháo đường type 2

3.4.1. Tổn thương vi mạch

Bảng 3.29. Đánh giá tổn thương vi mạch qua chẩn đoán của AI

Bác sĩ chuyên khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán bằng AI

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1663 99,8 4 0,2 1667 85,8 Không có tổn thương 0,502

172 62,3 104 37,7 276 14,2 Có tổn thương

Tổng 1835 94,4 108 5,6 1943 100,0

Độ nhạy: 96,3%

Độ đặc hiệu: 90,6%

Giá trị tiên đoán dương tính: 37,7%

Giá trị tiên đoán âm tính: 99,8%

Tỉ lệ dương tính giả: 9,4%

Tỉ lệ âm tính giả: 3,7%

Nhận xét: Kết quả phát hiện tổn thương vi mạch giữa phần mềm trí tuệ

nhân tạo với Bác sĩ nhãn khoa có độ tương đồng tốt với độ nhạy 96,3%, độ

đặc hiệu 90,6% và chỉ số Kappa là 0,502.

100

3.4.2. Tổn thương xuất tiết

Bảng 3.30. Đánh giá tổn thương xuất tiết qua chẩn đoán của AI

Bác sĩ chuyên khoa chẩn đoán

Chung Chỉ số Kappa Có tổn thương Không có tổn thương Chẩn đoán bằng AI

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

1711 95,7 77 4,3 1788 92,0 Không có tổn thương 0,735

13 8,4 142 91,6 155 8,0 Có tổn thương

Tổng 1724 88,7 219 11,3 1943 100,0

Độ nhạy: 64,8%

Độ đặc hiệu: 99,2%

Giá trị tiên đoán dương tính: 91,6%

Giá trị tiên đoán âm tính: 95,7%

Tỉ lệ dương tính giả: 0,8%

Tỉ lệ âm tính giả: 35,2%

Nhận xét: Kết quả phát hiện tổn thương xuất tiết giữa phần mềm trí tuệ

nhân tạo với Bác sĩ nhãn khoa có độ tương đồng mức độ khá với độ nhạy

64,8%, độ đặc hiệu 99,2% và chỉ số Kappa là 0,735.

101

3.4.3. Tổn thương xuất huyết

Bảng 3.31. Đánh giá tổn thương xuất huyết qua chẩn đoán của AI

Bác sĩ chuyên khoa chẩn đoán

Chỉ số Chung Không có tổn Kappa Có tổn thương Chẩn đoán thương bằng AI

Số Số Số Tỉ lệ % Tỉ lệ % Tỉ lệ % lượng lượng lượng

Không có tổn 1728 99,3 13 0,7 1741 89,6 0,807 thương

Có tổn thương 51 25,2 151 74,8 202 10,4

Tổng 1779 91,6 164 8,4 1943 100,0

Độ nhạy: 92,1%

Độ đặc hiệu: 97,1%

Giá trị tiên đoán dương tính: 74,8%

Giá trị tiên đoán âm tính: 99,3%

Tỉ lệ dương tính giả: 2,9%

Tỉ lệ âm tính giả: 7,9%

Nhận xét: Kết quả phát hiện tổn thương xuất huyết giữa phần mềm trí

tuệ nhân tạo với Bác sĩ nhãn khoa có độ tương đồng cao với độ nhạy 92,1%,

độ đặc hiệu 97,1% và chỉ số Kappa là 0,807.

102

3.4.4. Bất thường hoàng điểm

Bảng 3.32. Đánh giá bất thường hoàng điểm qua chẩn đoán của AI

Bác sĩ chuyên khoa

Tổng Kappa Không có bất thường

Bất thường hoàng điểm Chẩn đoán bằng AI

26 15 41 Bất thường hoàng điểm

0 273 273 Không có bất thường 0,536

26 288 314 Tổng

Độ nhạy: 23,0%

Độ đặc hiệu: 85,6%

Giá trị tiên đoán dương tính: 60,1%

Giá trị tiên đoán âm tính: 78,2%

Tỉ lệ dương tính giả: 4,5%

Tỉ lệ âm tính giả: 8,8%

Nhận xét: Kết quả phát hiện bất thường vùng hoàng điểm trên nhóm

bệnh nhân trong nghiên cứu giữa phần mềm trí tuệ nhân tạo với Bác sĩ nhãn

khoa có độ tương đồng thấp với độ nhạy 23,0%, độ đặc hiệu 85,6% và chỉ số

Kappa là 0,536.

103

3.4.5. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa phần mềm trí tuệ

nhân tạo và Bác sĩ Nhãn khoa

Bảng 3.33. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa phần mềm

trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Bác sĩ chuyên khoa chẩn đoán

Chung Chỉ số Kappa Không bệnh Có bệnh Chẩn đoán bằng AI

Tỉ lệ % Tỉ lệ % Tỉ lệ % Số lượng Số lượng Số lượng

Không bệnh 1605 97,6 40 2,4 1645 84,7 0,778

Có bệnh 71 23,8 227 76,2 298 15,3

Tổng 1676 86,3 267 13,7 1943 100,0

Độ nhạy: 85,0%

Độ đặc hiệu: 95,8%

Giá trị tiên đoán dương tính: 76,2%

Giá trị tiên đoán âm tính: 97,6%

Tỉ lệ dương tính giả: 4,2%

Tỉ lệ âm tính giả: 15,0%

Nhận xét: Kết quả phát hiện tổn thương võng mạc trên nhóm bệnh nhân

trong nghiên cứu giữa phần mềm trí tuệ nhân tạo với Bác sĩ Nhãn khoa có độ

tương đồng cao với độ nhạy 85,0%, độ đặc hiệu 95,8% và chỉ số Kappa là

0,778.

104

3.4.6. So sánh kết quả phân loại giai đoạn bệnh VM ĐTĐ qua chẩn đoán

của phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Bảng 3.34. Phân loại giai đoạn bệnh VM ĐTĐ qua chẩn đoán của phần

mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Phân loại giai đoạn bệnh VM ĐTĐ n (mắt) Tỷ lệ (%)

Không bị bệnh VM ĐTĐ 1629 83,8

VM ĐTĐ chưa tăng sinh nhẹ 52 2,7

VM ĐTĐ chưa tăng sinh trung bình 146 7,5

VM ĐTĐ chưa tăng sinh nặng 56 2,9

VM ĐTĐ tăng sinh 60 3,1

Tổng 1943 100

Nhận xét: Trong nghiên cứu của chúng tôi có 314/1943 mắt được chẩn

đoán bệnh VM ĐTĐ trong đó có 254 mắt được chẩn đoán bệnh VM ĐTĐ

chưa tăng sinh với các mức độ nhẹ (2,7%), trung bình (7,5%) và nặng (2,9%),

bệnh VM ĐTĐ tăng sinh có 60 mắt chiếm 3,1%.

105

3.4.7. So sánh kết quả chẩn đoán phát hiện các tổn thương tại võng mạc

giữa phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Bảng 3.35. So sánh kết quả phát hiện tổn thương giữa phần mềm trí tuệ

nhân tạo và Bác sĩ Nhãn khoa

Độ nhạy Độ đặc hiệu

Tổn thương võng mạc Kappa

(%) (%)

Vi phình mạch 96.3 90.6 0.50

Xuất tiết võng mạc 64.8 99.2 0.74

Xuất huyết võng mạc 92.1 97.1 0.81

Bất thường vùng hoàng điểm 23,0 85,6 0,54

Nhận xét: Trong các tổn thương tại võng mạc, tổn thương xuất huyết có

mức độ tương đồng cao nhất với độ nhạy 92,1%, độ đặc hiệu 97,1% và kappa

0,81. Tổn thương xuất tiết võng mạc có độ nhạy 64,8%, độ đặc hiệu 99,2%,

kappa là 0,74. Tổn thương vi phình mạch có độ nhạy 96,3%, độ đặc hiệu

90,6% và kappa là 0,50. Tổn thương bất thường vùng hoàng điểm có độ đồng

thuận thấp nhất với độ nhạy 23,0%, độ đặc hiệu 85,6% và kappa 0,54.

106

3.4.8. So sánh kết quả chẩn đoán giai đoạn bệnh VM ĐTĐ giữa phần mềm

trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Bảng 3.36. So sánh kết quả chẩn đoán giai đoạn bệnh VM ĐTĐ giữa phần

mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Độ nhạy Độ đặc hiệu

Mức độ bệnh Kappa

(%) (%)

95,0 85,0 0,75 Không bị bệnh VM ĐTĐ

15,1 98,0 0,18 VM ĐTĐ chưa tăng sinh nhẹ

VM ĐTĐ chưa tăng sinh trung

68,9 94,9 0,48

bình

41,0 99,0 0,43 VM ĐTĐ chưa tăng sinh nặng

65,1 97,9 0,38 VM ĐTĐ tăng sinh

Nhận xét: Những bệnh nhân không bị bệnh VM ĐTĐ có mức đồng

thuận cao giữa hai phương pháp chẩn đoán với độ nhạy 95%, độ đặc hiệu

85%, chỉ số Kappa là 0,75. Ngược lại, giai đoạn bệnh VM ĐTĐ chưa tăng

sinh nhẹ có mức đồng thuận thấp nhất với độ nhạy 15,1%, độ đặc hiệu 98%

và Kappa là 0,18. Các giai đoạn khác của bệnh VM ĐTĐ cũng có giá trị đồng

thuận thấp với Kappa trong khoảng từ 0,38 đến 0,48.

107

3.4.9. Đánh giá tỷ lệ tương đồng giữa chẩn đoán giai đoạn bệnh VM ĐTĐ

của phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Bảng 3.37. So sánh tỷ lệ tương đồng trong chẩn đoán giai đoạn bệnh VM

ĐTĐ giữa phần mềm trí tuệ nhân tạo và Bác sĩ Nhãn khoa

Phân loại theo AI Chưa Chưa tăng sinh Không Chưa tăng Tăng tăng sinh Tổng bị bệnh trung sinh nặng sinh Phân loại nhẹ bình theo BS Nhãn khoa

Không bị bệnh 1590 34 5 0 0 1629

17 28 4 3 0 52 Chưa tăng sinh nhẹ

46 36 59 5 0 146 Chưa tăng sinh trung

bình

3 0 12 32 9 56 Chưa tăng sinh nặng

10 22 6 5 17 60 Tăng sinh

86 45 26 1943 1676 110 Tổng

0.556 Kappa

Nhận xét: Qua bảng có thể thấy, với hệ số Kappa bằng 0,556 chứng tỏ

mức độ tương đồng giữa chẩn đoán phân loại giai đoạn bệnh VM ĐTĐ theo

phần mềm AI so với phân loại theo Bác sĩ Nhãn khoa ở mức độ trung bình;

với tỉ lệ tương đồng là 1715/1943 (88,3%). Hay nói cách khác có 88,3% mắt

được chẩn đoán giai đoạn bệnh VM ĐTĐ giống nhau theo hai phương pháp

chẩn đoán.

108

3.4.10. Đánh giá sự ảnh hưởng của mức độ đục thủy tinh thể tới kết quả

chẩn đoán của phần mềm trí tuệ nhân tạo

Bảng 3.38. Sự ảnh hưởng của mức độ đục thủy tinh thể tới kết quả chẩn

đoán bệnh VM ĐTĐ

Đặc điểm Độ đặc hiệu Mức độ đục Độ nhạy (%) Kappa (%) Thủy tinh thể

Mức độ 1 90.1 84.3 0.82

Mức độ 2 75.0 88.4 0.68

Nhận xét: Trong bảng trên chúng tôi thấy những bệnh nhân đục thủy

tinh thể mức độ 1 có sự tương đồng trong chẩn đoán giữa phần mềm trí tuệ

nhân tạo và Bác sĩ nhãn khoa khá cao với độ nhạy 91%, độ đặc hiệu 84,3%,

Kappa là 0,82. Ngược lại, với những bệnh nhân đục thủy tinh thể mức độ 2 có

độ nhạy là 75%, độ đặc hiệu là 88,4% và chỉ số Kappa là 0,68.

3.4.11. Đánh giá sự ảnh hưởng của mức độ giãn đồng tử tới kết quả chẩn

đoán của phần mềm trí tuệ nhân tạo

Bảng 3.39. Sự ảnh hưởng của mức độ giãn đồng tử tới kết quả chẩn đoán

bệnh VM ĐTĐ

Đặc điểm Độ đặc hiệu Mức độ giãn Độ nhạy (%) Kappa (%) của đồng tử

Đồng tử giãn tốt (≥ 6mm) 91.6 95.8 0.83

Đồng tử giãn kém (< 6mm) 85.6 98.2 0.78

Nhận xét: Trong bảng trên chúng tôi thấy những bệnh nhân có mức

giãn đồng tử tốt có sự tương đồng trong chẩn đoán giữa phần mềm trí tuệ

109

nhân tạo và Bác sĩ nhãn khoa khá cao với độ nhạy 91,6%, độ đặc hiệu 95,8%,

Kappa là 0,83. Ngược lại, với những bệnh nhân có mức giãn đồng tử kém có

độ nhạy, độ đặc hiệu và chỉ số Kappa thấp hơn, lần lượt là 85,6%, 98,2%,

0,78.

Chương 4

BÀN LUẬN

Chúng tôi tiến hành thăm khám và thu thập số liệu nghiên cứu trên

1012 bệnh nhân đái tháo đường type 2 (với 1943 mắt) đang điều trị ngoại trú

tại Khoa Khám bệnh Đái tháo đường, Bệnh viện Trung Ương Thái Nguyên

trong thời gian từ tháng 3 đến tháng 6 năm 2023. Chúng tôi xin đưa ra các ý

kiến bàn luận như sau:

4.1. Đặc điểm lâm sàng và cận lâm sàng của đối tượng nghiên cứu

4.1.1. Đặc điểm về tuổi và giới

Trong nghiên cứu của chúng tôi chỉ có 3,0% bệnh nhân có độ tuổi

40-60 tuổi trong đó có 97,0% bệnh nhân trên 60 tuổi, tuổi trung bình của bệnh

nhân là 74,6 ± 6,7 tuổi, người bệnh tuổi thấp nhất là 40 tuổi, người bệnh cao

tuổi nhất là 93 tuổi (Bảng 3.1). Ở trong nghiên cứu này chúng tôi chia độ tuổi

làm hai nhóm, nhóm 1 từ 40-60 tuổi và nhóm 2 là những bệnh nhân trên 60

tuổi, theo phân loại độ tuổi đối với những bệnh nhân đái tháo đường type 2

theo hướng dẫn của Bộ Y tế.27 Kết quả nghiên cứu của chúng tôi có sự tương

đồng với nghiên cứu của tác giả Phạm Diệu Linh (năm 2023) với độ tuổi

trung bình của bệnh nhân trong nghiên cứu là 66,3 ± 10,1 tuổi , nhóm bệnh

nhân trên 60 tuổi chiếm 77,7% và nhóm bệnh nhân 40-60 tuổi chiếm 22,3%,

tuy nhiên trong nghiên cứu này tác giả nghiên cứu cả những bệnh nhân đái

tháo đường type 1 cho nên độ tuổi trung bình của bệnh nhân có thấp hơn

trong nghiên cứu của chúng tôi.24 Tương tự như vậy trong nghiên cứu của tác

giả Đỗ Hữu Khương (2023) độ tuổi trung bình của bệnh nhân trong nghiên

110

cứu là 58,76 ± 12,14 tuổi, nhóm tuổi trên 60 tuổi chiếm tỷ lệ 51,8%, bệnh

nhân trong nghiên cứu này cũng bao gồm cả bệnh nhân ĐTĐ type 1 và 2.25

Tỷ lệ phân bố độ tuổi của bệnh nhân trong nghiên cứu của chúng tôi

cũng phù hợp với tỷ lệ bệnh nhân ĐTĐ ở Việt Nam nói riêng và các nước

đang phát triển trên thế giới nói chung.4 Người bệnh thuộc nhóm trên 60 tuổi

có thời gian mắc bệnh ĐTĐ lâu hơn, kèm theo các bệnh toàn thân nặng hơn

như tăng huyết áp, bệnh lý tim mạch, rối loạn chuyển hoá lipid máu, béo

phì,… làm cho nguy cơ mắc những biến chứng toàn thân cũng tăng lên trong

đó có biến chứng bệnh VM ĐTĐ.

Trong nghiên cứu của chúng tôi, có 50,8% bệnh nhân là nữ giới, 49,2%

bệnh nhân là nam giới, không có sự khác biệt có ý nghĩa thống kê giữa giới

nam và giới nữ, cho thấy sự phân bố đồng đều về tỷ lệ mắc bệnh ĐTĐ giữa cả

hai giới. Nghiên cứu của tác giả Đỗ Hữu Khương (2023) cho kết quả tương tự

như trong nghiên cứu của chúng tôi, tuy nhiên tỷ lệ bệnh nhân nữ trong

nghiên cứu này có vẻ cao hơn bệnh nhân nam với tỷ lệ nữ/nam là 1,22/1.25

4.1.2. Đặc điểm về thời gian mắc bệnh

Đã có nhiều nghiên cứu chứng minh rằng, thời gian mắc bệnh ĐTĐ

càng lâu thì nguy cơ gặp các biến chứng toàn thân trong đó có biến chứng mắt

càng cao. Theo nghiên cứu của Nguyễn Trọng Khải (2017) đã chứng minh

rằng nguy cơ tổn thương võng mạc ở bệnh nhân mắc bệnh ĐTĐ từ 5-10 năm

cao hơn 1,76 lần và ở người mắc bệnh ĐTĐ > 10 năm và cao gấp 8,94 lần so

với những bệnh nhân mắc bệnh ĐTĐ dưới 5 năm.103 Theo nghiên cứu của

Klein R và cs về dịch tễ học bệnh VM ĐTĐ cho thấy rằng 8% số người bệnh

mắc bệnh VM ĐTĐ sau 3 năm đầu tiên, tăng lên 25% trong 5 năm, 60% sau

10 năm, 80% sau 15 năm mắc bệnh ĐTĐ type 1.118 Còn theo nghiên cứu của

tác giả Wolfensberger, Halmilton và cs (2011) đã chỉ ra đối với bệnh nhân đái

tháo đường type 2, sau 5 năm có 25% bệnh nhân mắc bệnh VM ĐTĐ, sau 10

111

năm là 60%, sau 20 năm là 80%. Điều này cho thấy thời gian mắc bệnh đái

tháo đường là yếu tố nguy cơ hàng đầu và là yếu tố tiên đoán sự phát triển của

bệnh VM ĐTĐ.39

Trong nghiên cứu này chúng tôi chia thời gian mắc bệnh ĐTĐ thành 4

nhóm (thời gian mắc bệnh được tính từ thời điểm bệnh nhân phát hiện ra bệnh

lần đầu tiên) bao gồm: < 5 năm, 5-10 năm, >10-20 năm và >20 năm, trong đó

bệnh nhân mắc bệnh ĐTĐ từ 5-10 năm chiếm tỷ lệ cao nhất với 39,43%, có

29,64% bệnh nhân mắc bệnh trong khoảng thời gian 10-20 năm, 23,52% bệnh

nhân có thời gian mắc bệnh dưới 5 năm và có 7,41% mắc bệnh trên 20 năm

(Biểu đồ 3.2). Kết quả nghiên cứu này của chúng tôi cũng tương đồng với

nghiên cứu của tác giả Nguyễn Thị Lan Anh (2017) tại bệnh viên E Trung

Ương với kết quả tương tự là tỷ lệ bệnh nhân có thời gian mắc bệnh ĐTĐ

dưới 5 năm là cao nhất (40,2%).99

Thời gian mắc ĐTĐ là một trong những yếu tố tiên lượng đến khả năng

mắc bệnh võng mạc đái tháo đường và sự tiến triển nặng dần lên của bệnh

được đề cập nhiều nhất. Trong báo cáo tổng quan của tác giả Wong và cs

(2009) khi phân tích gộp trên 28 nghiên cứu với 27.120 bệnh nhân ĐTĐ, sau

4 năm tỷ lệ tiến triển thành bệnh VM ĐTĐ tăng sinh và gây suy giảm thị lực

trầm trọng chiếm tỷ lệ cao nhất tương ứng lần lượt là 11,0% và 7,2%.119 Thời

gian mắc bệnh ĐTĐ càng lâu thì nguy cơ bị bệnh VM ĐTĐ càng cao. Trong

nghiên cứu này chúng tôi thấy tỷ lệ bệnh nhân mắc ĐTĐ từ 5-10 năm chiếm

tỷ lệ cao nhất với 39,43%, sau đó là đến bệnh nhân ĐTĐ từ >10-20 năm

chiếm tỷ lệ 29,64% song bên cạnh đó tỷ lệ bệnh nhân mắc ĐTĐ dưới 5 năm

cũng chiếm tới 23,52%, điều đó chứng tỏ xu hướng mắc mới ĐTĐ chưa giảm

đi, phù hợp với nhận định rằng tỷ lệ mắc bệnh ĐTĐ không ngừng gia tăng tại

Việt Nam. Điều đó làm gia tăng thêm gánh nặng cho ngành y trong việc điều

trị cho bệnh nhân, kiểm soát các biến chứng do ĐTĐ gây ra trong đó có biến

112

chứng VM ĐTĐ, với việc phát triển gia tăng về số lượng bệnh nhân ĐTĐ

nhưng nguồn lực Bác sĩ nhãn khoa còn nhiều hạn chế, nên việc phát triển các

công cụ hỗ trợ nhằm mục đích phát hiện sớm, chuyển tuyến chuyên khoa kịp

thời ngay tại Phòng khám ban đầu là vô cùng quan trọng và cần thiết.

4.1.3. Mức độ kiểm soát nồng độ glucose huyết và HbA1C của bệnh nhân

trong nghiên cứu

Trong nhiều năm qua, bệnh VM ĐTĐ được biết đến như là một bệnh

tổn thương tiến triển của các mạch máu nhỏ tại võng mạc, nhưng gần đây nó

được coi là một biến chứng phức tạp hơn trong đó thoái hóa thần kinh võng

mạc đóng vai trò quan trọng. Nhiều nghiên cứu đã chỉ ra rằng, sự mỏng đáng

kể của lớp sợi thần kinh võng mạc gặp ở những bệnh nhân ĐTĐ mà không

được phát hiện ra bệnh VM ĐTĐ trên lâm sàng, điều này chứng tỏ rằng thoái

hóa thần kinh võng mạc do bệnh lý ĐTĐ gây ra còn có thể đi trước những

thay đổi vi mạch trên bệnh nhân ĐTĐ, và nồng độ glucose huyết cũng như

HbA1C cao hơn mức bình thường có liên quan đến độ dày võng mạc.120-122

Có rất nhiều yếu tố nguy cơ có thể làm gia tăng nhanh sự tiến triển của

bệnh VM ĐTĐ trên những bệnh nhân ĐTĐ type 2 bao gồm việc kiểm soát

đường huyết, mức độ kiểm soát lipid máu, tình trạng bệnh huyết áp và hút

thuốc,…và một số yếu tố khác như tuổi của bệnh nhân, thời gian mắc bệnh

ĐTĐ, di truyền và chủng tộc,…123

Nhiều nghiên cứu trên thế giới cũng như tại Việt Nam đã chỉ ra rằng

việc kiểm soát chỉ số đường huyết không tốt sẽ dẫn đến nhiều biến chứng

nặng nề tại mắt và toàn thân. Nghiên cứu của tác giả Daniel và cs (2016) đã

báo cáo rằng mỗi 1% đường máu giảm xuống giúp giảm 40% nguy cơ mắc

bệnh võng mạc đái tháo đường.7 Trong một nghiên cứu dịch tễ bệnh võng mạc

đái tháo đường của tác giả Klein tại Wisconsin (1984) trên đối tượng đái tháo

đường type 2, tác giả đã chứng minh được rằng những bệnh nhân kiểm soát

113

đường máu không tốt sẽ dễ bị mắc bệnh võng mạc đái tháo đường cao gấp 2,5

lần so với những bệnh nhân kiểm soát đường máu tốt. Đặc biệt với bệnh nhân

đái tháo đường type 2, nếu có sự điều chỉnh đường máu tốt, duy trì thường

xuyên và chặt chẽ thì hơn 90% bệnh nhân VM ĐTĐ sẽ không tiến triển sang

giai đoạn tăng sinh.118

Nghiên cứu của Nguyễn Thị Lan Anh (2017) cũng khẳng định những

bệnh nhân có đường máu bình thường dưới 7,0 mmol/L ít có nguy cơ mắc

bệnh võng mạc đái tháo đường gấp 2,6 lần so với những bệnh nhân có đường

máu từ trên 10 mmol/L (p<0,001, 95%CI = 4,2-19,3).99

Trong nghiên cứu của chúng tôi 100% bệnh nhân được chỉ định xét

nghiệm máu tĩnh mạch lúc đói để kiểm tra nồng độ glucose huyết và nồng độ

HbA1C trong ngày khám và thu thập số liệu nghiên cứu, ngoài ra chúng tôi có

ghi nhận tình trạng kiểm soát glucose huyết và kiểm soát nồng độ HbA1C

thông qua kết quả xét nghiệm sinh hóa máu trong 3 tháng gần nhất của bệnh

nhân tính đến thời điểm lấy số liệu, để đánh giá mức độ kiểm soát glucose

huyết và nồng độ HbA1C. Đối với việc kiểm soát glucose huyết, có 612 bệnh

nhân kiểm soát glucose tốt chiếm tỷ lệ 60,5%, 400 bệnh nhân kiểm soát

glucose mức kém chiếm 39,5% (Bảng 3.2). Đối với việc kiểm soát nồng độ

HbA1C, có 439 bệnh nhân kiểm soát HbA1C tốt chiếm tỷ lệ 43,4%, 56,6%

bệnh nhân còn lại kiểm soát HbA1C mức kém (Bảng 3.3). Như vậy có thể

thấy việc kiểm soát nồng độ glucose huyết và HbA1C ở các bệnh nhân trong

nghiên cứu còn chưa tốt. Điều đó cũng là yếu tố thuận lợi gây ra các biến

chứng toàn thân khác trong đó có biến chứng mắt trên nhóm bệnh nhân trong

nghiên cứu. Theo nghiên cứu của Kyari và cs (năm 2014) với 13.591 bệnh

nhân tham gia nghiên cứu từ 305 nghiên cứu tại Nigieria từ năm 2005 đến

năm 2007 cho thấy có mối liên quan giữa chỉ số đường huyết và bệnh VM

ĐTĐ. Khi đường huyết duy trì trên 15 mmol/l thì nguy cơ mắc bệnh VM

114

ĐTĐ tăng lên 8,1 lần (95%CI: 0,89-91,43, p = 0,06).90 Điều đó càng lý giải

nguyên nhân vì sao trong nghiên cứu của chúng tôi số mắt được chẩn đoán

bệnh VM ĐTĐ chưa tăng sinh ở các giai đoạn nặng và tăng sinh chiếm tỷ lệ

tương đối lớn.

4.1.4. Đặc điểm mức độ thị lực của bệnh nhân trong nghiên cứu

Chúng tôi phân chia thị lực thành 5 nhóm theo phân loại của tổ chức Y

tế thế giới năm 2018, thị lực bình thường, thị lực giảm nhẹ, thị lực giảm trung

bình, thị lực giảm nhiều và mù. Trong nghiên cứu này của chúng tôi, mức độ

thị lực giảm nhiều là phổ biến nhất (chiếm 47,1% mắt), mức thị lực bình

thường chỉ chiếm 4,4% và bên cạnh đó vẫn có 13,2% mắt được phân loại có

mức thị lực mù (Biểu đồ 3.3). Phần lớn bệnh nhân trong nghiên cứu của

chúng tôi đều có mức thị lực giảm nhiều với 47,1% (916 mắt) do nghiên cứu

này chúng tôi lựa chọn đối tượng nghiên cứu là những bệnh nhân ĐTĐ type

2, tuổi trung bình của bệnh nhân trong nghiên cứu cũng ở mức cao 74,6 ± 6,7

tuổi và thường kèm theo các bệnh lý khác tại mắt đặc biệt là đục thủy tinh thể

tuổi già gây ảnh hưởng tới thị lực của người bệnh.

Nghiên cứu của chúng tôi cho kết quả cao hơn trong các nghiên cứu

khác của các tác giả Nguyễn Thị Lan Anh (2017)99, tác giả Phạm Diệu Linh

(2023)24, và tác giả Đỗ Hữu Khương (2023)25, trong nghiên cứu này phần lớn

bệnh nhân đều có mức thị lực bình thường, có sự khác biệt này có thể do

nghiên cứu của các tác giả trên đều lấy cả những bệnh nhân ĐTĐ type 1 và

type 2 vào trong nghiên cứu, độ tuổi trung bình của bệnh nhân cũng thấp hơn

trong nghiên cứu của chúng tôi và phần lớn các bệnh nhân trong nghiên cứu

đều chưa có tổn thương đáy mắt do bệnh lý ĐTĐ gây ra hoặc nếu có bệnh

VM ĐTĐ thì chủ yếu ở giai đoạn chưa tăng sinh nhẹ. Ở các giai đoạn này, tổn

thương võng mạc mới chỉ dừng lại ở mức vi phình mạch, chưa ảnh hưởng

đáng kể tới thị lực. Do vậy, người bệnh thường tới khám và điều trị bệnh lí

115

ĐTĐ chứ không phải chuyên khoa mắt. Điều này cũng phản ánh tình, người

bệnh theo dõi định kì, kiểm soát đường máu chặt chẽ. Cũng có thể lí giải tình

trạng này là do việc lựa chọn đối tượng nghiên cứu của chúng tôi tại cơ sở

chuyên khoa nội tiết, trong khi các đối tượng có tổn thương võng mạc nặng

(bệnh VM ĐTĐ tăng sinh và phù hoàng điểm) thường đi khám tại các cơ sở y

tế chuyên khoa hoặc thăm khám bởi các bác sĩ dịch kính võng mạc.25

4.1.5. Các bệnh lý mắt kèm theo

Nghiên cứu trên 1943 mắt, chúng tôi thấy có tới 41,1% (833 mắt) có

đục thủy tinh thể kèm theo ở các mức độ khác nhau, ngoài ra đục dịch kính

cũng là bệnh lý mắt kèm theo khá phổ biến trên những bệnh nhân này, chiếm

13,2% với 268 mắt (Bảng 3.5). Đây cũng là nguyên nhân gây ra giảm thị lực

nhiều cho bệnh nhân trong nghiên cứu này.

Kết quả này cũng là phù hợp, vì bệnh nhân trong nghiên cứu của chúng

tôi chủ yếu trên 60 tuổi và thời gian mắc bệnh ĐTĐ đều lâu năm do vậy biến

chứng đục thủy tinh thể do ĐTĐ gây ra hay đục thủy tinh thể tuổi già cũng là

nguyên nhân hay gặp.

Tuy nhiên tỷ lệ đục thủy tinh thể cao với những mức độ nặng cũng là

nguyên nhân gây cản trở cho việc thăm khám và chụp ảnh đáy mắt cho bệnh

nhân, có nhiều bệnh nhân khi thăm khám lâm sàng vẫn có thể thực hiện được

việc chẩn đoán và phân loại giai đoạn bệnh VM ĐTĐ nhưng lại không thực

hiện được việc chụp ảnh đáy mắt và đăng tải lên phần mềm trí tuệ nhân tạo để

chẩn đoán do chất lượng của ảnh chụp không đảm bảo chất lượng.

4.2. Phân tích tổn thương võng mạc do bệnh ĐTĐ gây ra trên những

bệnh nhân trong nghiên cứu và đánh giá một số yếu tố liên quan

4.2.1. Tỷ lệ tổn thương võng mạc đái tháo đường

Bệnh VM ĐTĐ là nguyên nhân hàng đầu gây mù lòa ở những trường

hợp mắc mới trong độ tuổi lao động và cũng là nguyên nhân dẫn đầu gây mù

116

lòa ở nhóm tuổi này trên toàn thế giới.124 Tác giả Yau và cs thu thập từ 35

nghiên cứu khác nhau với 22896 bệnh nhân, ước tính tỷ lệ mắc bệnh VM

ĐTĐ trên thế giới 34,6%.5 Tuy nhiên tỷ lệ này thay đổi ở các nghiên cứu tại

mỗi quốc gia khác nhau. Tỷ lệ mắc bệnh VM ĐTĐ theo nghiên cứu dự báo

bệnh đái tháo đường tại Anh (UKPDS) từ 25-27%, một số nước ở Châu Âu tỷ

lệ này 30-40%, Trung Quốc là 28-43%.7

Ở Việt Nam cũng đã có rất nhiều nghiên cứu được tiến hành trên đối

tượng bệnh nhân đái tháo đường, tỷ lệ bệnh nhân mắc bệnh võng mạc đái tháo

đường cũng khác nhau ở mỗi nghiên cứu, điều đó còn tùy thuộc vào đối tượng

nghiên cứu, thời gian và địa dư của từng nghiên cứu khác nhau.

Bảng 4.1. Tỷ lệ mắc bệnh VM ĐTĐ tại Việt Nam theo các nghiên cứu của

các tác giả trong những năm gần đây

Tác giả Năm n Tỷ lệ mắc bệnh VM ĐTĐ

363 35,3% Nguyễn Thị Lan Anh99 2017 Địa điểm nghiên cứu BV E Trung Ương

784 30,9% Nguyễn Trọng Khải103

2021 395 18,5% Lương Thị Hải Hà125 2018 Tỉnh Hà Nam BVTW Thái Nguyên

134 28,8% Lê Đức Thiện104

2023 148 41,2% Phạm Diệu Linh24

2023 450 32,2% Đỗ Hữu Khương25

153 68,6% Ngô Thị Hồng Thắm106 2023

2023 228 35,9% Nguyễn Thu Uyên107

2023 Lương Thị Hải Hà 1012 16,2% 2023 BV Hữu Nghị BV E Trung Ương BV Nội tiết Trung Ương BV Lão khoa Trung Ương BV Đa khoa Hà Đông BVTW Thái Nguyên

117

Nghiên cứu của chúng tôi tiến hành trên 1012 bệnh nhân đái tháo

đường type 2 với 1943 mắt. Kết quả thu được có 314 mắt được chẩn đoán

mắc bệnh VM ĐTĐ ở các mức độ khác nhau, chiếm tỷ lệ 16,2%, chủ yếu là

bệnh võng mạc đái tháo đường chưa tăng sinh chiếm 80,9%, còn lại 19,1% là

bệnh VM ĐTĐ tăng sinh. Tỷ lệ mắc bệnh VM ĐTĐ của các đối tượng nghiên

cứu của chúng tôi thấp hơn so với một số nghiên cứu khác trong nước như

trong nghiên cứu của Nguyễn Thị Lan Anh (2017) là 35,3%99, Phạm Diệu

Linh (2023) là 41,2%24, Ngô Thị Hồng Thắm (2023) là 68,6%106, Nguyễn Thu

Uyên (2023) là 35,9%107 và của Đỗ Hữu Khương (2023) là 32,2%25. Có sự

khác biệt về tỷ lệ bệnh nhân mắc bệnh VM ĐTĐ trong nghiên cứu của chúng

tôi so với các nghiên cứu trên có thể là do nghiên cứu của chúng tôi lấy cỡ

mẫu trên bệnh nhân ĐTĐ type 2, còn trong nghiên cứu của tất cả các tác giả

trên đều lấy cỡ mẫu trên bệnh nhân ĐTĐ type 1 và type 2, tác giả Klein và cs

trong một nghiên cứu theo dõi dọc trong thời gian 25 năm trên 955 bệnh nhân

ĐTĐ đã chứng minh được rằng đối với những bệnh nhân ĐTĐ type 1 có tỷ lệ

mắc bệnh VM ĐTĐ cao gấp 8,6 lần so với những bệnh ĐTĐ type 2 với cùng

một thời gian mắc bệnh ĐTĐ.118 Nghiên cứu của Lương Thị Hải Hà được

thực hiện từ năm 2021 cũng tại BV Trung Ương Thái Nguyên thì tỷ lệ bệnh

nhân mắc bệnh VM ĐTĐ là 18,5% và đến năm 2023 chúng tôi tiến hành khảo

sát lại trên một số lượng bệnh nhân lớn hơn và nhóm bệnh nhân được lựa

chọn vào nghiên cứu chúng tôi có cả những bệnh nhân mắc bệnh ĐTĐ dưới 5

năm cho nên tỷ lệ mắc bệnh VM ĐTĐ có giảm xuống, từ 18,5% xuống còn

16,2%. Còn trong nghiên cứu của tác giả Phạm Diệu Linh (2023) và Đỗ Hữu

Khương (2023) cho kết quả tỷ lệ bệnh VM ĐTĐ cao hơn nhiều so với kết quả

của chúng tôi, có thể là do trong hai nghiên cứu trên các tác giả nghiên cứu

trên cả nhóm bệnh nhân ĐTĐ type 1, và những bệnh nhân ĐTĐ type 1 thì tỷ

lệ gặp biến chứng toàn thân trong đó có biến chứng mắt nhiều hơn nhóm bệnh

nhân type 2, hơn nữa trong nghiên cứu của tác giả Đỗ Hữu Khương nghiên

cứu tại BV Nội tiết Trung ương, nơi gặp nhiều những bệnh nhân ĐTĐ lâu

118

năm và nặng cho nên vì thế tỷ lệ bệnh nhân có biến chứng mắt cũng gặp nhiều

hơn trong nghiên cứu của chúng tôi.

Trong số 314 mắt được chẩn đoán bệnh VM ĐTĐ thì có 254 mắt được

chẩn đoán bệnh VM ĐTĐ chưa tăng sinh (chiếm 80,9%), trong đó VM ĐTĐ

chưa tăng sinh mức độ trung bình chiếm tỷ lệ cao nhất với 146 mắt (57,5%),

VM ĐTĐ chưa tăng sinh nặng có 56 mắt (22,0%) và VM ĐTĐ chưa tăng sinh

nhẹ có 52 mắt (20,5%), tỷ lệ bệnh VM ĐTĐ tăng sinh có 60 mắt (19,1%). Kết

quả nghiên cứu của chúng tôi cũng tương tự như kết quả nghiên cứu của Azad

và cs (năm 2016) khi nghiên cứu trên 1791 bệnh nhân đái tháo đường thì có

37% bệnh nhân có tổn thương giai đoạn chưa tăng sinh và 31% bệnh nhân có

tổn thương giai đoạn tăng sinh.64 Nghiên cứu của tác giả Bhaskaranand và cs

(2019) cho kết quả tương tự với nghiên cứu của chúng tôi, trong đó tỷ lệ bệnh

VM ĐTĐ chiếm 19,3% khi tác giả khảo sát trên 101.710 bệnh nhân ĐTĐ.81

Trong nghiên cứu của tác giả Abràmoff (2018) cho thấy tỷ lệ bệnh VM ĐTĐ

là 21,9% trên 892 bệnh nhân.126 Một nghiên cứu khác của tác giả He và cs

(2020) có tỷ lệ bệnh VM ĐTĐ cũng tương tự như trong nghiên cứu của chúng

tôi là 16,3%.127

Trong nghiên cứu của chúng tôi tỷ lệ bệnh VM ĐTĐ giai đoạn tăng

sinh chiếm tỷ lệ khá cao (19,1%), cao hơn so với một số nghiên cứu của các

tác giả trong nước như nghiên cứu của tác giả Nguyễn Thị Lan Anh (2017) tỷ

lệ này là 6,1%99, Phạm Diệu Linh (2023) tỷ lệ này là 2,4%24, Đỗ Hữu Khương

(2023) tỷ lệ bệnh VM ĐTĐ giai đoạn tăng sinh là 4,1%.25 Kết quả nghiên cứu

này của chúng tôi cũng phù hợp với kết quả nghiên cứu của Eli Ipp và cs

(2021).93

4.2.2. Các hình thái tổn thương trên võng mạc của bệnh VM ĐTĐ

Tổn thương võng mạc đóng vai trò quan trọng trong chẩn đoán xác

định bệnh VM ĐTĐ và phân loại giai đoạn bệnh. Qua thăm khám lâm sàng và

chụp ảnh màu đáy mắt chúng tôi thấy hình thái tổn thương vi phình mạch gặp

với tỷ lệ nhiều nhất chiếm 14,2%, tổn thương xuất huyết gặp ở 10,4% số mắt

119

và tổn thương xuất tiết võng mạc gặp ở 8,0%. Ngoài ra, một số tổn thương

khác chúng tôi phát hiện ra qua thăm khám lâm sàng soi đáy mắt như phù

hoàng điểm (8,3%), xuất huyết dịch kính (4,8%),… (Bảng 3.7).

Các nghiên cứu của các tác giả khác trong và ngoài nước cũng cho kết

quả nghiên cứu tương tự như của chúng tôi đó là tổn thương vi phình mạch

gặp với tỷ lệ nhiều nhất như nghiên cứu của Nguyễn Thị Lan Anh (2017),

Phạm Diệu Linh (2023) và Đỗ Hữu Khương (2023) với tỷ lệ gặp tổn thương

vi mạch tương ứng là 73,2%, 100% và 23,0%.24, 25, 99

Tổn thương xuất huyết võng mạc là tổn thương có tần suất thường gặp

thứ 2 sau tổn thương vi phình mạch trong nghiên cứu này của chúng tôi,

chiếm tỷ lệ 10,4%. Trong nghiên cứu này chúng tôi gặp chúng tôi gặp xuất

huyết chấm, đốm nhỏ ở những trường hợp có tổn thương nhẹ, xuất huyết

chấm nhỏ có thể không phân biệt được với vi phình mạch qua ảnh chụp đáy

mắt màu. Những trường hợp nặng kích thước và số lượng của đốm xuất huyết

nhiều hơn tạo thành đám xuyết huyết có thể ảnh hưởng đến thị lực nếu gần

vùng hoàng điểm. Tuy nhiên tổn thương xuất huyết võng mạc ở cả 4 góc phần

tư vẫn gặp ở những người bệnh có thị lực cao. Do đó, việc khám mắt định kỳ

là rất cần thiết để theo dõi và phát hiện sớm các biến chứng của bệnh ĐTĐ

nhằm giảm nguy cơ mất thị lực do bệnh.

Xuất tiết võng mạc là tổn thương gặp với tỷ lệ 8,0%. Xuất tiết võng

mạc là những tổn thương hay gặp từ giai đoạn không tăng sinh vừa và nặng.

Trên ảnh chụp đáy mắt, xuất tiết có thể bị nhận diện nhầm với drusen tuy

nhiên drusen ở lớp sâu hơn và thường rải rác đều ở võng mạc hậu cực.

Các biến đổi về mạch máu như tĩnh mạch chuỗi hạt, quai tĩnh mạch và

bất thường vi mạch võng mạc (IRMAs) là biến đổi xảy ra ở vùng võng mạc

thiếu máu hay gặp ở võng mạc ngoại vi. Quai tĩnh mạch được chia thành 2

típ: típ 1 gặp ở phân nhánh thứ hai hoặc thứ ba từ tĩnh mạch trung tâm võng

mạc, típ 2 gặp ở phân nhánh từ thứ tư trở lên.128 Do vậy, trên ảnh chụp đáy

120

mắt trường 45 độ, có thể bỏ sót các tổn thương quai tĩnh mạch típ 2 hoặc tĩnh

mạch chuỗi hạt nằm ở vùng võng mạc ngoại vi dẫn đến phân loại mức độ

bệnh VM ĐTĐ trên ảnh chụp màu đáy mắt nhẹ hơn thực tế. Trong nghiên cứu

của chúng tôi, có 3 trường hợp quai tĩnh mạch được phát hiện trên ảnh chụp

đáy mắt. Tương tự với tân mạch võng mạc, nếu tân mạch xảy ra ở vùng võng

mạc thiếu máu ngoại vi sẽ bị bỏ sót trên ảnh chụp đáy mắt, trong nghiên cứu

của chúng tôi có 1 trường hợp khám trên lâm sàng có tân mạch võng mạc

vùng thái dương trên nhưng không thấy trên ảnh chụp đáy mắt 45 độ tiêu

chuẩn.

Phù hoàng điểm là một trong những nguyên nhân hàng đầu gây giảm

thị lực ở bệnh VM ĐTĐ, xuất hiện ở bất kỳ giai đoạn nào của bệnh VM ĐTĐ.

Nghiên cứu của chúng tôi có kết quả phù hoàng điểm trên những người bệnh

VM ĐTĐ giống với nghiên cứu của Phạm Diệu Linh (2023) và Đỗ Hữu

Khương (2023).24, 25 Các trường hợp phù hoàng điểm trong nghiên cứu chúng

tôi gặp đều là phù hoàng điểm có ý nghĩa lâm sàng, tuy nhiên nếu có phù

hoàng điểm tỏa lan thì sẽ khó phát hiện được trên ảnh chụp màu đáy mắt. Đây

cũng là nhược điểm của phương pháp sàng lọc này.

Xuất huyết dịch kính cũng là nguyên nhân gây giảm thị lực cho người

bệnh VM ĐTĐ, trong nghiên cứu của chúng tôi tỷ lệ gặp bệnh nhân có xuất

huyết dịch kính hoặc trước võng mạc tương đối nhiều, trong số 314 bệnh nhân

được chẩn đoán bệnh VM ĐTĐ có tới 15 trường hợp xuất huyết dịch kính ở

các mức độ khác nhau, nhiều trường hợp bệnh nhân xuất huyết dịch kính cả

hai mắt, hoặc có bệnh nhân xuất huyết dịch kính 1 mắt và mắt còn lại cũng là

bệnh VM ĐTĐ ở giai đoạn chưa tăng sinh nặng nên đe dọa trầm trọng thị lực

của người bệnh, những trường hợp này người bệnh chỉ đến khám mắt khi có

xuất huyết tại mắt gây giảm thị lực trầm trọng mà không đi khám tầm soát

bệnh VM ĐTĐ trước đó. Điều này càng nói lên vai trò quan trọng trong việc

khám sàng lọc bệnh VM ĐTĐ tại cơ sở khám chữa bệnh ban đầu, hoặc các

phòng khám Nội tiết – Đái tháo đường giúp phát hiện sớm và điều trị kịp thời

121

giảm các biến chứng như xuất huyết dịch kính, bong võng mạc co kéo, từ đó

giảm nguy cơ mất thị lực cho người bệnh vì đôi khi bệnh nhân vẫn còn chủ

quan chưa biết hết mức độ nguy hiểm của những biến chứng tại mắt do bệnh

ĐTĐ gây ra cho mình.

Kết quả nghiên cứu của chúng tôi có sự tương đồng với tác giả Nguyễn

Văn Nam (2018) về tần suất gặp các tổn thương tại đáy mắt. Trong nghiên

cứu này của tác giả có 246 mắt được chẩn đoán bệnh VM ĐTĐ, với các tổn

thương gặp phổ biến nhất là tổn thương vi phình mạch chiếm 78,5% số mắt.

Xuất huyết võng mạc đứng thứ 2 chiếm 65,4% (161 mắt), xuất tiết cứng

(49,2%), xuất tiết bông (28,0%), phù hoàng điểm (18,1%), bất thường vi

mạch võng mạc (14,2%) là các tổn thương võng mạc thường gặp tiếp theo.

Các tổn thương của giai đoạn bệnh VM ĐTĐ tăng sinh gồm: xuất huyết dịch

kính và/ hoặc xuất huyết trước võng mạc (4,0%), tân mạch võng mạc (3,7%)

và tân mạch gai thị (2,0%).129

4.2.3. Giai đoạn tổn thương của bệnh VM ĐTĐ

Trong số 314 mắt được chẩn đoán bệnh VM ĐTĐ có 254 mắt được

chẩn đoán bệnh VM ĐTĐ chưa tăng sinh (chiếm 80,9%) với các mức độ khác

nhau, trong đó VM ĐTĐ chưa tăng sinh mức độ nhẹ có 52 mắt (chiếm

20,5%), VM ĐTĐ chưa tăng sinh mức độ trung bình có 146 mắt (chiếm

57,5%) và VM ĐTĐ chưa tăng sinh nặng có 56 mắt (chiếm 22,0%), VM ĐTĐ

tăng sinh có 60 mắt (chiếm 19,1%) (Bảng 3.8).

Kết quả nghiên cứu của chúng tôi cho thấy tỷ lệ bệnh VM ĐTĐ tăng

sinh cao hơn các nghiên cứu của các tác giả khác, trong nghiên cứu của tác

giả Nguyễn Thị Lan Anh (2017) tỷ lệ bệnh VM ĐTĐ tăng sinh là 6,1%, tác

giả Phạm Diệu Linh (2023) tỷ lệ bệnh VM ĐTĐ tăng sinh là 2,4% và tác giả

Đỗ Hữu Khương (2023) tỷ lệ bệnh VM ĐTĐ chưa tăng sinh là 23,2%, bệnh

VM ĐTĐ tăng sinh là 4,1%.24, 25, 99

Khi so sánh kết quả nghiên cứu của chúng tôi với một số nghiên cứu

trên thế giới, chúng tôi thấy có sự tương đồng về giai đoạn bệnh với nghiên

122

cứu của tác giả Bhaskaranand và cs (2019), nghiên cứu này tiến hành trên

101.710 bệnh nhân ĐTĐ, và tỷ lệ bệnh VM ĐTĐ chưa tăng sinh chiếm 75,7%

và bệnh VM ĐTĐ tăng sinh chiếm 19,3%.81

4.2.4. Mức độ thị lực theo thời gian mắc bệnh

Trong nghiên cứu của chúng tôi thị lực được phân loại thành 5 mức độ,

thị lực bình thường, thị lực giảm nhẹ, thị lực giảm trung bình, thị lực giảm

nhiều và mù theo phân loại của Tổ chức Y tế Thế giới (WHO) năm 2018.

Theo đó, có 4,4% mắt có mức thị lực bình thường, 16,8% mắt có mức thị lực

giảm nhẹ, 18,5% mắt có mức thị lực giảm trung bình, 47,1% mắt có mức thị

lực giảm nhiều và 13,2% mắt được phân loại mức thị lực mù.

Trong Bảng 3.9 chúng tôi so sánh mức độ thị lực với thời gian mắc

bệnh đái tháo đường của đối tượng nghiên cứu, chúng tôi thấy rằng những

bệnh nhân mắc bệnh ĐTĐ càng nhiều năm thì thì mức thị lực bình thường

chiếm rất ít (chỉ có 2/85 bệnh nhân có mức thị lực bình thường với bệnh ĐTĐ

trên 20 năm), còn mức thị lực giảm nhiều và mù thì bệnh nhân bị bệnh ĐTĐ

càng nhiều năm lại chiếm tỷ lệ lớn hơn ở nhóm này.

Trong một nghiên cứu của tác giả Yau và cs (2012), đã báo cáo rằng

thời gian mắc bệnh đái tháo đường là yếu tố nguy cơ quan trọng gây giảm thị

lực ở bệnh nhân ĐTĐ type 2.5 Trong một nghiên cứu khác vào năm 2022 của

tác giả Raman R và cs cũng cho thấy bệnh nhân mắc bệnh ĐTĐ trên 15 năm

có nguy cơ giảm thị lực cao gấp 6,43 lần so với bệnh nhân mắc ít năm hơn do

có nguy cơ mắc các vấn đề về tổn thương võng mạc do đái tháo đường gây

ra.91 Như vậy có thể khẳng định rằng thời gian mắc bệnh ĐTĐ càng lâu năm

thì càng tăng nguy cơ các biến chứng toàn thân trong đó có biến chứng mắt do

bệnh lý ĐTĐ gây ra, dẫn đến ảnh hưởng đến thị lực của người bệnh rất lớn.

4.2.5. Biến chứng bệnh VM ĐTĐ theo thời gian mắc bệnh

Phần lớn các nghiên cứu đều chỉ ra rằng bệnh VM ĐTĐ có mối liên

quan chặt chẽ tới thời gian mắc bệnh.

123

Trong nghiên cứu của chúng tôi, nhóm bệnh nhân mắc bệnh VM ĐTĐ

có thời gian mắc bệnh từ >10-20 năm chiếm tỷ lệ cao nhất 36,9%, tương tự

như vậy nhóm bệnh nhân mắc bệnh VM ĐTĐ có thời gian bị bệnh ĐTĐ > 20

năm chiếm 23,6%, nhóm bệnh nhân bị bệnh ĐTĐ < 5 năm mà phát hiện có

tổn thương đáy mắt chỉ chiếm 8,3%. Ngược lại, ở nhóm không có bệnh VM

ĐTĐ thì đại đa số bệnh nhân có thời gian mắc bệnh dưới 10 năm (1076/1629

bệnh nhân chiếm 66,1%), còn những bệnh nhân có thời gian mắc bệnh ĐTĐ

>10-20 năm và > 20 năm chỉ có 33,9% không phát hiện bệnh VM ĐTĐ (Bảng

3.10). Kết quả nghiên cứu của chúng tôi cũng tương đồng với nghiên cứu của

tác giả Nguyễn Thị Lan Anh (2017).99 Chúng tôi nhận thấy có sự khác biệt về

tỷ lệ mắc bệnh VM ĐTĐ ở các nhóm thời gian mắc bệnh ĐTĐ khác nhau với

p < 0,01, thời gian mắc bệnh càng dài thì tỷ lệ gặp mắc bệnh VM ĐTĐ càng

lớn và ngược lại.

Theo nghiên cứu của Lima và cs (2007) cho thấy có mối liên quan giữa

thời gian mắc bệnh ĐTĐ và bệnh VM ĐTĐ. Nguy cơ mắc bệnh VM ĐTĐ sẽ

tăng lên 7,52 lần nếu thời gian mắc bệnh ĐTĐ từ 11 đến 15 năm và tăng lên

9,01 lần nếu mắc bệnh trên 15 năm.130

Như vậy, để làm giảm nguy cơ mắc bệnh VM ĐTĐ thì bệnh nhân cần

được phải quản lý, theo dõi, khám mắt định kỳ để phát hiện sớm tổn thương,

điều trị kịp thời, đặc biệt là những bệnh nhân có thời gian mắc bệnh trên 10

năm hoặc trên 15 năm và 20 năm.

4.2.6. Biến chứng bệnh VM ĐTĐ theo tuổi và giới

Trong nghiên cứu của chúng tôi, có 53,5% số bệnh nhân mắc bệnh VM

ĐTĐ là nam giới, trong khi con số này gặp ở nữ là 46,5%, sự khác biệt về tỷ

lệ mắc bệnh VM ĐTĐ giữa nam và nữ không có sự khác biệt. Những bệnh

nhân > 60 tuổi gặp tỷ lệ bệnh VM ĐTĐ nhiều hơn nhóm bệnh nhân 40-60

tuổi, có tới 91,7% bệnh nhân có bệnh VM ĐTĐ thuộc nhóm này (Bảng 3.11

và 3.12).

124

Nghiên cứu của tác giả Ting và cs (2019) cũng cho kết quả không thấy

sự khác biệt giữa nam và nữ về tỷ lệ bệnh VM ĐTĐ chuyển tuyến cũng như

đe dọa thị lực.131 Theo nghiên cứu của Yin và cs (2020) người bệnh VM ĐTĐ

hay gặp ở người lớn tuổi (p=0,0003), nam giới (p=0,018), tuổi cao có nguy cơ

mắc bệnh VM ĐTĐ gấp 1,12 lần (p=0,049; 95%CI=1,15-2,45) và nam giới có

nguy cơ mắc bệnh VM ĐTĐ gấp 2,89 lần nữ giới (p=0,048;

95%CI=0,82-3,41).47 Kết quả nghiên cứu này cũng tương tự như nghiên cứu

của chúng tôi khi tác giả chỉ ra rằng có mối liên quan giữa tuổi với nguy cơ

mắc bệnh VM ĐTĐ mặc dù mối liên quan không được chặt chẽ (p ≈ 0,05 và

95% CI chứa 1).

4.2.7. Biến chứng bệnh VM ĐTĐ theo mức độ kiểm soát nồng độ glucose

huyết và nồng độ HbA1C

* Mối liên quan giữa bệnh VM ĐTĐ với mức độ kiểm soát glucose huyết

Tỉ lệ bệnh VM ĐTĐ ở nhóm kiểm soát đường huyết kém (glucose

huyết lúc đói ≥ 130 mg/dl hay ≥ 7,2 mmol/L) là 52,0% cao hơn nhóm kiểm

soát đường huyết tốt (glucose huyết lúc đói trong khoảng 80-130 mg/dl hay

4,4 – 7,2 mmol/L) (Bảng 3.13).

Kết quả xét nghiệm nồng độ glucose huyết lúc đói trung bình trong

nghiên cứu là 7,40 ± 2,63 mmol/l (thấp nhất là 2,79 mmol/l, cao nhất là 23,57

mmol/l). Ở nhóm không có bệnh VM ĐTĐ, nồng độ glucose huyết trung bình

là 7,24 ± 2,54 mmol/l, ở nhóm có bệnh VM ĐTĐ, nồng độ glucose huyết

trung bình là 8,36 ± 3,03 mmol/l và có sự khác biệt có ý nghĩa thống kê giữa

hai nhóm với p < 0,05 (Bảng 3.15).

Có mối tương quan chặt giữa tỉ lệ mắc bệnh VM ĐTĐ và tình trạng

kiểm soát đường máu. Người bệnh kiểm soát đường máu tốt có nguy cơ mắc

bệnh VM ĐTĐ thấp hơn 0,367 lần nhóm đối tượng kiểm soát đường máu

không tốt (đường máu khi đói > 7,5mmol/L), (OR=0,367,

95%KTC=0,25-0,53, p < 0,001). Kết quả này cũng tương đồng với nghiên

cứu của Lê Thị Hiền (2020), tỉ lệ mắc VM ĐTĐ ở nhóm có chỉ số đường máu

125

< 7,0mmol/l thấp hơn 2,03 lần ở nhóm có chỉ số đường máu >7 ,0 mmol/l.132

Trong nghiên cứu của tác giả Phạm Diệu Linh (2023) tác giả cũng chỉ ra rằng

có mối liên quan giữa bệnh VM ĐTĐ với chỉ số glucose huyết cao >

10mmol/L. Người bệnh có glucose huyết cao > 10,0mmol/L có nguy cơ mắc

bệnh VM ĐTĐ chuyển tuyến cao gấp 5,14 lần so với những người có glucose

huyết <7mmol/L.24

Raman và cs (2022) thực hiện nghiên cứu cắt ngang đa trung tâm tại

Ấn Độ trên 4323 người bệnh cho kết quả tỷ lệ mắc bệnh VM ĐTĐ tăng gấp

2,20 lần ở những người có glucose huyết ≥11,1mmol/L và gấp 2,50 lần khi

glucose huyết ≥ 22,2mmol/L, tỷ lệ mắc bệnh VM ĐTĐ đe dọa thị lực tăng

gấp 2,71 lần và 2,86 lần với chỉ số glucose huyết lần lượt ≥11,1mmol/L và

≥22,2mmol/L.91

Nghiên cứu dự báo bệnh ĐTĐ của Anh (UKPDS) cho thấy kiểm soát

đường máu chặt chẽ làm giảm nguy cơ tổn thương thần kinh và võng mạc.

Người bệnh kiểm soát đường máu tốt thì tỉ lệ bệnh VM ĐTĐ sẽ giảm khoảng

25%.133 Ngoài ra nghiên cứu còn chỉ ra mối liên quan nguy cơ tổn thương

mạch máu võng mạc và tình trạng đường huyết cụ thể là mỗi % giảm HbA1C

sẽ làm giảm 35% nguy cơ biến chứng mạch máu võng mạc. Thời gian mắc

bệnh càng lâu, tăng đường máu mãn tính làm tổn thương các mạch máu võng

mạc, các tế bào nội mô, dẫn đến sự thay đổi mạch máu vi tuần hoàn và mất sự

trao đổi bình thường của mao mạch.133, 134

Các nghiên cứu đều cho thấy nồng độ đường máu lúc đói tăng càng cao

thì nguy cơ mắc bệnh VM ĐTĐ càng tăng. Đái tháo đường là bệnh lí toàn

thân phức tạp, nhiều biến chứng. Tăng đường huyết mạn tính làm giảm khả

năng hoạt động chức năng của tế bào, đặc biệt là các tế bào miễn dịch gây tổn

thương mạch máu.135 Nồng độ đường máu cao trong thời gian dài, nếu không

được điều trị có thể gây nhiều biến chứng mạch máu, thần kinh. Và việc kiểm

soát đường máu vẫn là chìa khóa điều trị bệnh ĐTĐ nói chung và bệnh VM

126

ĐTĐ nói riêng.136 Do vậy, việc kiểm soát chặt chẽ đường máu là chìa khóa

làm giảm nguy cơ tiến triển tổn thương võng mạc, cũng như làm giảm nguy

cơ trầm trọng của bệnh VM ĐTĐ.136 Với các bác sĩ nhãn khoa, việc cần làm

đầu tiên khi thấy có tổn thương VM ĐTĐ, cần hội chẩn với các chuyên gia

nội tiết - chuyển hóa để đưa ra phác đồ, hướng dẫn điều trị và kiểm soát

đường máu.

* Mối liên quan giữa bệnh VM ĐTĐ với mức độ kiểm soát nồng độ HbA1C

Theo báo cáo của Cheung đăng trên tạp chí Lancet năm 2010, giảm 1%

chỉ số HbA1C tương đương giảm nguy cơ mắc bệnh VM ĐTĐ đến 40%,

giảm tiến triển bệnh VM ĐTĐ đe dọa thị lực đến 25%, giảm nhu cầu cần laser

25% và giảm nguy cơ mù lòa đến 15%.70 Do vậy kiểm soát chặt chẽ các chỉ

số đường máu và HbA1C là rất quan trọng để hạn chế tiến triển và biến chứng

của bệnh VM ĐTĐ.6

Trong nghiên cứu này của chúng tôi, tỉ lệ bệnh VM ĐTĐ ở nhóm kiểm

soát HbA1C kém (HbA1C ≥ 7.0%) là 75,2% cao hơn rất nhiều so với nhóm

kiểm soát HbA1C tốt (HbA1C < 7,0%) là 24,8% (Bảng 3.14).

Kết quả xét nghiệm nồng độ HbA1C trung bình trong nghiên cứu là

7,60 ± 1,69% (thấp nhất là 3,0%, cao nhất là 16,0%). Ở nhóm không có bệnh

VM ĐTĐ, nồng độ HbA1C trung bình là 7,46 ± 1,64%, ở nhóm có bệnh VM

ĐTĐ, nồng độ HbA1C trung bình là 8,34 ± 1,81% và có sự khác biệt có ý

nghĩa thống kê giữa hai nhóm với p < 0,001 (Bảng 3.15).

Nghiên cứu của chúng tôi có kết quả tương đồng với nghiên cứu của

tác giả Nguyễn Thị Lan Anh (2017) và Lê Thị Hiền (2020): nguy cơ mắc

bệnh VM ĐTĐ tăng gấp 7,65 lần và 2,71 lần ở những người có chỉ số HbA1C

≥7% so với HbA1C <7%.99, 132

Nghiên cứu của Raman và cs (2022) trên 4350 người bệnh tại Ấn Độ

cho thấy chỉ số HbA1C từ 7-9% làm tăng nguy cơ mắc bệnh VM ĐTĐ lên

2,38 lần (95%CI=1,50-3,77), tăng nguy cơ mắc bệnh VM ĐTĐ đe dọa thị lực

127

lên 2,90 lần (95%CI=1,48-5,70), HbA1C ≥ 9% tăng nguy cơ mắc bệnh VM

ĐTĐ lên 3,33 lần (95%CI=2,11-5,27) và nguy cơ mắc bệnh VM ĐTĐ đe dọa

thị lực lên 4,20 lần (95%CI=2,21-7,95).91

Kết quả nghiên cứu của chúng tôi có sự tương đồng với nghiên cứu của

tác giả Yip và cs (2017) trên 1256 bệnh nhân ĐTĐ, trong nghiên cứu này

nhóm bệnh nhân có bệnh VM ĐTĐ có nồng độ HbA1C trung bình là 7,68 ±

2,32% cao hơn hẳn so với nhóm bệnh nhân không bị bệnh VM ĐTĐ là 6,15 ±

1,28%, sự khác biệt với p < 0,001.137

4.2.8. Biến chứng bệnh VM ĐTĐ với các bệnh toàn thân khác

Nhiều nghiên cứu đã chỉ ra rằng, việc kiểm soát các bệnh lý toàn thân

trong đó có bệnh lý tăng huyết áp và rối loạn chuyển hóa lipid máu trên bệnh

nhân ĐTĐ sẽ góp phần làm giảm nguy cơ tiến triển của bệnh VM ĐTĐ.6, 91

Trong nghiên cứu của chúng tôi, trong số những bệnh toàn thân kèm theo thì

rối loạn chuyển hóa lipid máu có tỷ lệ mắt bị bệnh VM ĐTĐ cao nhất

(65,6%), sau đó là bệnh lý tim mạch và tăng huyết áp chiếm tỷ lệ 53,2%.

Chúng tôi cũng nhận thấy có mối liên quan giữa rối loạn chuyển hóa lipid và

bệnh lý tăng huyết áp với bệnh VM ĐTĐ.

Nghiên cứu của Nguyễn Thị Lan Anh (2017) và Lê Thị Hiền (2020)

đều cho thấy nguy cơ mắc bệnh VM ĐTĐ tăng gấp 1,88 lần và 1,79 lần khi có

tăng huyết áp và cũng chỉ ra mối liên quan giữa nguy cơ mắc bệnh VM ĐTĐ

với tình trạng rối loạn chuyển hóa lipid máu.99, 132

Ting và cs (2019) đã chỉ ra người bệnh tăng huyết áp tâm thu có nguy

cơ mắc bệnh VM ĐTĐ tăng 1,57 lần (p<0,001; 95%CI=1,34-1,83), nguy cơ

mắc bệnh VM ĐTĐ chuyển tuyến tăng 1,8 lần (p<0,001; 95%CI=1,39-2,33)

và nguy cơ mắc bệnh VM ĐTĐ đe dọa thị lực tăng 1,71 lần ( p=0,003;

95%CI=1,2-2,43) so với đối tượng không có tăng huyết áp.7 Theo Raman

(2022) huyết áp tâm thu từ 140 mmHg trở lên làm tăng nguy cơ mắc bệnh

VM ĐTĐ gấp 2,22 lần và người bệnh có huyết áp tâm thu trên 160 mmHg

tăng nguy cơ mắc bệnh VM ĐTĐ đe dọa thị lực gấp 2,58 lần (p<0,0001;

128

95%CI=1,47-4,51) so với đối tượng không tăng huyết áp.91 Tuy nhiên trong

cả hai nghiên cứu này chưa cho thấy sự liên quan giữa bệnh lý VM ĐTĐ với

tình trạng rối loạn chuyển hóa lipid máu.

Báo cáo của Cheung trên tạp chí Lancet (2010) cũng chỉ ra rằng giảm

huyết áp tâm thu 10 mmHg tương đương giảm nguy cơ tiến triển bệnh lý

võng mạc đến 35%, giảm nhu cầu laser 35% và giảm nguy cơ mất thị lực đến

50%.6

4.2.9. Phân tích hồi quy đơn biến và đa biến một số yếu tố lâm sàng và cận

lâm sàng trong dự đoán biến chứng bệnh võng mạc đái tháo đường

Khi tiến hành phân tích hồi quy đơn biến một số yếu tố lâm sàng và cận

lâm sàng như tuổi, giới, thời gian bị bệnh đái tháo đường, mức độ kiểm soát

đường huyết, mức độ kiểm soát HbA1C với bệnh VM ĐTĐ chúng tôi thấy

các yếu tố về tuổi, thời gian mắc bệnh ĐTĐ, mức độ kiểm soát đường huyết

và mức độ kiểm soát HbA1C đều có liên quan đến bệnh VM ĐTĐ (Bảng 3.17

và 3.18).

Khi tiến hành phân tích hồi quy đa biến các yếu tố lâm sàng và cận lâm

sàng kể trên, chúng tôi nhận thấy thời gian mắc bệnh ĐTĐ từ 10-20 năm, đặc

biệt là thời gian mắc bệnh ĐTĐ trên 20 năm có liên quan chặt chẽ tới bệnh

VM ĐTĐ. Ngoài ra mức độ kiểm soát đường huyết và HbA1C kém cũng là

những yếu tố lâm sàng có nguy cơ cao với bệnh võng mạc đái tháo đường.

Kết quả này của chúng tôi cũng cho kết quả tương tự như của tác giả Nguyễn

Thị Lan Anh (2017).99

4.3. So sánh kết quả đánh giá tổn thương VM ĐTĐ dựa trên hình ảnh

chụp ảnh màu đáy mắt ở bệnh nhân đái tháo đường type 2 giữa các

nhóm nhân viên y tế khác nhau

4.3.1. So sánh kết quả đánh giá các tổn thương vi mạch, xuất tiết, xuất

huyết trên ảnh màu đáy mắt giữa NVYT nhóm 1 với Bác sĩ Nhãn khoa

Một nghiên cứu của tác giả Ruta và cs (năm 2013) tại các nước đang

phát triển đã báo cáo rằng tỷ lệ bệnh nhân mắc bệnh VM ĐTĐ chiếm lên tới

129

35%, phần lớn bệnh nhân ĐTĐ type 2 sẽ có biến chứng tại võng mạc trong

vòng 20 năm.4 Tuy nhiên, bệnh VM ĐTĐ thường không có biểu hiện rõ ràng

cho đến khi bệnh tiến triển nặng và gây những tổn thương đáng kể tại võng

mạc. Kiểm tra mắt định kỳ là điều rất cần thiết với những bệnh nhân ĐTĐ nói

chung và ĐTĐ type 2 nói riêng để chẩn đoán sớm và điều trị kịp thời.

Các khuyến cáo đều chỉ ra rằng, sàng lọc bệnh VM ĐTĐ nên thực hiện

một lần/năm với tất cả bệnh nhân ĐTĐ.138 Tuy nhiên việc sàng lọc thường kỳ

bệnh VM ĐTĐ tại một số nơi không khả thi do thiếu nguồn nhân lực, thiếu

thiết bị và các chuyên gia mắt tại các cơ sở chăm sóc y tế. Hơn nữa tại các cơ

sở chăm sóc y tế có các chuyên gia mắt có thể tham gia chẩn đoán và điều trị

cho bệnh nhân VM ĐTĐ cũng không thực hiện được việc khám, chẩn đoán và

điều trị đồng bộ và toàn diện cho tất cả các bệnh nhân ĐTĐ do số lượng bệnh

nhân ĐTĐ được chẩn đoán mới, theo dõi và điều trị đang có xu hướng tăng

rất nhanh. Do vậy, việc sử dụng các đối tượng nhân viên y tế khác như Cử

nhân khúc xạ, Điều dưỡng chuyên khoa mắt, Kỹ thuật viên chẩn đoán hình

ảnh, Bác sĩ mới ra trường hoặc Bác sĩ Nhãn khoa kinh nghiệm 1 năm tham

gia vào việc chẩn đoán sớm bệnh VM ĐTĐ cho những bệnh nhân ĐTĐ cũng

được khuyến cáo tham gia. Tại Việt Nam, Bộ y tế cũng có khuyến cáo và đề

xuất hướng dẫn việc tham gia chẩn đoán sớm bệnh VM ĐTĐ cho các đối

tượng nhân viên y tế khác ngoài các Bác sĩ Nhãn khoa có trình độ chuyên

môn sâu, để giúp bệnh nhân được tiếp cận sớm với chẩn đoán bệnh và chuyển

tuyến kịp thời.110, 111

Trong nghiên cứu này của chúng tôi, sau khi tất cả các bệnh nhân được

chụp ảnh màu đáy mắt, chúng tôi có sử dụng hai nhóm NVYT tham gia chẩn

đoán và phân loại bệnh VM ĐTĐ. Tất cả các NVYT tham gia nghiên cứu đều

được đào tạo về việc phát hiện các tổn thương cơ bản do bệnh ĐTĐ gây ra.

Nhóm nhân viên thứ nhất là các điều dưỡng chuyên khoa Mắt, không

tính năm kinh nghiệm làm việc trong chuyên ngành. Các NVYT nhóm 1 chẩn

đoán các tổn thương cơ bản như vi mạch, xuất tiết, xuất huyết trên ảnh màu

130

đáy mắt đã được chụp sẵn và chẩn đoán xem bệnh nhân có hay không có bệnh

VM ĐTĐ. Việc phát hiện tổn thương cơ bản của nhóm NVYT này được đem

so sánh với kết quả chẩn đoán của Bác sĩ chuyên khoa Mắt kinh nghiệm trên

10 năm chẩn đoán bệnh lý đáy mắt.

Kết quả nghiên cứu của chúng tôi cho thấy sự tương đồng trong chẩn

đoán các tổn thương vi mạch, xuất tiết và xuất huyết giữa nhóm NVYT nhóm

1 với Bác sĩ Nhãn khoa chỉ đạt mức thấp và trung bình. Trong đó tổn thương

vi mạch đạt độ nhạy, độ đặc hiệu và chỉ số Kappa thấp nhất (Bảng 3.19), sau

đó đến tổn thương xuất tiết (Bảng 3.20) và đạt độ nhạy, độ đặc hiệu và chỉ số

Kappa mức độ trung bình là tổn thương xuất huyết (Bảng 3.19) so với chẩn

đoán của Bác sĩ chuyên khoa Mắt. Có sự khác biệt này là do trong nghiên cứu

của chúng tôi, tỷ lệ bệnh nhân được chẩn đoán mắc bệnh VM ĐTĐ chưa tăng

sinh mức độ trung bình chiếm tỷ lệ cao nhất 46,5% (Bảng 3.8), bệnh VM

ĐTĐ mức độ nhẹ chiếm 16,6%, mà đối với tổn thương ở những giai đoạn

sớm thường rất khó phát hiện với những cán bộ y tế có kỹ năng và kinh

nghiệm thấp, cho nên có sự khác biệt trong việc chẩn đoán phát hiện các tổn

thương vi mạch và xuất tiết. Còn đối với tổn thương xuất huyết thì phát hiện

dễ hơn trên lâm sàng nên tỷ lệ phát hiện tổn thương này đối với NVYT nhóm

1 dễ dàng hơn.

4.3.2. So sánh kết quả chẩn đoán xác định và phân loại giai đoạn bệnh VM

ĐTĐ giữa NVYT nhóm 1 với Bác sĩ Nhãn khoa

Trong nghiên cứu của chúng tôi khi NVYT nhóm 1 tham gia chẩn đoán

xác định bệnh VM ĐTĐ và phân loại giai đoạn bệnh. Kết quả chẩn đoán bệnh

VM ĐTĐ giữa NVYT nhóm 1 với Bác sĩ Nhãn khoa kinh nghiệm 10 năm có

độ tương đồng trung bình yếu với độ nhạy 77,9%, độ đặc hiệu 62,5% và chỉ

số Kappa là 0,213 (Bảng 3.20). Còn kết quả phân loại giai đoạn bệnh giữa

NVYT nhóm 1 với Bác sĩ nhãn khoa cũng tương đồng trung bình yếu (Bảng

3.22).

Trong một nghiên cứu tại Đại học Quensland, tác giả Begum và cs

131

(năm 2020) đã cũng tiến hành một nghiên cứu tương tự như nghiên cứu của

chúng tôi, các tác giả có sử dụng những nhân viên y tế không phải bác sĩ lâm

sàng bao gồm điều dưỡng và nhân viên y tế được đào tạo thực hành trong

vòng 3 ngày từ chuyên gia tư vấn về mắt tham gia chụp ảnh màu đáy mắt và

chẩn đoán sớm bệnh VM ĐTĐ cho bệnh nhân ĐTĐ type 2. Kết quả chẩn

đoán xác định bệnh VM ĐTĐ trong nghiên cứu này cao hơn của chúng tôi,

trong đó độ nhạy là 85,6%, độ đặc hiệu 56,56%, chỉ số Kappa là 0,38. Các tác

giả cũng so sánh kết quả phân loại giai đoạn bệnh của nhóm NVYT này với

chuyên gia chăm sóc mắt, nghiên cứu cho thấy phân loại giai đoạn bệnh giữa

hai nhóm NVYT có độ nhạy và độ đặc hiệu không đều giữa các giai đoạn

bệnh, trong đó việc chẩn đoán bệnh nhân không có bệnh VM ĐTĐ có độ nhạy

85,59%, độ đặc hiệu 56,5%, chẩn đoán bệnh VM ĐTĐ chưa tăng sinh nhẹ có

độ nhạy 69,35%, độ đặc hiệu 62,17%, bệnh VM ĐTĐ chưa tăng sinh trung

bình có độ nhạy 50,75%, độ đặc hiệu 92,53%, bệnh VM ĐTĐ chưa tăng sinh

nặng có độ nhạy 52,00%, độ đặc hiệu 96,37%, bệnh VM ĐTĐ tăng sinh có độ

nhạy thấp nhất là 33,33%, độ đặc hiệu 97,19%.22

Kết quả nghiên cứu của chúng tôi cũng tương đồng với nghiên cứu

trên, việc chẩn đoán xác định bệnh VM ĐTĐ và phân loại giai đoạn bệnh VM

ĐTĐ của nhóm điều dưỡng nhãn khoa có sự tương đồng thấp so với chẩn

đoán của Bác sĩ chuyên khoa.

4.3.3. So sánh kết quả đánh giá các tổn thương vi mạch, xuất tiết, xuất

huyết trên ảnh màu đáy mắt giữa NVYT nhóm 2 với Bác sĩ Nhãn khoa

Ở nhóm NVYT 2 chúng tôi lựa chọn các Bác sĩ đa khoa có kinh

nghiệm 1 năm làm việc trong chuyên ngành mắt tham gia phát hiện tổn

thương đáy mắt, chẩn đoán xác định bệnh và phân loại giai đoạn bệnh VM

ĐTĐ và so sánh kết quả chẩn đoán với Bác sĩ chuyên khoa mắt có kinh

nghiệm 10 năm.

Trong bảng 3.24, 3.25 và 3.26 là kết quả so sánh việc phát hiện các tổn

thương cơ bản vi mạch, xuất tiết và xuất huyết giữa nhóm NVYT nhóm 2 với

132

Bác sĩ chuyên khoa. Trong đó, kết quả phát hiện tổn thương vi mạch và xuất

huyết giữa hai nhóm có mức độ tương đồng tương đối tốt, đặc biệt là kết quả

phát hiện tổn thương xuất huyết với độ nhạy 81,5%, độ đặc hiệu 94,9% và chỉ

số Kappa 0,573 (Bảng 3.26). Thực tế trên lâm sàng thì tổn thương xuất huyết

võng mạc cũng là một tổn thương dễ phát hiện nhất cho nên trong nghiên cứu

này của chúng tôi việc phát hiện tổn thương xuất huyết đều có kết quả tốt nhất

đối với chẩn đoán của cả hai nhóm NVYT 1 và 2 so với kết quả chẩn đoán

của Bác sĩ chuyên khoa. Tổn thương vi mạch là tổn thương khó phát hiện nhất

và dễ bị bỏ sót nguyên nhân có thể là do các tổn thương vi mạch thường nhỏ,

biểu hiện giai đoạn đầu thường ở vùng ngoại vi của ảnh chụp cho nên các

NVYT chưa có nhiều kinh nghiệm lâm sàng dễ bỏ sót tổn thương.

Trong một nghiên cứu vào năm 2015 của tác giả Venkatesh và cộng sự

đã sử dụng 1400 ảnh màu chụp đáy mắt để cho các bác sĩ có ít kinh nghiệm

tham gia đọc và phát hiện các tổn thương do bệnh VM ĐTĐ gây ra như vi

phình mạch, xuất huyết, xuất tiết cứng, xuất tiết mềm, bất thường vi mạch và

tân mạch võng mạc, tân mạch đĩa thị trên những hình ảnh đó, kết quả được

đem so sánh với các chuyên gia nhãn khoa. Kết quả của nghiên cứu đã báo

cáo rằng việc phát hiện tổn thương xuất tiết cứng có sự tương đồng cao nhất

với Kappa là 0,62, sau đó đến tổn thương xuất huyết với chỉ số Kappa là 0,51

và tỷ lệ tương đồng thấp nhất là tổn thương vi phình mạch với Kappa bằng

0,29.139 Kết quả trong nghiên cứu của chúng tôi cũng tương đồng với trong

nghiên cứu trên.

Trong một nghiên cứu khác của tác giả Lee và cs, nghiên cứu trên 428

ảnh màu chụp đáy mắt, kết quả chẩn đoán được so sánh giữa bác sĩ nhãn khoa

nói chung với chuyên gia đáy mắt. Kết quả nghiên cứu báo cáo rằng tỷ lệ

đồng thuận, độ nhạy và độ đặc hiệu trong việc phát hiện ba tổn thương cơ bản

vi mạch, xuất tiết và xuất huyết trong bệnh VM ĐTĐ giữa chuyên gia võng

mạc với bác sĩ nhãn khoa nói chung tương đối cao (trên 90%).140

4.3.4. So sánh kết quả chẩn đoán xác định và phân loại giai đoạn bệnh VM

133

ĐTĐ giữa NVYT nhóm 2 với Bác sĩ Nhãn khoa

Trong nghiên cứu của chúng tôi khi NVYT nhóm 2 tham gia chẩn đoán

xác định bệnh VM ĐTĐ và phân loại giai đoạn bệnh. Kết quả chẩn đoán bệnh

VM ĐTĐ giữa NVYT nhóm 2 với Bác sĩ nhãn khoa có độ tương đồng trung

bình yếu với độ nhạy 74,5%, độ đặc hiệu 69,9% và chỉ số Kappa là 0,263

(Bảng 3.27). Còn kết quả phân loại giai đoạn bệnh giữa NVYT nhóm 2 với

Bác sĩ nhãn khoa cũng tương đồng trung bình yếu (Bảng 3.28). Với hệ số

Kappa bằng 0,144 chứng tỏ mức độ tương đồng giữa chẩn đoán phân loại giai

đoạn bệnh VM ĐTĐ của nhóm NVYT 2 so với phân loại theo Bác sĩ Nhãn

khoa ở mức độ trung bình; với tỉ lệ tương đồng là 1199/1943 (61,7%). Hay

nói cách khác chỉ có 61,7% mắt được chẩn đoán giai đoạn bệnh VM ĐTĐ

giống nhau giữa hai nhóm.

Trên thực tế cả hai nhóm NVYT tham gia vào nghiên cứu này đều chưa

có nhiều kinh nghiệm lâm sàng trong việc chẩn đoán bệnh VM ĐTĐ mà chỉ

qua đào tạo trong thời gian ngắn, nên việc phát hiện các tổn thương cơ bản

trên võng mạc thông qua hình ảnh chụp ảnh màu đáy mắt đều tương đối tốt,

tuy nhiên việc phân loại giai đoạn bệnh còn chưa thực sự khả thi, điều này

cũng có thể lý giải rằng, việc chẩn đoán và phân loại bệnh VM ĐTĐ rất cần

sự tham gia chẩn đoán của các Bác sĩ chuyên khoa Mắt được đào tạo chuyên

sâu, có nhiều kinh nghiệm lâm sàng, còn các NVYT nhóm 1 hoặc 2, đặc biệt

là NVYT nhóm 2 là các Bác sĩ có kinh nghiệm ít sẽ tham gia vào việc chẩn

đoán sơ bộ ban đầu cho những bệnh nhân ĐTĐ, phát hiện sớm các tổn thương

biến chứng do bệnh ĐTĐ gây ra để tư vấn cho bệnh nhân điều trị kịp thời,

tránh các biến chứng nặng hơn gây đe doạ thị lực người bệnh.

4.4. Đánh giá phần mềm trí tuệ nhân tạo CyberSight AI trong chẩn đoán

bệnh võng mạc đái tháo đường type 2

4.4.1. Tổn thương vi mạch

Vi phình mạch là tổn thương sớm nhất trong bệnh VM ĐTĐ. Ở giai

đoạn đầu của bệnh, vi phình mạch gặp chủ yếu ở vùng võng mạc hậu cực nên

134

việc chụp ảnh màu đáy mắt rất hữu ích trong việc phát hiện tổn thương, có thể

phát hiện được các vi phình mạch nhỏ rải rác đôi khi dễ bị bỏ sót trên lâm

sàng. Việc phát hiện vi phình mạch sớm đóng vai trò quan trọng trong việc

phát hiện và sàng lọc sớm biến chứng võng mạc trên bệnh nhân ĐTĐ. Trong

nghiên cứu của chúng tôi tỷ lệ phát hiện tổn thương vi phình mạch là 14,2%,

khi so sánh kết quả phát hiện tổn thương vi phình mạch giữa chẩn đoán của

phần mềm trí tuệ nhân tạo AI với Bác sĩ nhãn khoa chúng tôi thấy có sự tương

đồng ở mức độ khá giữa hai phương pháp chẩn đoán với độ nhạy 96,3%, độ

đặc hiệu 90,6% và chỉ số kappa là 0,502, giá trị dự đoán dương tính là 37,7%,

giá trị dự đoán âm tính là 99,8%. Cho thấy phần mềm trí tuệ nhân tạo AI

Cybersight là có khả năng nhận diện tổn thương vi phình mạch hiệu quả. Khi

phân tích các kết quả đọc ảnh, chúng tôi nhận thấy sự sai khác kết quả nhận

đinh giữa phần mềm trí tuệ nhân tạo và bác sĩ nhãn khoa là do người bệnh có

các tổn thương đồng mắc như bệnh võng mạc sắc tố hoặc do chất lượng ảnh

đầu vào. Theo y văn, vi phình mạch là tổn thương phố biến, gặp sớm nhất, tỉ

lệ nhiều nhất. Với các tuyến y tế cơ sở, chưa đủ khả năng thực hiện kĩ thuật

chụp mạch huỳnh quang, việc chẩn đoán phát hiện vi phình mạch có ý nghĩa

quan trọng trong việc chẩn đoán và phát hiện sớm bệnh võng mạc ĐTĐ.

Ở giai đoạn đầu của bệnh VM ĐTĐ, vi phình mạch biểu hiện chủ yếu

vùng võng mạc hậu cực nên chụp ảnh màu đáy mắt kỹ thuật số rất hữu ích

trong việc phát hiện các tổn thương này nhờ độ phân giải cao và có thể phát

hiện các vi phình mạch nhỏ nằm rải rác ở 1 góc phần tư đôi khi bị bỏ sót trên

khám lâm sàng. Ở giai đoạn tăng sinh, vi phình mạch có thể bị che lấp bởi các

tổn thương nặng khác như xuất huyết dịch kính, màng tăng sinh xơ hay bong

võng mạc.

4.4.2. Tổn thương xuất huyết võng mạc

Xuất huyết võng mạc là tổn thương võng mạc thường gặp thứ 2 sau vi

phình mạch, chiếm tỉ lệ 10,4%. Xuất huyết võng mạc là tổn thương mạch máu

trong bề dày võng mạc, có thể phát hiện bằng soi đáy mắt trực tiếp hoặc gián

135

tiếp, trên ảnh màu đáy mắt, hoặc trên ảnh chụp mạch huỳnh quang là hiện

tượng che lấp huỳnh quang. Trong nghiên cứu, chúng tôi gặp xuất huyết

chấm, đốm nhỏ ở những trường hợp có tổn thương nhẹ, xuất huyết chấm nhỏ

có thể không phân biệt được với vi phình mạch qua ảnh chụp đáy mắt màu.

Những trường hợp nặng kích thước và số lượng của đốm xuất huyết nhiều

hơn tạo thành đám xuyết huyết có thể ảnh hưởng đến thị lực nếu gần vùng

hoàng điểm. Tuy nhiên tổn thương xuất huyết võng mạc ở cả 4 góc phần tư

vẫn gặp ở những người bệnh có thị lực cao. Do đó, việc khám mắt định kỳ là

rất cần thiết để theo dõi và phát hiện sớm các biến chứng của bệnh ĐTĐ nhằm

giảm nguy cơ mất thị lực do bệnh.

Khi đánh giá các tổn thương tại võng mạc trong bệnh VM ĐTĐ, chúng

tôi thấy độ nhạy và độ đặc hiệu của phần mềm trí tuệ nhân tạo CyberSight AI

trong việc phát hiện tổn thương xuất huyết khá cao, lần lượt là 92,1% và

97,1%, chỉ số kappa là 0,807 giá trị dự đoán dương tính là 74,8%, giá trị dự

đoán âm tính là 99,3%. Như vậy có thể thấy khả năng chẩn đoán tổn thương

xuất huyết võng mạc của phần mềm trí tuệ nhân tạo có sự phù hợp rất tốt với

chẩn đoán của Bác sĩ nhãn khoa.

Cũng chưa có nghiên cứu nào trong nước hay trên thế giới so sánh việc

phát hiện các tổn thương vi phình mạch, xuất huyết và xuất tiết võng mạc

giữa phần mềm trí tuệ nhân tạo với chẩn đoán của Bác sĩ nhãn khoa cho nên

chúng tôi không có sự so sánh kết quả nghiên cứu của mình với các nghiên

cứu khác.

4.4.3. Tổn thương xuất tiết võng mạc

Xuất tiết cũng là tổn thương hay gặp trong bệnh VM ĐTĐ, trong

nghiên cứu chúng tôi gặp với tỉ lệ là 8,0%. Trong quá trình đánh giá tổn

thương xuất tiết võng mạc của bệnh VM ĐTĐ, độ nhạy của phần mềm trí tuệ

nhân tạo CyberSight AI được xác định là 64,8%, độ nhạy này còn hơi thấp so

với kỳ vọng. Nhược điểm của AI Cybersight là không có khả năng phân biệt

được xuất tiết cứng và xuất tiết mềm mà chỉ nhận biết được xuất tiết nói

136

chung, do đó mà độ nhậy thấp. Tuy vậy độ đặc hiệu vẫn khá cao 99,2%, chỉ

số kappa là 0,735, giá trị dự đoán dương tính là 91,6%, giá trị dự đoán âm

tính là 95,7%. Do đó AI vẫn có giá trị trong sàng lọc phát hiện tổn thương

xuất tiết của bệnh võng mạc đái tháo đường. Có nhiều lý do để giải thích cho

nguyên nhân dẫn tới độ nhạy thấp hơn mong muốn này, đầu tiên đó là đặc

điểm của dịch xuất tiết, sự khác biệt về hình dạng, kích thước, vị trí của dịch

tiết nằm trên võng mạc gây ra những khó khăn cho phần mềm trong việc phát

hiện tổn thương. Vì mỗi mắt bệnh nhân chỉ được chụp 2 ảnh đáy mắt, một ảnh

chụp gai thị và một ảnh chụp trung tâm hoàng điểm, nhiều trường hợp các ổ

xuất tiết cứng hoặc mềm lại nằm ngoài vị trí mà ảnh có thể chụp được, đây là

hạn chế khiến cho tổn thương này dễ bị bỏ qua, cho nên khi phân loại trên

phần mềm trí tuệ nhân tạo sẽ không thấy tổn thương mà khi thăm khám trên

lâm sàng bằng soi đáy mắt trực tiếp chúng tôi vẫn phát hiện được tổn thương.

Ngoài ra, độ nhạy trong kết quả chẩn đoán còn có thể bị ảnh hưởng bởi các

kết quả dương tính thật và kết quả âm tính giả, dẫn đến độ nhạy trong trường

hợp này còn chưa cao. Điều đáng chú ý là trong một vài nghiên cứu trước đây

sử dụng phần mềm trí tuệ nhân tạo CyberSight AI để chẩn đoán bệnh VM

ĐTĐ tác giả cũng không đề cập đến độ nhạy, độ đặc hiệu để làm nổi bật lên

độ chính xác trong chẩn đoán của phần mềm trí tuệ nhân tạo trong việc phát hiện các tổn thương.96

Kết quả nghiên cứu của chúng tôi cũng tương tự như kết quả nghiên

cứu của Đỗ Hữu Khương (2023), khi so sánh hiệu quả phát hiện xuất tiết

võng mạc được đọc bởi AI với bác sĩ nhãn khoa, nhận thấy, tỉ lệ phát hiện tổn

thương xuất tiết do AI là 10,7%, thấp hơn so với bác sĩ nhãn khoa . Trong phát hiện tổn thương xuất tiết, AI cho độ nhậy thấp 59,4%.25

4.4.4. Bất thường vùng hoàng điểm

Các bất thường vùng hoàng điểm trong bệnh lý VM ĐTĐ hay gặp nhất

là tình trạng phù. Phù hoàng điểm là một trong những nguyên nhân hàng đầu

gây giảm thị lực ở bệnh VM ĐTĐ, xuất hiện ở bất kỳ giai đoạn nào của bệnh

VM ĐTĐ.

137

Giá trị của AI trong chẩn đoán bất tường vùng hoàng điểm trong nghiên

cứu của chúng tôi so sánh sới các tác giả được thể hiện ở bảng dưới đây:

Bảng 4.2. So sánh giá trị chẩn đoán bất thường hoàng điểm của phần mềm

trí tuệ nhân tạo CyberSight AI trong một số nghiên cứu

Tác giả

Năm

Kappa

Độ nhạy 100 97

Độ đặc hiệu - 75,8

Giá trị dự báo dương tính - 98

Giá trị dự báo âm tính - -

- 0,66

2023 65,2 97,7 61,2 98,1 0,61

2024 23,0 85,6 60,1 78,2 0,54 Abramoff126 2016 Rajalakshmi141 2018 Đỗ Hữu Khương25 Lương Thị Hải Hà

Phần mềm Cybersight AI diễn giải kết quả dưới dạng có/ không có bất

thường hoàng điểm và cũng chính là nhược điểm khi phân giải hình ảnh trên

phần mềm. Trong khi có rất nhiều bệnh lý khác có thể gây tổn hại đến vùng

hoàng điểm như thoái hoá hoàng điểm tuổi già hay các bệnh hoàng điểm bẩm

sinh, khi phân giải tổn thương dưới dạng có/không thì rất khó để xác định tổn

hại hoàng điểm này có phải do bệnh VM ĐTĐ hay không. Trong nghiên cứu

này của chúng tôi việc phát hiện bất thường vùng hoàng điểm qua chẩn đoán

của phần mềm trí tuệ nhân tạo AI không có nhiều giá trị.

Phù hoàng điểm là một trong những nguyên nhân hàng đầu gây giảm

thị lực ở bệnh VM ĐTĐ, xuất hiện ở bất kì giai đoạn nào của bệnh VM ĐTĐ.

Các trường hợp phù hoàng điểm trong nghiên cứu của chúng tôi gặp đều là

phù hoàng điểm có ý nghĩa lâm sàng, tuy nhiên nếu có phù hoàng điểm toả

lan thì cũng khó phát hiện được trên ảnh chụp màu đáy mắt. Đây cũng là

nhược điểm của phương pháp sàng lọc này. Chẩn đoán phù hoàng điểm bằng

soi đáy mắt bằng sinh hiển vi với kính Volk soi đáy mắt là một công cụ hữu

138

hiệu, vì có thể quan sát trường võng mạc cho hình ảnh nổi ba chiều, đánh giá

tốt tình trạng võng mạc. Có rất nhiều bệnh lý khác có thể gây tổn hại đến vùng

hoàng điểm như thoái hoá hoàng điểm tuổi già hay các bệnh hoàng điểm bẩm

sinh, khi phân giải tổn thương dưới dạng có/không thì rất khó để xác định tổn

hại hoàng điểm này có phải do bệnh VM ĐTĐ hay không. Chính vì vậy mà

việc phân loại tổn thương vùng hoàng điểm do phần mềm trí tuệ nhân tạo

CyberSight AI thực hiện trong nghiên cứu của chúng tôi cho độ nhạy, độ đặc

hiệu và chỉ số kappa thấp, lần lượt là 23,0%, 85,6% và 0,54.

Tổn thương hoàng điểm trong ĐTĐ thường tiến triển âm thầm, là mối

đe dọa thị lực, ảnh hưởng đến chức năng thị giác, đặc biệt ở người cao tuổi,

giảm chất lượng cuộc sống của người bệnh. Phù hoàng điểm đái tháo đường

có thể xảy ra ở bất cứ giai đoạn nào của bệnh VM ĐTĐ, gây đe dọa thị lực

cho người bệnh. Vì vậy người bệnh cần được khám và theo dõi định kỳ khi

phát hiện mắc bệnh đái tháo đường và cần được giáo dục về tầm quan trọng

của việc theo dõi để tránh bỏ sót các biến chứng gây đe dọa đến thị lực.

Tuy nhiên việc chẩn đoán, theo dõi những tổn thương vùng hoàng điểm

còn gặp nhiều khó khăn vì hiện nay tại BV Trung Ương Thái Nguyên còn

thiếu trang thiết bị chuyên dụng cho việc chẩn đoán và theo dõi như máy chụp

OCT võng mạc. Do vậy, việc sử dụng phần mềm trí tuệ nhân tạo AI vào việc

chẩn đoán phát hiện sơ bộ những tổn thương ban đầu do bệnh ĐTĐ gây ra

cho bệnh nhân sẽ làm giảm thiểu những chi phí cho nguồn nhân lực, chi phí

máy móc,… Vì vậy, việc ứng dụng Cybersight AI sẽ giúp cho các cán bộ y tế

sàng lọc và phát hiện sớm bệnh VM ĐTĐ và một số bệnh lí đáy máy tại các

cơ sở y tế là hoàn toàn khả thi, giúp tiết kiệm thời gian và tăng năng suất, nhất

là tại các nơi có số lượng ít nhân viên y tế hoặc chưa đảm bảo được các

phương tiện thăm khám phát hiện bệnh.

4.4.5. So sánh kết quả chẩn đoán bệnh VM ĐTĐ giữa phần mềm trí tuệ

139

nhân tạo với Bác sĩ Nhãn khoa

Trong nghiên cứu của chúng tôi tỷ lệ mắc bệnh VM ĐTĐ là 16,2%

trong đó có 80,9% được phân loại bệnh VM ĐTĐ chưa tăng sinh, 19,1% được

phân loại bệnh VM ĐTĐ tăng sinh. Khi so sánh kết quả chẩn đoán bệnh VM

ĐTĐ giữa phần mềm trí tuệ nhân tạo CyberSight AI với chẩn đoán của Bác sĩ

Nhãn khoa chúng tôi thấy có sự tương đồng tốt giữa hai phương pháp chẩn

đoán với độ nhạy 85,0%, độ đặc hiệu 95,8% và chỉ số kappa là 0,78, giá trị dự

đoán dương tính là 76,2%, giá trị dự đoán âm tính là 97,6%.

Giá trị của AI trong chẩn đoán bệnh VM ĐTĐ trong nghiên cứu của

chúng tôi so sánh với các nghiên cứu của các tác giả trong và ngoài nước

được thể hiện ở bảng dưới đây:

Bảng 4.3. So sánh giá trị chẩn đoán bệnh VM ĐTĐ của phần mềm trí tuệ

nhân tạo CyberSight AI trong một số nghiên cứu trong và ngoài nước

Nghiên cứu

Phần mềm

Kappa

Độ nhạy (%)

Độ đặc hiệu (%)

GTDĐ âm tính

-

GT dương tính - - -

- - -

- - -

92,3 92,2 95,5

89,0 90,9 85,0

-

-

-

97.8

61.4

-

-

0,69

Bellemo (2019)142 Yi Ting H (2021)94 VeriSee Eli Ipp (2021)93 EyeArt Malerbi (2022)95 Phelcom Eyer EyeArt

74,0

87,0

CyberSight

84,0

93,0

90,0

88,0

0,781

CyberSight

76,7

93,9

82,0

91,8

0,721

CyberSight

92,0

85,0

-

-

-

Vought (2023)15 Phạm Diệu Linh (2023)24 Đỗ Hữu Khương (2023)25 Whitestone (2024)96

CyberSight

85,0

95,8

76,2

97,6

0,778

Lương Thị Hải Hà (2024)

140

Nghiên cứu của chúng tôi cho kết quả tương tự như những nghiên cứu

được báo cáo của tác giả Bellemo và cs (2021), Eli Ipp và cs (2021),

Whitestone và cs (2024).93, 96, 142 Kết quả nghiên cứu này càng chứng minh

được hiệu quả của phần mềm trí tuệ nhân tạo AI trong việc phát hiện bệnh

VM ĐTĐ. Trong một nghiên cứu khác của tác giả Malerbi và cs (2022) trên

824 bệnh nhân mắc bệnh VM ĐTĐ type 2, độ nhạy và độ đặc hiệu của kết

quả chẩn đoán bệnh VM ĐTĐ của phần mềm trí tuệ nhân tạo lần lượt là

97,8% và 61,4% cũng tương tự như kết quả nghiên cứu của chúng tôi. Tuy

nhiên trong nghiên cứu này tác giả không sử dụng máy chụp ảnh màu đáy mắt

mà sử dụng phần mềm trí tuệ nhân tạo kết hợp với máy chụp ảnh màu đáy

máy cầm tay và sử dụng điện thoại thông minh.95

Trong một nghiên cứu riêng biệt khác của tác giả Vought và cs (2023)

thực hiện trên 124 mắt, có 79% sự đồng thuận giữa hai chẩn đoán bệnh VM

ĐTĐ giữa phần mềm trí tuệ nhân tạo AI và Bác sĩ nhãn khoa, với giá trị

Kappa là 0,69 (khoảng tin cậy 95%, 0,61-0,77), thể hiện sự đồng thuận tương

đối tốt trong chẩn đoán.15 Tuy nhiên trong nghiên cứu này tác giả sử dụng

phần mềm EyeArt và người bệnh được chỉ định chụp 4 ảnh màu đáy mắt:

trung tâm đĩa thị, trung tâm hoàng điểm, vùng thái dương trên và vùng thái

dương dưới bằng máy ảnh canon CR-2 Plus góc chụp 450. Các ảnh này sau đó

được đọc bởi Bác sĩ nhãn khoa và so sánh với phần mềm trí tuệ nhân tạo

EyeArt.

Một nghiên cứu khác của Hsieh Y.T và cs (2021) được thực hiện tại

khoa Mắt, bệnh viện Quốc Gia Đài Loan với 7524 ảnh màu đáy mắt được

chụp và đăng tải lên phần mềm trí tuệ nhân tạo VeriSee. Trong nghiên cứu

này tác giả so sánh kết quả chẩn đoán và phân loại bệnh VM ĐTĐ của phần

mềm trí tuệ nhân tạo với Bác sĩ Nhãn khoa và cả các Bác sĩ Nội khoa tham

141

gia phân loại bệnh. Kết quả của nghiên cứu này có độ nhạy và độ đặc hiệu rất

cao trong chẩn đoán bệnh VM ĐTĐ, lần lượt là 92,2% và 90,9% và còn cao

hơn chẩn đoán của Bác sĩ Nội khoa (độ nhạy 64,3%, độ đặc hiệu 20,6%, p <

0,001 cho hai phương pháp chẩn đoán).94

Đối với các nghiên cứu trong và ngoài nước sử dụng phần mềm trí tuệ

nhân tạo CyberSight AI để chẩn đoán bệnh VM ĐTĐ, chúng tôi nhận thấy kết

quả chẩn đoán khá tương đồng với kết quả nghiên cứu của chúng tôi. Trong

nghiên cứu của tác giả Phạm Diệu Linh (2023) trên 286 mắt cho kết quả

Cybersight AI chẩn đoán bệnh VM ĐTĐ có độ nhạy 84%, độ đặc hiệu 93%,

giá trị dự đoán dương tính 90%, giá trị dự đoán âm tính 88%, độ chính xác

90%, diện tích dưới đường cong AUC = 0,886, hệ số kappa = 0,781.24 Trong

nghiên cứu của tác giả Đỗ Hữu Khương (2023) trên 800 mắt của 400 bệnh

nhân ĐTĐ, kết quả chẩn đoán của Cybersight AI và bác sĩ nhãn khoa trong

chẩn đoán bệnh VM ĐTĐ có độ nhạy 76,7%, độ đặc hiệu 93,9%, độ chính

xác 89,3%, giá trị dự đoán dương tính 82,0%, giá trị dự đoán âm tính 91,8%,

hệ số phù hợp kappa=0,721 với tính phù hợp tốt.25 Trong một nghiên cứu

khác của tác giả Whitestone và cs (2024) trên 827 bệnh nhân ĐTĐ cho thấy

độ nhạy và độ đặc hiệu giữa chẩn đoán của phần mềm trí tuệ nhân tạo

CyberSight AI với chẩn đoán của Bác sĩ lần lượt là 92% và 85%.

4.4.6. So sánh mức độ đồng thuận trong phân loại giai đoạn bệnh VM ĐTĐ

giữa chẩn đoán của phần mềm trí tuệ nhân tạo với Bác sĩ Nhãn khoa

Trong nghiên cứu này của chúng tôi khi xem xét mức độ đồng thuận

trong phân loại giai đoạn bệnh VM ĐTĐ giữa phần mềm trí tuệ nhân tạo

CyberSight AI với Bác sĩ Nhãn khoa, chúng tôi nhận thấy mức độ đồng thuận

không cao, giai đoạn bệnh VM ĐTĐ chưa tăng sinh nhẹ có mức đồng thuận

thấp nhất với độ nhạy 15,1%, độ đặc hiệu 98% và Kappa là 0,18. Các giai

đoạn khác của bệnh VM ĐTĐ cũng có giá trị đồng thuận thấp với Kappa

trong khoảng từ 0,38 đến 0,48. (Bảng 3.36).

Phát hiện của chúng tôi khác với một số nghiên cứu trước đó, trong đó

142

có nghiên cứu của tác giả Eli Ipp và cs (2021) báo cáo rằng độ nhạy là 95,5%,

độ đặc hiệu là 85,0% để phân độ giai đoạn bệnh VM ĐTĐ giữa chẩn đoán của

phần mềm trí tuệ nhân tạo AI với Bác sĩ nhãn khoa.93

Trong nghiên cứu của tác giả Yi Ting H và cs (2023) báo cáo rằng kết

quả phân loại giai đoạn bệnh VM ĐTĐ của phần mềm trí tuệ nhân tạo

VeriSee có độ nhạy là 92,2%, độ đặc hiệu là 89,2% cao hơn phân loại của Bác

sĩ nhãn khoa (độ nhạy 86,9%, độ đặc hiệu 71,1%, p < 0,001 cho cả hai

phương pháp chẩn đoán). Và tác giả đưa ra nhận định rằng sử dụng phần mềm

trí tuệ nhân tạo VeriSee có độ nhạy và độ đặc hiệu tốt trong việc phân loại giai

đoạn bệnh VM ĐTĐ từ việc chụp ảnh màu đáy mắt, nó có thể cung cấp các

thông tin hỗ trợ cho những người không phải Bác sĩ nhãn khoa trong việc

sàng lọc bệnh VM ĐTĐ bằng chụp ảnh màu đáy mắt không cần giãn đồng tử.

Trong nghiên cứu của tác giả Đỗ Hữu Khương (2023) báo cáo rằng khi

đối chiếu phân loại giai đoạn bệnh VM ĐTĐ do AI đọc với bác sĩ nhãn khoa

cho thấy hệ số phù hợp kappa là 0,663 giữa các giai đoạn thể hiện tính phù

hợp tốt. Không có sự khác biệt có ý nghĩa thống kê về phân loại bệnh võng

mạc đái tháo đường giữa AI và bác sĩ nhãn khoa (p>0.05). Trong số 889 mắt

đưa vào nghiên cứu, có 5 mắt AI không phân loại được giai đoạn chiếm tỉ lệ

0.6%.25

Kết quả nghiên cứu của chúng tôi cho thấy sự phù hợp thấp trong chẩn

đoán giai đoạn bệnh VM ĐTĐ so với các nghiên cứu trên, có thể lý giải

nguyên nhân do phần lớn bệnh nhân trong nghiên cứu của chúng tôi có mức

độ thị lực kém (Biểu đồ 3.3), hơn nữa độ tuổi trung bình của bệnh nhân trong

nghiên cứu của chúng tôi tương đối cao 74,61 ± 6,73 tuổi so với nghiên cứu

của tác giả Eli Ipp là 53,9 ± 15,2 tuổi, khi độ tuổi trung bình của bệnh nhân

càng lớn thì nguy cơ mắc các bệnh khác tại mắt cũng lớn hơn như bệnh đục

thủy tinh thể tuổi già, đục dịch kính, thoái hóa hoàng điểm tuổi già hay các

bệnh lý đáy mắt do các nguyên nhân khác,… làm giảm độ nhạy tương phản và

chất lượng hình ảnh, che khuất tổn thương. Điều này có thể là nguyên nhân

143

ảnh hưởng tới chất lượng ảnh chụp đáy mắt và làm mất đi tính phù hợp trong

phân loại giai đoạn bệnh của phần mềm trí tuệ nhân tạo với Bác sĩ nhãn khoa.

4.4.7. Đánh giá tỷ lệ tương đồng giữa chẩn đoán của phần mềm trí tuệ

nhân tạo và Bác sĩ Nhãn khoa

Khi so sánh mức độ tương đồng trong chẩn đoán giữa phần mềm trí tuệ

nhân tạo CyberSight AI với Bác sĩ Nhãn khoa, kết quả nghiên cứu của chúng

tôi cho thấy với hệ số Kappa bằng 0,556 chứng tỏ mức độ đồng thuận giữa

chẩn đoán phân loại mức độ theo phần mềm trí tuệ nhân tạo CyberSight AI so

với phân loại theo Bác sĩ Nhãn khoa ở mức độ trung bình; với tỉ lệ tương

đồng là 1715/1943 (88,3%). Hay nói cách khác có 88,3% mắt được chẩn đoán

giống nhau theo 02 phương pháp chẩn đoán (Bảng 3.37).

Khi tiến hành phân tích số liệu nghiên cứu chúng tôi thấy rằng phần

mềm trí tuệ nhân tạo cho giá trị phát hiện bệnh VM ĐTĐ tương đối tốt, có

mức độ phù hợp cao với chẩn đoán của Bác sĩ Nhãn khoa, nhưng khi chẩn

đoán phân loại giai đoạn bệnh thì phần mềm trí tuệ nhân tạo lại không có mức

phù hợp tốt trong phân loại giai đoạn bệnh. Điều đó một lần nữa khẳng định

vai trò của việc khám và phát hiện bệnh trên lâm sàng. Ứng dụng trí tuệ nhân

tạo sẽ được sử dụng như công cụ sàng lọc sớm bệnh VM ĐTĐ với độ nhạy và

độ đặc hiệu cao, giúp giảm tải tình trạng thiếu Bác sĩ nhãn khoa lâm sàng, đặc

biệt là bác sĩ nhãn khoa chuyên sâu về chuyên ngành dịch kính – võng mạc

hoặc các kỹ thuật viên được đào tạo chuyên sâu về mắt để nhận định các tổn

thương do bệnh VM ĐTĐ gây nên. Một khi có tổn thương VM ĐTĐ ảnh

hưởng thị lực, người bệnh nên được chuyển đến các cơ sở nhãn khoa để thực

hiện sàng lọc chuyên sâu. Chúng tôi nhận thấy việc sàng lọc bệnh VM ĐTĐ

nên được thực hiện toàn diện và đồng bộ trên khắp các cả nước để tất cả các

bệnh nhân ĐTĐ đều được tiếp cận với sàng lọc sớm biến chứng tại mắt. Việc

phát triển phần mềm trí tuệ nhân tạo có thể giúp giải quyết một cách hiệu quả

vấn đề này. Phần mềm được thiết kế dưới dạng web-base nên có thể được truy

cập dễ dàng bằng một máy tính có kết nối Internet tại bất kì thời điểm nào

cũng như bất kì địa điểm nào. Như vậy, cơ hội sàng lọc bệnh VM ĐTĐ không

144

chỉ đơn thuần dành cho người bệnh ĐTĐ nói riêng mà cho mọi người dân có

nhu cầu khám phát hiện bệnh lý tổn thương đáy mắt.

4.4.8. Đánh giá sự ảnh hưởng của một số yếu tố tới kết quả chẩn đoán của

phần mềm trí tuệ nhân tạo

* Sự ảnh hưởng của mức độ đục thủy tinh thể

Nghiên cứu của chúng tôi thấy rằng mức độ đục thủy tinh thể và mức

độ giãn của đồng tử có ảnh hưởng đến kết quả phát hiện tổn thương VM ĐTĐ

và phân loại giai đoạn bệnh VM ĐTĐ của phần mềm trí tuệ nhân tạo

CyberSight AI. Với những bệnh nhân được chẩn đoán đục thủy tinh thể độ I

có độ nhạy 90,1%, độ đặc hiệu 84,3%, chỉ số kappa là 0,82 trong phân loại

bệnh VM ĐTĐ của phần mềm trí tuệ nhân tạo CyberSight AI, với những bệnh

nhân có mức độ đục thủy tinh thể độ II thì độ nhạy 75,0%, độ đặc hiệu 88,4%

và chỉ số kappa là 0,68 (Bảng 3.38).

Jame Rice và cs (2011) đã chứng minh được rằng mức độ nghiêm trọng

của bệnh đục thủy tinh thể có thể cản trở việc kiểm tra, khám phát hiện bệnh

và điều trị toàn diện bệnh VM ĐTĐ ở những bệnh nhên đã được chẩn đoán

hoặc nghi ngờ mắc bệnh VM ĐTĐ chưa tăng sinh trung bình và nặng hoặc

tăng sinh mức độ nghiêm trọng.143 Do vậy trong nghiên cứu này chúng tôi loại

trừ những trường hợp bệnh nhân bị đục thủy tinh thể mức độ III và mức độ

IV, mặc dù những bệnh nhân này khi thăm khám trên lâm sàng vẫn có thể

chẩn đoán xác định và phân loại giai đoạn bệnh VM ĐTĐ. Tuy nhiên khi

chụp ảnh màu đáy mắt để đăng tải lên phần mềm trí tuệ nhân tạo CyberSight

AI thì chất lượng ảnh không đảm bảo và phần mềm không chẩn đoán được

bệnh.

* Sự ảnh hưởng của mức độ giãn đồng tử

Dựa trên nghiên cứu của Ronald Klein và cs (1985), tác giả đã chứng

minh được rằng việc giãn đồng tử bằng thuốc có thể làm tăng gấp đôi độ nhạy

trong việc phát hiện bệnh lý VM ĐTĐ so với việc khám không giãn đồng

tử.144 Trong nghiên cứu này chúng tôi quan sát thấy rằng mức độ đồng tử giãn

145

tốt cho độ nhạy độ đặc hiệu cao hơn trong việc chẩn đoán bệnh VM ĐTĐ khi

đánh giá sự phù hợp giữa chẩn đoán của phần mềm trí tuệ nhân tạo

CyberSight AI với Bác sĩ nhãn khoa, với mức đồng tử giãn tốt ≥ 6mm cho độ

nhạy 91,6%, độ đặc hiệu 95,8%, chỉ số kappa 0,83, với mức đồng tử giãn kém

< 6mm cho độ nhạy 85,6%, độ đặc hiệu 98,2% và kappa là 0,78 (Bảng 3.39).

Phát hiện này dựa vào thực tế lâm sàng khi chúng tôi thu thập số liệu nghiên

cứu.

4.4.9. Những lợi ích của việc sử dụng phần mềm trí tuệ nhân tạo AI trong

sàng lọc sớm bệnh VM ĐTĐ

Hiệu quả của việc sử dụng phần mềm trí tuệ nhân tạo AI trong chẩn

đoán sớm và dự phòng bệnh VM ĐTĐ đã được chứng minh qua nhiều nghiên

cứu. Các nghiên cứu trước đây đã báo cáo kết quả ứng dụng phần mềm AI

trong sàng lọc bệnh VM ĐTĐ tại Việt Nam và trên thế giới tại các phòng

khám chăm sóc sức khỏe ban đầu cho bệnh nhân ĐTĐ.18, 145-147

Một số nghiên cứu đã chỉ ra rằng việc sử dụng phần mềm trí tuệ nhân

tạo AI để sàng lọc bệnh VM ĐTĐ đặc biệt hữu ích cho những bệnh nhân

ĐTĐ type 2. Trong nghiên cứu của tác giả Eli Ipp và cs (2021) trên 893 bệnh

nhân mắc bệnh ĐTĐ type 2, các tác giả báo cáo rằng có 31,1% bệnh nhân

trong số đó cần phải đi khám chuyên khoa sâu về mắt. Do đó hầu hết bệnh

nhân sẽ được phát hiện sớm bệnh VM ĐTĐ mà không cần phải khám qua bác

sĩ nhãn khoa, giúp giảm gánh nặng chẩn đoán cho các chuyên gia chăm sóc

mắt và bệnh nhân cũng sẽ được phát hiện bệnh sớm.93

Phần mềm trí tuệ nhân tạo AI cũng có thể giúp giảm chi phí sàng lọc

bệnh VM ĐTĐ, với một nghiên cứu ở Scotland (2007) cho thấy một chương

trình sàng lọc ban đầu cấp quốc gia có sử dụng AI để phát hiện bệnh VM

ĐTĐ, các tác giả đã báo cáo rằng chi phí giảm đi 46,7% thay vì sử dụng các

chuyên gia khám bệnh.148 Một nghiên cứu khác từ Vương quốc Anh (2017)

báo cáo rằng đã tiết kiệm được chi phí từ 12,8-21,0% so với sử dụng nguồn

nhân lực là con người để phát hiện sàng lọc sớm bệnh VM ĐTĐ.149

146

Nghiên cứu này của chúng tôi được thực hiện tại một Bệnh viện lớn

được trang bị tốt các phương tiện giúp chẩn đoán bệnh, ngoài ra việc lựa chọn

một số lượng lớn bệnh nhân tham gia vào nghiên cứu cũng giúp cho phân tích

thống kê trong nghiên cứu của chúng tôi đạt giá trị cao. Hơn nữa, trong

nghiên cứu này chúng tôi sử dụng những phân loại bệnh VM ĐTĐ theo các

hướng dẫn quốc tế mới nhất, điều đó làm tăng độ tin cậy và khả năng so sánh

tương đồng với các nghiên cứu của các tác giả trên thế giới.

Bệnh nhân được thăm khám, chụp ảnh màu đáy mắt và sàng lọc bệnh

VM ĐTĐ ngay tại phòng khám Đái tháo đường, giúp bệnh nhân không phải

mất công di chuyển. Đồng thời phần mềm trí tuệ nhân tạo CyberSight AI là

một cơ sở dữ liệu có sẵn trên mạng, hoàn toàn miễn phí do tổ chức Orbis hỗ

trợ các Bác sĩ Nhãn khoa nói riêng và các cán bộ nhân viên y tế nói chung để

phát hiện và sàng lọc sớm bệnh VM ĐTĐ cho nên bệnh nhân không phải chi

trả kinh phí khám bệnh. Điều này cũng đã giúp giảm tải gánh nặng cho các

bác sĩ Mắt trong việc khám phát hiện sớm bệnh VM ĐTĐ và các nguồn lực

khác cho bệnh nhân và Bệnh viện Trung Ương Thái Nguyên trong việc sàng

lọc và chẩn đoán sớm bệnh VM ĐTĐ.

Tuy nhiên, một hạn chế đáng kể của nghiên cứu này là chúng tôi chỉ tập

trung thu thập cỡ mẫu nghiên cứu trên những bệnh nhân ĐTĐ type 2, do đó

làm hạn chế khả năng khái quát hóa tổn thương, giá trị chẩn đoán của phần

mềm trí tuệ nhân tạo CyberSight AI trên tất cả những bệnh nhân ĐTĐ.

Với việc chẩn đoán riêng biệt giữa phần mềm trí tuệ nhân tạo và Bác sĩ

nhãn khoa, nghiên cứu này của chúng tôi cũng đã góp phần vào chứng minh

hiệu quả lâm sàng đáng tin cậy của phần mềm CyberSight AI trong việc phát

hiện bệnh VM ĐTĐ mà không cần sự can thiệp của Bác sĩ nhãn khoa.

Việc triển khai hệ thống sàng lọc bằng phần mềm trí tuệ nhân tạo

CyberSight Ai này trên diện rộng các cơ sở khám chữa bệnh ban đầu, những

phòng khám bệnh Đái tháo đường sẽ giúp ích rất nhiều cho bệnh nhân trong

147

việc tiếp cận chẩn đoán sớm những biến chứng tại mắt, được gửi đi khám

chuyên khoa kịp thời, giảm tải chi phí khám chữa bệnh cho các cơ sở y tế.

Những kết quả trong nghiên cứu này sẽ một lần nữa nhấn mạnh tính thực tiễn

của công cụ tự động dành cho các nhân viên y tế không phải đúng chuyên

ngành mắt sử dụng để sàng lọc và theo dõi biến chứng VM ĐTĐ.

148

KẾT LUẬN

Qua nghiên cứu 1943 mắt của 1012 bệnh nhân đái tháo đường type 2

được theo dõi và quản lý tại phòng khám Đái tháo đường, Bệnh viện Trung

Ướng Thái Nguyên từ tháng 3 đến tháng 6 năm 2023, chúng tôi xin rút ra một

số kết luận như sau:

1. Phân tích tổn thương võng mạc do bệnh đái tháo đường và xác định

một số yếu tố liên quan

- Tuổi trung bình của bệnh nhân là 74.6 ± 6.7 tuổi, người bệnh tuổi thấp

nhất là 40 tuổi, người bệnh cao tuổi nhất là 93 tuổi. Phần lớn bệnh nhân trong

nghiên cứu thuộc nhóm người già trên 60 tuổi chiếm tỷ lệ 97%.

- 50,8% bệnh nhân trong nghiên cứu của chúng tôi là nữ (514 bệnh

nhân), và 49,2% bệnh nhân là nam giới (498 bệnh nhân).

- Thời gian mắc bệnh từ 5-10 năm chiếm tỷ lệ cao nhất với 39,43%, sau

đó đến bệnh nhân mắc bệnh trong khoảng thời gian 10-20 năm (chiếm

29,64%), 23,52% bệnh nhân có thời gian mắc bệnh dưới 5 năm và chỉ có

7,41% mắc bệnh trên 20 năm.

- Vẫn có tới 39,5% bệnh nhân kiểm soát glucose huyết mức độ kém. Và

56,6% bệnh nhân kiểm soát HbA1C mức độ kém.

- Mức độ thị lực giảm nhiều là phổ biến nhất (chiếm 47,1% mắt), mức

thị lực bình thường chỉ chiếm 4,4% và bên cạnh đó vẫn có 13,2% mắt được

phân loại mức thị lực mù.

- 314/1943 mắt có tổn thương võng mạc do đái tháo đường gây ra

chiếm tỉ lệ 16,2%. Các hình thái tổn thương hay gặp nhất là vi phình mạch

(14,2%), xuất huyết võng mạc (10,4%) và 8,0% có xuất tiết võng mạc.

- Trong số 314 mắt được chẩn đoán bệnh VM ĐTĐ có 19,1% mắt được

chẩn đoán bệnh VM ĐTĐ tăng sinh, 80,9% mắt được chẩn đoán bệnh VM

ĐTĐ chưa tăng sinh ở các mức độ khác nhau trong đó VM ĐTĐ chưa tăng

sinh mức độ trung bình chiếm tỷ lệ cao nhất 46,5%.

149

- Bệnh nhân có bệnh VM ĐTĐ có thời gian mắc bệnh ĐTĐ từ trên 10

năm tới 20 năm chiếm tỷ lệ cao nhất (36,9%), dưới 5 năm chỉ chiếm 8,3%.

- Kiểm soát glucose huyết và HbA1C mức độ kém có ảnh hưởng đến tỷ lệ mắc bệnh VM ĐTĐ. Giá trị glucose huyết trung bình ở nhóm có bệnh VM ĐTĐ cao hơn ở nhóm không có bệnh (p<0,05), giá trị HbA1C ở nhóm có bệnh VM ĐTĐ cao hơn ở nhóm không có bệnh (p<0,001). 2. So sánh kết quả đánh giá tổn thương võng mạc đái tháo đường dựa

trên hình ảnh chụp đáy mắt giữa các nhóm nhân viên y tế khác nhau

thực hiện

- Kết quả phát hiện các tổn thương cơ bản ở đáy mắt do bệnh ĐTĐ gây ra giữa NVYT nhóm 1 và Bác sĩ Nhãn khoa còn chưa có sự tương đồng tốt, trong đó tổn thương vi mạch có độ tương đồng thấp nhất với độ nhạy 19,2%, độ đặc hiệu 91,7% và chỉ số Kappa là 0,124. Tổn thương xuất tiết có độ tương đồng thấp với độ nhạy 71,6%, độ đặc hiệu 71,0% và chỉ số Kappa là 0,178. Tổn thương xuất huyết có độ tương đồng trung bình với độ nhạy 83,0%, độ đặc hiệu 94,7% và chỉ số Kappa là 0,478.

- Kết quả chẩn đoán bệnh VM ĐTĐ giữa NVYT nhóm 1 với Bác sĩ nhãn khoa có độ tương đồng trung bình yếu với độ nhạy 77,9%, độ đặc hiệu 62,5% và chỉ số Kappa là 0,213.

- Mức độ tương đồng giữa chẩn đoán phân loại giai đoạn bệnh VM ĐTĐ của nhóm NVYT 1 so với phân loại theo Bác sĩ Nhãn khoa ở mức độ thấp; với tỉ lệ tương đồng là 1075/1943 (55,3%).

- Kết quả phát hiện tổn thương giữa NVYT nhóm 2 với Bác sĩ nhãn khoa có độ tương đồng tốt hơn, cụ thể: tổn thương vi mạch có độ tương đồng trung bình với độ nhạy 69,5%, độ đặc hiệu 95,1% và chỉ số Kappa là 0,397. Tổn thương xuất tiết có độ tương đồng thấp với độ nhạy 70,3%, độ đặc hiệu 71,1% và chỉ số Kappa là 0,173. Tổn thương xuất huyết có độ tương đồng khá với độ nhạy 81,5%, độ đặc hiệu 94,9% và chỉ số Kappa là 0,573.

- Kết quả chẩn đoán bệnh VM ĐTĐ giữa NVYT nhóm 2 với Bác sĩ nhãn khoa có độ tương đồng trung bình yếu với độ nhạy 74,5%, độ đặc hiệu 69,9% và chỉ số Kappa là 0,263.

150

- Mức độ tương đồng giữa chẩn đoán phân loại giai đoạn bệnh VM

ĐTĐ của nhóm NVYT 2 so với phân loại theo Bác sĩ Nhãn khoa ở mức độ

trung bình; với tỉ lệ tương đồng là 1199/1943 (61,7%).

3. Đánh giá phần mềm chẩn đoán giai đoạn bệnh võng mạc đái tháo

đường

- Kết quả đánh giá các tổn thương cơ bản tại đáy mắt giữa phần mềm trí

tuệ nhân tạo với Bác sĩ Nhãn khoa có sự tương đồng tốt, trong đó, tổn thương

xuất huyết có độ tương đồng cao nhất với độ nhạy 92,1%, độ đặc hiệu 97,1%

và chỉ số Kappa là 0,807. Tổn thương xuất tiết có độ tương đồng đứng thứ hai

với độ nhạy 64,8%, độ đặc hiệu 99,2% và chỉ số Kappa là 0,735. Tổn thương

vi phình mạch có độ tương đồng thấp nhất trong ba tổn thương cơ bản với độ

nhạy 96,3%, độ đặc hiệu 90,6% và chỉ số Kappa là 0,502.

- Bất thường vùng hoàng điểm trên nhóm bệnh nhân trong nghiên cứu

giữa phần mềm trí tuệ nhân tạo với Bác sĩ nhãn khoa có độ tương đồng thấp

với độ nhạy 23,0%, độ đặc hiệu 85,6% và chỉ số Kappa là 0,536.

- Giá trị chẩn đoán bệnh VM ĐTĐ giữa phần mềm trí tuệ nhân tạo với

Bác sĩ nhãn khoa có độ tương đồng cao với độ nhạy 85,0%, độ đặc hiệu

95,8% và chỉ số Kappa là 0,778.

- Chẩn đoán phân loại giai đoạn bệnh giữa phần mềm trí tuệ nhân tạo

với Bác sĩ nhãn khoa có sự phù hợp mức độ thấp với chỉ số kappa giao động

trong khoảng 0,38 – 0,48.

- Có 88,3% số mắt được chẩn đoán giống nhau theo hai phương pháp

chẩn đoán bằng phần mềm trí tuệ nhân tạo AI và Bác sĩ nhãn khoa.

- Đục thủy tinh thể mức độ I có giá trị chẩn đoán bệnh VM ĐTĐ với độ

nhạy 90,1%, độ đặc hiệu 84,3% và chỉ số Kappa là 0,82, cao hơn độ nhạy, độ

đặc hiệu và chỉ số Kappa của những mắt có đục thủy tinh thể mức độ II.

- Mức độ giãn đồng tử tốt có giá trị chẩn đoán bệnh VM ĐTĐ với độ

nhạy 91,6%, độ đặc hiệu 95,8% và chỉ số kappa là 0,83, cao hơn độ nhạy, độ

đặc hiệu và chỉ số Kappa của những mắt có mức độ giãn đồng tử kém.

151

KIẾN NGHỊ

Dựa vào kết quả nghiên cứu, nhóm nghiên cứu xin đưa ra một số kiến

nghị trong việc ứng dụng phần mềm trí tuệ nhân tạo AI vào chẩn đoán dự

phòng bệnh VM ĐTĐ như sau:

- Đây là một nghiên cứu có tính khả thi nên tiếp tục triển khai thêm

nghiên cứu khác với cỡ mẫu lớn hơn và có sử dụng phần mềm trí tuệ nhân tạo

trong việc sàng lọc bệnh VM ĐTĐ cho bệnh nhân tại cộng đồng hoặc các cơ

sở khám chữa bệnh ban đầu như trạm y tế xã, trung tâm y tế huyện chứ không

chỉ trong môi trường bệnh viện hay phòng khám chuyên khoa Mắt.

- Có thể đào tạo và sử dụng các đối tượng NVYT khác không phải là

Bác sĩ Nhãn khoa có kinh nghiệm lâm sàng trong chẩn đoán các bệnh lý đáy

mắt, như Bác sĩ đa khoa có kinh nghiệm 1 năm trong chuyên ngành Nhãn

khoa, Bác sĩ Nội tiết tại các phòng khám Đái tháo đường tham gia chụp ảnh

màu đáy mắt, sử dụng phần mềm trí tuệ nhân tạo hỗ trợ, giúp phát hiện các

tổn thương cơ bản trên võng mạc và sàng lọc sớm bệnh VM ĐTĐ để chuyển

tuyến chuyên khoa kịp thời.

- Đưa việc sử dụng phần mềm trí tuệ nhân tạo AI vào các phòng khám

bệnh Đái tháo đường và các phòng khám Mắt ban đầu để bệnh nhân được tầm

soát sớm biến chứng bệnh VM ĐTĐ.

DANH MỤC CÁC CÔNG TRÌNH NGHIÊN CỨU

ĐÃ CÔNG BỐ CÓ LIÊN QUAN ĐẾN LUẬN ÁN

1. Lương Thị Hải Hà, Phạm Trọng Văn, Nguyễn Văn Huy, Mai Quốc

Tùng, Đặng Đức Minh (2024). Liên quan giữa nồng độ HbA1C và

glucose huyết với tổn thương võng mạc trên bệnh nhân đái tháo đường

type 2. Tạp chí Y học Việt Nam, tập 544 số 1 tháng 11/2024.

2. Ha Thi Hai Luong, Van Trong Pham, Tung Quoc Mai, Minh Duc Dang,

Quang Viet Nguyen, Tu Tuan Tran (2025). Artificial Intelligence,

Cybersight detection of Diabetic Retinopathy in the elderly in Vietnam.

Journal or Current Science and Technology, Volume 15, Number

1/2025.

TÀI LIỆU THAM KHẢO

1. Global, regional, and national burden of diabetes from 1990 to 2021,

with projections of prevalence to 2050: a systematic analysis for the

Global Burden of Disease Study 2021. Lancet (London, England). Jul 15

2023;402(10397):203-234.

2. Phan DH, Vu TT, Doan VT, Le TQ, Nguyen TD, Van Hoang M.

Assessment of the risk factors associated with type 2 diabetes and

prediabetes mellitus: A national survey in Vietnam. Medicine

(Baltimore). Oct 14 2022;101(41):e31149.

3. Farmaki P, Damaskos C, Garmpis N, Garmpi A, Savvanis S, Diamantis

E. Complications of the Type 2 Diabetes Mellitus. Curr Cardiol Rev.

2020;16(4):249-251.

4. Ruta LM, Magliano DJ, Lemesurier R, Taylor HR, Zimmet PZ, Shaw JE.

Prevalence of diabetic retinopathy in Type 2 diabetes in developing and

developed countries. Diabetic medicine : a journal of the British

Diabetic Association. Apr 2013;30(4):387-98.

5. Yau JW, Rogers SL, Kawasaki R, et al. Global prevalence and major risk

factors of diabetic retinopathy. Diabetes care. Mar 2012;35(3):556-64.

6. Cheung N, Mitchell P, Wong TY. Diabetic retinopathy. Lancet (London,

England). Jul 10 2010;376(9735):124-36.

7. Ting DS, Cheung GC, Wong TY. Diabetic retinopathy: global

prevalence, major risk factors, screening practices and public health

challenges: a review. Clinical & experimental ophthalmology. May

2016;44(4):260-77.

8. ElSayed NA, Aleppo G, Aroda VR, et al. 2. Classification and Diagnosis

of Diabetes: Standards of Care in Diabetes-2023. Diabetes care. Jan 1

2023;46(Suppl 1):S19-s40.

9. Fogel AL, Kvedar JC. Artificial intelligence powers digital medicine.

NPJ digital medicine. 2018;1:5.

10. Wong TY, Bressler NM. Artificial Intelligence With Deep Learning

Technology Looks Into Diabetic Retinopathy Screening. Jama. Dec 13

2016;316(22):2366-2367.

11. Dimore AL, Edosa ZK, Mitiku AA. Glycemic control and diabetes

complications among adult type 2 diabetic patients at public hospitals in

Hadiya zone, Southern Ethiopia. PloS one. 2023;18(3):e0282962.

12. Yang H, Garibaldi JM. A hybrid model for automatic identification of

risk factors for heart disease. J Biomed Inform. Dec 2015;58

Suppl(Suppl):S171-s182.

13. Kumar Y, Koul A, Singla R, Ijaz MF. Artificial intelligence in disease

diagnosis: a systematic literature review, synthesizing framework and

future research agenda. Journal of ambient intelligence and humanized

computing. 2023;14(7):8459-8486.

14. Bajwa J, Munir U, Nori A, Williams B. Artificial intelligence in

healthcare: transforming the practice of medicine. Future healthcare

journal. Jul 2021;8(2):e188-e194.

15. Vought R, Vought V, Shah M, Szirth B, Bhagat N. EyeArt artificial

intelligence analysis of diabetic retinopathy in retinal screening events.

International ophthalmology. Dec 2023;43(12):4851-4859.

16. Cole E, Valikodath NG, Al-Khaled T, et al. Evaluation of an Artificial

Intelligence System for Retinopathy of Prematurity Screening in Nepal

and Mongolia. Ophthalmology science. Dec 2022;2(4):100165.

17. Oshika T. Intelligence Applications in Ophthalmology. JMA Journal:

Volume 8, Issue 1. 2025:66-75.

18. Lupidi M, Danieli L, Fruttini D, et al. Artificial intelligence in diabetic

retinopathy screening: clinical assessment using handheld fundus camera

in a real-life setting. Acta Diabetol. Aug 2023;60(8):1083-1088.

19. Uy H, Fielding C, Hohlfeld A, et al. Diagnostic test accuracy of artificial

intelligence in screening for referable diabetic retinopathy in real-world

settings: A systematic review and meta-analysis. PLOS Glob Public

Health. 2023;3(9):e0002160.

20. Oh K, Kang HM, Leem D, Lee H, Seo KY, Yoon S. Early detection of

diabetic retinopathy based on deep learning and ultra-wide-field fundus

images. Scientific reports. Jan 21 2021;11(1):1897.

21. Sahlsten J, Jaskari J, Kivinen J, et al. Deep Learning Fundus Image

Analysis for Diabetic Retinopathy and Macular Edema Grading.

Scientific reports. 2019/07/24 2019;9(1):10750.

doi:10.1038/s41598-019-47181-w

22. Begum T, Rahman A, Nomani D, et al. “Diagnostic accuracy of

detecting retinopathy in patients wif diabetes using digital fundus

photograph: A validation study in teh peripheral health facilities in

Bangladesh” (Preprint). JMIR Public Health and Surveillance. 08/15

2020;7doi:10.2196/23538

23. Nguyễn Trung Hiếu (2023). Đánh giá tình trạng võng mạc qua ảnh chụp

đáy mắt bệnh nhân đái tháo đường tại Bệnh viện đa khoa tỉnh Ninh Bình.

Luận văn Bác sĩ chuyên khoa II, Trường Đại học Y Hà Nội.

24. Phạm Diệu Linh (2023). Đánh giá tình trạng võng mạc trên bệnh nhân

đái tháo đường tại bệnh viện E Trung Ướng. Luận văn Bác sĩ Chuyên

khoa II, Trường Đại học Y Hà Nội.

25. Đỗ Hữu Khương (2023). Đánh giá tình trạng võng mạc qua ảnh chụp

đáy mắt bệnh nhân đái tháo đường tại bệnh viện Nội tiết Trung ương.

Luận văn Bác sĩ Chuyên khoa II, Trường Đại học Y Hà Nội.

26. WHO. Diagnosis and Classification of Diabetes: Standards of Care in

Diabetes—2022. Clin Diabetes. Jan 2022;40(1):10-38.

27. Bộ y tế (2020). Hướng dẫn chẩn đoán và điều trị đái tháo đường type 2.

Ban hành kèm theo quyết định số 5481/QĐ-BYT ngày 31/12/2020 của

Bộ trưởng Bộ Y tế.

28. Mazze S S, et al. Staged diabetes management - a system approach.

Congressu Publish. 2000:12-15.

29. Vijan S. In the clinic. Type 2 diabetes. Annals of internal medicine. Mar

3 2015;162(5):Itc1-16.

30. Fasanmade OA, Odeniyi IA, Ogbera AO. Diabetic ketoacidosis:

diagnosis and management. African journal of medicine and medical

sciences. Jun 2008;37(2):99-105.

31. Hoàng Thị Phúc, Phạm Trọng Văn, Nguyễn Hữu Quốc Nguyên. Nghiên

cứu tình hình bệnh võng mạc đái tháo đường tại Việt Nam. Kỷ yếu hội

nghị Nhãn khoa. 2010:170.

32. Rotimi C, Daniel H, Zhou J, et al. Prevalence and determinants of

diabetic retinopathy and cataracts in West African type 2 diabetes

patients. Ethn Dis. Summer 2003;13(2 Suppl 2):S110-7.

33. Kim SI, Kim SJ. Prevalence and risk factors for cataracts in persons with

type 2 diabetes mellitus. Korean J Ophthalmol. Dec 2006;20(4):201-4.

34. American Academy of Ophthalmology (2002). Basic and Clinical

Science Course. Section 11: Lens and Cataract:57.

35. Thái Hồng Quang (1997). Bệnh học nội tiết. NXB Y học Hà Nội.

36. Đỗ Như Hơn (2021). Chuyên đề dịch kính, võng mạc. NXB Y học Hà

Nội.

37. Flaxel CJ, Adelman RA, Bailey ST, et al. Diabetic Retinopathy Preferred

Practice Pattern®. Ophthalmology. Jan 2020;127(1):P66-p145.

38. Võng mạc và dịch kính (1998), Hiệp hội nhãn khoa Mỹ tập 12, Giáo

trình khoa học cơ sở và lâm sàng. Nguyễn Đức Anh dịch, NXB thanh

niên.

39. Wolfensberger TJ, Hamilton AM. Diabetic retinopathy--an historical

review. Seminars in ophthalmology. Mar 2001;16(1):2-7.

40. American Academy of Ophthalmology (2020). Basic and Clinical

Science Course, Section 02: Fundamentals and Principles of

Ophthalmology.

41. Cai J, Boulton M. The pathogenesis of diabetic retinopathy: old concepts

and new questions. Eye (London, England). May 2002;16(3):242-60.

42. Funatsu H, Yamashita H. Pathogenesis of diabetic retinopathy and the

renin-angiotensin system. Ophthalmic Physiol Opt. Nov

2003;23(6):495-501.

43. Beltramo E, Porta M. Pericyte loss in diabetic retinopathy: mechanisms

and consequences. Current medicinal chemistry. 2013;20(26):3218-25.

44. Kanski Nhãn khoa lâm sàng (2021). Bộ môn Mắt - Trường Đại học Y Hà

Nội và các cộng sự biên dịch, NXB Y học.

45. Fong DS, Aiello L, Gardner TW, et al. Diabetic retinopathy. Diabetes

care. Jan 2003;26 Suppl 1:S99-s102.

46. Association AD. Standards of Medical Care in Diabetes Diabetes Care.

Vol 362015.

47. Yin L, Zhang D, Ren Q, Su X, Sun Z. Prevalence and risk factors of

diabetic retinopathy in diabetic patients: A community based

cross-sectional study. Medicine (Baltimore). Feb 2020;99(9):e19236.

48. Patrick H. Le; Kirandeep Kaur; Bhupendra C. Patel (2024). Optical

Coherence Tomography Angiography.

49. Roland Rocholz FC, Julian Weichsel, et al (2019). OCT Angiography

(OCTA) in Retinal Diagnostics.

50. Khattab M, Khader YS, Al-Khawaldeh A, Ajlouni K. Factors associated

with poor glycemic control among patients with type 2 diabetes. Journal

of diabetes and its complications. Mar-Apr 2010;24(2):84-9.

51. Sherwani SI, Khan HA, Ekhzaimy A, Masood A, Sakharkar MK.

Significance of HbA1c Test in Diagnosis and Prognosis of Diabetic

Patients. Biomarker insights. 2016;11:95-104.

52. WHO Guidelines Approved by the Guidelines Review Committee. Use

of Glycated Haemoglobin (HbA1c) in the Diagnosis of Diabetes

Mellitus: Abbreviated Report of a WHO Consultation. World Health

Organization Copyright © World Health Organization 2011.

53. International Expert Committee report on the role of the A1C assay in

the diagnosis of diabetes. Diabetes care. Jul 2009;32(7):1327-34.

54. Ali MK, McKeever Bullard K, Imperatore G, Barker L, Gregg EW.

Characteristics associated with poor glycemic control among adults with

self-reported diagnosed diabetes--National Health and Nutrition

Examination Survey, United States, 2007-2010. MMWR supplements.

Jun 15 2012;61(2):32-7.

55. Islam SM, Niessen LW, Seissler J, et al. Diabetes knowledge and

glycemic control among patients with type 2 diabetes in Bangladesh.

SpringerPlus. 2015;4:284.

56. Dhillon H, Nordin RB, Ramadas A. Quality of Life and Associated

Factors among Primary Care Asian Patients with Type 2 Diabetes

Mellitus. International journal of environmental research and public

health. Sep 23 2019;16(19).

57. Abdulqawi Al M, Youssef O, Najmul I, et al. GOAL study: clinical and

non-clinical predictive factors for achieving glycemic control in people

with type 2 diabetes in real clinical practice. BMJ Open Diabetes

Research & Care. 2018;6(1):e000519.

58. Reidpath DD, Soyiri I, Jahan NK, et al. Poor glycaemic control and its

metabolic and demographic risk factors in a Malaysian

community-based study. International journal of public health. Mar

2018;63(2):193-202.

59. Danne T, Nimri R, Battelino T, et al. International Consensus on Use of

Continuous Glucose Monitoring. Diabetes care. Dec

2017;40(12):1631-1640.

60. Lu J, Ma X, Zhou J, et al. Association of Time in Range, as Assessed by

Continuous Glucose Monitoring, With Diabetic Retinopathy in Type 2

Diabetes. Diabetes care. Nov 2018;41(11):2370-2376.

61. Klein R, Klein BE, Moss SE, Davis MD, DeMets DL. The Wisconsin

epidemiologic study of diabetic retinopathy. II. Prevalence and risk of

diabetic retinopathy when age at diagnosis is less than 30 years. Archives

of ophthalmology (Chicago, Ill : 1960). Apr 1984;102(4):520-6.

62. Klein R, Klein BE, Moss SE, Cruickshanks KJ. The Wisconsin

Epidemiologic Study of Diabetic Retinopathy: XVII. The 14-year

incidence and progression of diabetic retinopathy and associated risk

factors in type 1 diabetes. Ophthalmology. Oct 1998;105(10):1801-15.

63. Do DV, Han G, Abariga SA, Sleilati G, Vedula SS, Hawkins BS. Blood

pressure control for diabetic retinopathy. Cochrane Database Syst Rev.

Mar 28 2023;3(3):Cd006127.

64. Azad N, Bahn GD, Emanuele NV, et al. Association of Blood Glucose

Control and Lipids With Diabetic Retinopathy in the Veterans Affairs

Diabetes Trial (VADT). Diabetes care. May 2016;39(5):816-22.

65. Karystianis G, Dehghan A, Kovacevic A, Keane JA, Nenadic G. Using

local lexicalized rules to identify heart disease risk factors in clinical

notes. J Biomed Inform. Dec 2015;58 Suppl(Suppl):S183-s188.

66. Jain R, Gupta M, Taneja S, Hemanth DJ. Deep learning based detection

and analysis of COVID-19 on chest X-ray images. Appl Intell (Dordr).

2021;51(3):1690-1700.

67. Kieu STH, Bade A, Hijazi MHA, Kolivand H. A Survey of Deep

Learning for Lung Disease Detection on Medical Images:

State-of-the-Art, Taxonomy, Issues and Future Directions. J Imaging.

Dec 1 2020;6(12).

68. Rong G, Mendez A, Bou Assi E, Zhao B, Sawan M. Artificial

Intelligence in Healthcare: Review and Prediction Case Studies.

Engineering. 01/03 2020;6.

69. W. Xue QLaQX. "Text Detection and Recognition for Images of Medical

Laboratory Reports With a Deep Learning Approach," in IEEE Access,

vol. 8, pp. 407-416, 2020.

70. Mishra R, Li B. The Application of Artificial Intelligence in the Genetic

Study of Alzheimer's Disease. Aging Dis. Dec 2020;11(6):1567-1584.

71. Kim IJ, Kang HC, Park JG. Microarray applications in cancer research.

Cancer Res Treat. Aug 2004;36(4):207-13.

72. Yin Z, Yao C, Zhang L, Qi S. Application of artificial intelligence in

diagnosis and treatment of colorectal cancer: A novel Prospect. Front

Med (Lausanne). 2023;10:1128084.

73. Hoy R, Chambers DC. Silicosis: An ancient disease in need of a dose of

modern medicine. Respirology. May 2020;25(5):464-465.

74. W. Ausawalaithong AT, S. Marukatat and T. Wilaiprasitporn, .

"Automatic Lung Cancer Prediction from Chest X-ray Images Using the

Deep Learning Approach," 2018 11th Biomedical Engineering

International Conference (BMEiCON), Chiang Mai, Thailand, 2018, pp.

1-5.

75. Cavan D, Makaroff L, da Rocha Fernandes J, et al. The Diabetic

Retinopathy Barometer Study: Global perspectives on access to and

experiences of diabetic retinopathy screening and treatment. Diabetes

Res Clin Pract. Jul 2017;129:16-24.

76. Blindness (2021). International Diabetes Federation. The Diabetic

Retinopathy Barometer Report Global Findings. Accessed October 1,

2021.

77. Prevention (2018). Diabetes Report Card 2017. US Dept of Health and

Human Services.

78. Lim JI, Regillo CD, Sadda SR, et al. Artificial Intelligence Detection of

Diabetic Retinopathy: Subgroup Comparison of the EyeArt System with

Ophthalmologists' Dilated Examinations. Ophthalmology science. Mar

2023;3(1):100228.

79. Fleming AD , Goatman KA , Philip S , al e. Automated grading for

diabetic retinopathy: a large-scale audit using arbitration by clinical

experts. Br J Ophthalmol 2010;94(12):1606-1610

80. Abràmoff MD, Lavin PT, Birch M, Shah N, Folk JC. Pivotal trial of an

autonomous AI-based diagnostic system for detection of diabetic

retinopathy in primary care offices. NPJ digital medicine. 2018/08/28

2018;1(1):39. doi:10.1038/s41746-018-0040-6

81. Bhaskaranand M, Ramachandra C, Bhat S, et al. The Value of

Automated Diabetic Retinopathy Screening with the EyeArt System: A

Study of More Than 100,000 Consecutive Encounters from People with

Diabetes. Diabetes Technol Ther. Nov 2019;21(11):635-643.

82. Gulshan V, Peng L, Coram M, et al. Development and Validation of a

Deep Learning Algorithm for Detection of Diabetic Retinopathy in

Retinal Fundus Photographs. Jama. Dec 13 2016;316(22):2402-2410.

83. Tufail A RC, Egan C ea. . Automated diabetic retinopathy image

assessment software: diagnostic accuracy and cost-effectiveness

compared with human graders. Ophthalmology. 2017;124(3):343-351.

84. Eyenuk Inc (2022). EyeArt ® AI Eye Screening System.

85. Grzybowski A, Brona P. Analysis and Comparison of Two Artificial

Intelligence Diabetic Retinopathy Screening Algorithms in a Pilot Study:

IDx-DR and Retinalyze. J Clin Med. May 27 2021;10(11).

86. NGI. Seismic risk and loss analysis software (SELENA). Journal of

Digitalization and numerical analysis. 2023:NGI 2:1-23.

87. SiDRP. Diabetic Retinopathy Screening: How SiDRP Can Help. Head

and Neck Eye Care. 2020:2020:pp223-255.

88. Mathenge W, Whitestone N, Nkurikiye J, et al. Impact of Artificial

Intelligence Assessment of Diabetic Retinopathy on Referral Service

Uptake in a Low-Resource Setting: The RAIDERS Randomized Trial.

Ophthalmology science. Dec 2022;2(4):100168.

89. Tan H, Wang X, Ye K, Lin J, Song E, Gong L. Prevalence and risk

factors of diabetic retinopathy among Chinese adults with type 2

diabetes in a suburb of Shanghai, China. PloS one.

2022;17(10):e0275617.

90. Kyari F, Tafida A, Sivasubramaniam S, Murthy GV, Peto T, Gilbert CE.

Prevalence and risk factors for diabetes and diabetic retinopathy: results

from the Nigeria national blindness and visual impairment survey. BMC

Public Health. Dec 18 2014;14:1299.

91. Raman R, Vasconcelos JC, Rajalakshmi R, et al. Prevalence of diabetic

retinopathy in India stratified by known and undiagnosed diabetes,

urban-rural locations, and socioeconomic indices: results from the

SMART India population-based cross-sectional screening study. Lancet

Glob Health. Dec 2022;10(12):e1764-e1773.

92. Ramachandran Rajalakshmi, Radhakrishnan Subashini, Ranjit Mohan

Anjana ea. Automated diabetic retinopathy detection in

smartphone-based fundus photography using artificial intelligence. The

Royal College of Ophthalmologist, Eye (2018) 32:1138–1144.

93. Ipp E, Liljenquist D, Bode B, et al. Pivotal Evaluation of an Artificial

Intelligence System for Autonomous Detection of Referrable and

Vision-Threatening Diabetic Retinopathy. JAMA Netw Open. Nov 1

2021;4(11):e2134254.

94. Hsieh YT, Chuang LM, Jiang YD, et al. Application of deep learning

image assessment software VeriSee™ for diabetic retinopathy screening.

Journal of the Formosan Medical Association = Taiwan yi zhi. Jan

2021;120(1 Pt 1):165-171.

95. Malerbi FK, Andrade RE, Morales PH, et al. Diabetic Retinopathy

Screening Using Artificial Intelligence and Handheld Smartphone-Based

Retinal Camera. J Diabetes Sci Technol. May 2022;16(3):716-723.

96. Whitestone N, Nkurikiye J, Patnaik JL, et al. Feasibility and acceptance

of artificial intelligence-based diabetic retinopathy screening in Rwanda.

Br J Ophthalmol. May 21 2024;108(6):840-845.

97. Sahlsten J, Jaskari J, Kivinen J, et al. Deep Learning Fundus Image

Analysis for Diabetic Retinopathy and Macular Edema Grading.

Scientific reports. Jul 24 2019;9(1):10750.

98. Lu L, Ren P, Lu Q, et al. Analyzing fundus images to detect diabetic

retinopathy (DR) using deep learning system in the Yangtze River delta

region of China. Annals of translational medicine. Feb 2021;9(3):226.

99. Nguyễn Thị Lan Anh (2017). Nghiên cứu các hình thái lâm sàng và một

số yếu tố nguy cơ của bệnh võng mạc đái tháo đường tại bệnh viện E

Trung Ương. Luận văn Bác sĩ chuyên khoa II, Trường Đại học Y Hà Nội.

100. Phạm Thị Hồng Hoa, Lê Huy Liệu. Nghiên cứu tổn thương mắt trong

bệnh đái tháo đường. Kỷ yếu toàn văn các nghiên cứu khoa học - Đại hội

nội tiết- đái tháo đường Việt Năm lần thứ nhất. 2000:222-229.

101. Nguyễn Quốc Dân (2009). Nghiên cứu các biến chứng mắt trên bệnh

nhân đái tháo đường ở Bắc Ninh. Luận văn Bác sĩ chuyên khoa II,

Trường Đại học Y Hà Nội.

102. Lương Thị Hải Hà, Đặng Đức Minh, Hoàng Thị Phúc. Đặc điểm bệnh

võng mạc đái tháo đường trên bệnh nhân đái tháo đường type 2 tại Bệnh

viện Trung Ương Thái Nguyên. Tạp chí Y học Việt Nam. 2021;504 (7)

2021:91-95.

103. Nguyễn Trọng Khải. Nghiên cứu đặc điểm dịch tễ, lâm sàng bệnh võng

mạc đái tháo đường tại tỉnh Hà Nam. Tạp chí Y học thực hành

2017;7:41-44. 2018.

104. Lê Đức Thiện, Nguyễn Thanh Hà, Mai Quốc Tùng. Đánh giá tình trạng

võng mạc đái tháo đường và một số yếu tố liên quan trên bệnh nhân đái

tháo đường tại bệnh viện Hữu Nghị. Tạp chí Y học Việt Nam. 2023;Tập

533, số 1 tháng 12 năm 2023:64-68.

105. Nguyễn Thị Ngọc Hân (2017). Nghiên cứu tình hình tổn thương võng

mạc trên bệnh nhân đái tháo đường tại bệnh viện đa khoa khu vực Phúc

Yên. Luận văn Bác sĩ chuyên khoa II, Trường Đại học Y Hà Nội.

106. Nguyễn Thị Hồng Thắm (2023). Đánh giá tình trạng võng mạc qua chụp

ảnh đáy mắt bệnh nhân đái tháo đường tại Bệnh viện Lão khoa Trung

Ương. Luận văn Bác sĩ chuyên khoa II, Trường Đại học Y Hà Nội.

107. Nguyễn Thu Uyên (2023). Đánh giá tình trạng võng mạc qua ảnh chụp

đáy mắt bệnh nhân đái tháo đường tại Bệnh viện Đa khoa Hà Đông.

Luận văn Bác sĩ chuyên khoa II, Trường Đại học Y Hà Nội.

108. Nguyễn Thanh Hương (2010). Nghiên cứu một số tổn thương mắt ở

bệnh nhân đái tháo đường điều trị tại bệnh viện Đa khoa Trung Ương

Thái Nguyên. Luận văn Thạc sĩ Y học, Trường Đại học Y Dược Thái

Nguyên.

109. ElSayed NA, Aleppo G, Aroda VR, et al. 6. Glycemic Targets: Standards

of Care in Diabetes-2023. Diabetes care. Jan 1 2023;46(Suppl

1):S97-s110.

110. Bộ Y tế (2022). Quyết định số 2557/QĐ-BYT ngày 20/9/2022 ban hành

tài liệu chuyên môn “Hướng dẫn quy trình kỹ thuật chụp ảnh đáy mắt

không huỳnh quang phát hiện sớm bệnh võng mạc đái tháo đường”.

111. Bộ y tế (2022). Quyết định số 2558/QĐ-BYT ngày 20/9/2022 ban hành

tài liệu chuyên môn “Hướng dẫn chẩn đoán, điều trị và quản lý Bệnh

võng mạc đái tháo đường”.

112. Wong TY, Sun J, Kawasaki R, et al. Guidelines on Diabetic Eye Care:

The International Council of Ophthalmology Recommendations for

Screening, Follow-up, Referral, and Treatment Based on Resource

Settings. Ophthalmology. Oct 2018;125(10):1608-1622.

113. World Health Organization. Blindness and vision impairment. Report on

IAPB conference, 2019.

114. Ryan Machiele; Mahsaw Motlagh; Marco Zeppieri; Bhupendra C. Patel

(2020). Intraocular Pressure. National Library of Medicine.

115. Bộ y tế (2018). Hướng dẫn chuẩn chất lượng về chẩn đoán và điều trị

đục thủy tinh thể. Ban hành kèm theo QĐ số 7328/QĐ-BYT ngày

10/12/2018.

116. Thylefors B, Chylack LT, Jr., Konyama K, et al. A simplified cataract

grading system. Ophthalmic Epidemiol. Apr 2002;9(2):83-95.

117. Cohen J. Weighted kappa: nominal scale agreement with provision for

scaled disagreement or partial credit. Psychological bulletin. Oct

1968;70(4):213-20.

118. Klein R, Knudtson MD, Lee KE, Gangnon R, Klein BE. The Wisconsin

Epidemiologic Study of Diabetic Retinopathy: XXII the twenty-five-year

progression of retinopathy in persons with type 1 diabetes.

Ophthalmology. Nov 2008;115(11):1859-68.

119. Wong TY, Cheung N, Tay WT, et al. Prevalence and risk factors for

diabetic retinopathy: the Singapore Malay Eye Study. Ophthalmology.

Nov 2008;115(11):1869-75.

120. Sohn EH, van Dijk HW, Jiao C, et al. Retinal neurodegeneration may

precede microvascular changes characteristic of diabetic retinopathy in

diabetes mellitus. Proc Natl Acad Sci U S A. May 10

2016;113(19):E2655-64.

121. Toprak I, Fenkci SM, Fidan Yaylali G, Martin C, Yaylali V. Early retinal

neurodegeneration in preclinical diabetic retinopathy: a multifactorial

investigation. Eye (London, England). Jun 2020;34(6):1100-1107.

122. Santos AR, Ribeiro L, Bandello F, et al. Functional and Structural

Findings of Neurodegeneration in Early Stages of Diabetic Retinopathy:

Cross-sectional Analyses of Baseline Data of the EUROCONDOR

Project. Diabetes. Sep 2017;66(9):2503-2510.

123. Scanlon PH, Aldington SJ, Stratton IM. Epidemiological Issues in

Diabetic Retinopathy. Middle East African Journal of Ophthalmology.

2013;20(4):293-300.

124. Flaxel CJ, Adelman RA, Bailey ST, et al. Diabetic Retinopathy Preferred

Practice. Ophthalmology. 2020;127(1):P66-P145.

125. Lương Thị Hải Hà (2021). Nghiên cứu mối liên quan giữa nồng độ

Apolipoprotein huyết thanh với bệnh võng mạc đái tháo đường. Luận

văn Bác sĩ chuyên khoa II, Trường Đại học Y Hà Nội.

126. Abràmoff MD, Lavin PT, Birch M, Shah N, Folk JC. Pivotal trial of an

autonomous AI-based diagnostic system for detection of diabetic

retinopathy in primary care offices. NPJ digital medicine. 2018;1:39.

127. He J, Cao T, Xu F, et al. Artificial intelligence-based screening for

diabetic retinopathy at community hospital. Eye (London, England). Mar

2020;34(3):572-576.

128. Scanlon PH, Foy C, Malhotra R, Aldington SJ. The influence of age,

duration of diabetes, cataract, and pupil size on image quality in digital

photographic retinal screening. Diabetes care. Oct 2005;28(10):2448-53.

129. Nguyễn Văn Nam (2018). Đánh giá mối tương quan giữa thị trường và

tổn thương võng mạc trên bệnh nhân võng mạc đái tháo đường. Luận

văn Thạc sĩ y học, Trường Đại học Y Hà Nội.

130. Lima VC, Cavalieri GC, Lima MC, Nazario NO, Lima GC. Risk factors

for diabetic retinopathy: a case-control study. International journal of

retina and vitreous. 2016;2:21.

131. Ting DSW, Cheung CY, Nguyen Q, et al. Deep learning in estimating

prevalence and systemic risk factors for diabetic retinopathy: a

multi-ethnic study. NPJ digital medicine. 2019;2:24.

132. Lê Thị Hiền, Mai Quốc Tùng. Đánh giá đặc điểm bệnh võng mạc đái

tháo đường ở bệnh viện đa khoa tỉnh Hòa Bình. Tạp Chí Học Việt Nam

Published online 2020.

133. Kohner EM. Microvascular disease: what does the UKPDS tell us about

diabetic retinopathy? Diabetic medicine : a journal of the British

Diabetic Association. Aug 2008;25 Suppl 2:20-4.

134. Murray P, Chune GW, Raghavan VA. Legacy effects from DCCT and

UKPDS: what they mean and implications for future diabetes trials. Curr

Atheroscler Rep. Nov 2010;12(6):432-9.

135. Berbudi A, Rahmadika N, Tjahjadi AI, Ruslami R. Type 2 Diabetes and

its Impact on the Immune System. Current diabetes reviews.

2020;16(5):442-449.

136. Zakir M, Ahuja N, Surksha MA, et al. Cardiovascular Complications of

Diabetes: From Microvascular to Macrovascular Pathways. Cureus. Sep

2023;15(9):e45835.

137. Yip W, Ong PG, Teo BW, et al. Retinal Vascular Imaging Markers and

Incident Chronic Kidney Disease: A Prospective Cohort Study. Scientific

reports. Aug 24 2017;7(1):9374.

138. Raman R, Srinivasan S, Roy R. Screening practices for diabetic

retinopathy. Expert Review of Ophthalmology. 2015/11/02

2015;10(6):519-521.

139. Venkatesh P, Sharma R, Vashist N, Vohra R, Garg S. Detection of retinal

lesions in diabetic retinopathy: comparative evaluation of 7-field digital

color photography versus red-free photography. International

ophthalmology. Oct 2015;35(5):635-40.

140. Lee SC, Lee ET, Kingsley RM, et al. Comparison of diagnosis of early

retinal lesions of diabetic retinopathy between a computer system and

human experts. Archives of ophthalmology (Chicago, Ill : 1960). Apr

2001;119(4):509-15.

141. Rajalakshmi R, Subashini R, Anjana RM, Mohan V. Automated diabetic

retinopathy detection in smartphone-based fundus photography using

artificial intelligence. Eye (London, England). Jun

2018;32(6):1138-1144.

142. Bellemo V, Lim ZW, Lim G, et al. Artificial intelligence using deep

learning to screen for referable and vision-threatening diabetic

retinopathy in Africa: a clinical validation study. Lancet Digit Health.

May 2019;1(1):e35-e44.

143. Rice J. Cataract and diabetic retinopathy. Community Eye Health. Sep

2011;24(75):9.

144. Klein R, Klein BE, Neider MW, Hubbard LD, Meuer SM, Brothers RJ.

Diabetic retinopathy as detected using ophthalmoscopy, a nonmydriatic

camera and a standard fundus camera. Ophthalmology. Apr

1985;92(4):485-91.

145. Cao S, Zhang R, Jiang A, et al. Application effect of an artificial

intelligence-based fundus screening system: evaluation in a clinical

setting and population screening. Biomed Eng Online. Apr 24

2023;22(1):38.

146. Gilbert MJ, Sun JK. Artificial Intelligence in the assessment of diabetic

retinopathy from fundus photographs. Seminars in ophthalmology. Nov

16 2020;35(7-8):325-332.

147. Gu C, Wang Y, Jiang Y, et al. Application of artificial intelligence system

for screening multiple fundus diseases in Chinese primary healthcare

settings: a real-world, multicentre and cross-sectional study of 4795

cases. Br J Ophthalmol. Feb 21 2024;108(3):424-431.

148. Scotland GS, McNamee P, Philip S, et al. Cost-effectiveness of

implementing automated grading within the national screening

programme for diabetic retinopathy in Scotland. Br J Ophthalmol. Nov

2007;91(11):1518-23.

149. Tufail A, Rudisill C, Egan C, et al. Automated Diabetic Retinopathy

Image Assessment Software: Diagnostic Accuracy and

Cost-Effectiveness Compared with Human Graders. Ophthalmology.

Mar 2017;124(3):343-351.

PHỤ LỤC 1: BỆNH ÁN NGHIÊN CỨU

“Nghiên cứu tổn thương võng mạc và đánh giá phần mềm chẩn đoán bệnh

võng mạc đái tháo đường type 2”

Mã số bệnh án nghiên cứu:

A. PHẦN HÀNH CHÍNH

A1. Họ và tên bệnh nhân:

A2. Tuổi:

A3. Giới: 1. Nam 2. Nữ

A4. Nghề nghiệp:

A5. Ngày đến khám:

A7. Địa chỉ:

A8. Lý do đi khám:

A9. Chẩn đoán:

A10. Số ĐT liên lạc:

A11. Khi cần báo tin:

A12. Mã số bệnh nhân:

B. TIỀN SỬ

B1. Tiền sử bản thân:

B1.1. Tăng huyết áp 1. Có 2. Không

B1.2. Hút thuốc lá 1. Có 2. Không

B1.3. TBMMN 1. Có 2. Không

B1.4. Béo phì 1. Có 2. Không

B1.5. Rối loạn lipid máu 1. Có 2. Không

B1.6.1. Tiền sử khác 1. Có 2. Không

B1.6.2. Ghi rõ (nếu có):

B1.7. Mức kiểm soát glucose huyết: 1. Tốt 2. Không

B1.7.1. Trước khám 1 tháng:

B1.7.2. Trước khám 2 tháng:

B1.7.3. Trước khám 3 tháng:

B2. Tiền sử gia đình:

C. LÂM SÀNG

C1. Mạch Lần/phút

C2. Huyết áp mmHg

C3. Chiều cao Mét

C4. Cân nặng Kg

C5. BMI Kg/m2

C6. Thời gian bị bệnh ĐTĐ năm

C7. Có tổn thương VM ĐTĐ 1. Có 2. Không

C8. Thị lực không kính MP: MT:

C9. Thị lực có kính MP: MT:

C10. Nhãn áp (mmHg) MP: MT:

C11. Tổn thương đáy mắt khi soi có nhỏ giãn 1. Có 2. Không

C11.1. Vi phình mạch 1. Có 2. Không

C11.2. Xuất huyết VM 1. Có 2. Không

C11.3. Phù Hoàng điểm 1. Có 2. Không

C11.4. Xuất tiết VM 1. Có 2. Không

C11.5. Tân mạch VM 1. Có 2. Không

C11.6. Tắc tĩnh mạch VM 1. Có 2. Không

D. CẬN LÂM SÀNG

D1. Các chỉ số sinh hoá máu thời điểm khám

D1.1. Glucose tĩnh mạch lúc đói mmol/L

Thời điểm lấy máu xét nghiệm:

D1.2. HbA1C %

D1.4. Triglyceride mmol/L

D1.5. Totalcholesterol mmol/L

D1.6. LDL-C mmol/L

D1.7. HDL-C mmol/L

D4. Chụp ảnh màu đáy mắt 1. Có 2. Không

D4.1. Vi phình mạch 1. Có 2. Không

D4.2. Xuất huyết VM 1. Có 2. Không

D4.3. Tân mạch VM 1. Có 2. Không

D4.4. Tắc Tĩnh mạch VM 1. Có 2. Không

E. Giai đoạn bệnh VM ĐTĐ trên lâm sàng 1. Có 2. Không

E.1. VM ĐTĐ chưa tăng sinh 1. Có 2. Không

E.1.1. VM ĐTĐ chưa tăng sinh nhẹ 1. Có 2. Không

E.1.2. VM ĐTĐ chưa tăng sinh trung bình 1. Có 2. Không

E.1.3. VM ĐTĐ chưa tăng sinh nặng 1. Có 2. Không

E.1.4. VM ĐTĐ chưa tăng sinh rất nặng 1. Có 2. Không

E.2. VM ĐTĐ tăng sinh 1. Có 2. Không

E.3. Bệnh lý HĐ do ĐTĐ 1. Có 2. Không

F. Giai đoạn bệnh VM ĐTĐ trên phần mềm 1. Có 2. Không

F.1. VM ĐTĐ chưa tăng sinh 1. Có 2. Không

F.1.1. VM ĐTĐ chưa tăng sinh nhẹ 1. Có 2. Không

F.1.2. VM ĐTĐ chưa tăng sinh trung bình 1. Có 2. Không

F.1.3. VM ĐTĐ chưa tăng sinh nặng 1. Có 2. Không

F.1.4. VM ĐTĐ chưa tăng sinh rất nặng 1. Có 2. Không

F.2. VM ĐTĐ tăng sinh 1. Có 2. Không

F.3. Bệnh lý HĐ do ĐTĐ 1. Có 2. Không

Ngày tháng năm 2023

Người thực hiện

Lương Thị Hải Hà

PHỤ LỤC 2

PHIẾU NGHIÊN CỨU TỔN THƯƠNG ĐÁY MẮT

TRÊN BỆNH NHÂN ĐÁI THÁO ĐƯỜNG TYPE 2

Tên đề tài nghiên cứu: “Nghiên cứu tổn thương võng mạc và đánh giá

phần mềm chẩn đoán bệnh võng mạc đái tháo đường type 2”

ĐÁNH GIÁ CỦA NHÓM NHÂN VIÊN Y TẾ CẤP 1 VÀ CẤP 2

Mã số bệnh nhân:………………………………………………………………

Mắt MP MT

Tổn thương Có Không Có Không

Vi phình mạch

Xuất tiết

Xuất huyết

Phù hoàng điểm

Chẩn đoán bệnh VM ĐTĐ

Giai đoạn bệnh VM ĐTĐ

1. Không có bệnh VM ĐTĐ

2. Bệnh VM ĐTĐ chưa tăng sinh nhẹ

3. Bệnh VM ĐTĐ chưa tăng sinh trung bình

4. Bệnh VM ĐTĐ chưa tăng sinh nặng

5. Bệnh VM ĐTĐ chưa tăng sinh rất nặng

6. Bệnh VM ĐTĐ tăng sinh

Người thực hiện

(Ký và ghi rõ họ tên)

PHỤ LỤC 3

MỘT SỐ HÌNH ẢNH TRONG NGHIÊN CỨU

1. Bệnh nhân nữ, 75 tuổi, mắc bệnh ĐTĐ 4 năm, xét nghiệm đường

máu 5,02 mmol/l, nồng độ HbA1C 7,7%. Hình ảnh chụp 4 ảnh màu đáy mắt

chưa thấy có biểu hiện bệnh võng mạc đái tháo đường.

2. Bệnh nhân nữ, 65 tuổi, ĐTĐ 12 năm, xét nghiệm đường máu

12,6mmol/l, nồng độ HbA1C 11%. Hình ảnh chụp ảnh màu đáy mắt cho thấy

có biểu hiện bệnh võng mạc đái tháo đường chưa tăng sinh mức độ nặng: vi

phình mạch toàn bộ võng mạc, xuất huyết đốm và đám, xuất tiết cứng.

1: Hình ảnh các đám xuất huyết, vi phình mạch rải rác khắp nền võng mạc

3. Bệnh nhân nam 76 tuổi, ĐTĐ 12 năm, xét nghiệm đường máu 9,6 mmol/l,

nồng độ HbA1C 9,4%. Hình ảnh chụp ảnh màu đáy mắt cho thấy có biểu hiện

bệnh võng mạc đái tháo đường chưa tăng sinh mức độ trung bình: vi phình

mạch rải rác trên võng mạc, xuất tiết cứng.

Tổn thương 1: xuất tiết, 2: vi phình mạch

4. Bệnh nhân nam 69 tuổi, ĐTĐ 6 năm, xét nghiệm đường máu 11,2 mmol/l,

nồng độ HbA1C 8,4%. Hình ảnh chụp ảnh màu đáy mắt cho thấy có biểu hiện

bệnh võng mạc đái tháo đường chưa tăng sinh mức độ nặng: vi phình mạch

trên võng mạc, xuất tiết cứng, xuất huyết.

Tổn thương 1: xuất tiết, 2: vi phình mạch, 3: xuất huyết

5. Bệnh nhân nam 66 tuổi, bị bệnh ĐTĐ 9 năm, xét nghiệm glucose

huyết 18,81mmol/l, nồng độ HbA1C 13,2%. Hình ảnh chụp ảnh màu đáy mắt

cho thấy biểu hiện bệnh võng mạc đái tháo đường tăng sinh: vi phình mạch,

xuất huyết, xuất tiết, tân mạch võng mạc.