Nổi bật
Bài đánh giá toàn diện này tổng hợp bằng chứng về các công cụ chẩn đoán dựa trên trí tuệ nhân tạo cho các điều kiện da vùng sinh dục, đặc biệt là các bệnh lây truyền qua đường tình dục (STIs), tiết lộ độ chính xác chẩn đoán tổng hợp hứa hẹn mặc dù chất lượng nghiên cứu không đồng đều và xác thực lâm sàng hạn chế.
Việc phát hiện mpox bằng trí tuệ nhân tạo cho thấy độ nhạy và độ đặc hiệu tổng hợp cao nhất, tiếp theo là herpes sinh dục, u nhú, vẩy nến và rận mu, đánh dấu vai trò tiềm năng của trí tuệ nhân tạo trong chẩn đoán sức khỏe tình dục.
Hạn chế hiện tại bao gồm nguy cơ thiên lệch cao, phụ thuộc vào dữ liệu nguồn mở, xác thực bên ngoài tối thiểu và thiếu các mô hình dễ tiếp cận để đánh giá rộng rãi, nhấn mạnh nhu cầu nghiên cứu tương lai nghiêm ngặt.
Nền tảng và gánh nặng bệnh tật
Các bệnh lây truyền qua đường tình dục (STIs) và bệnh da vùng sinh dục đại diện cho một gánh nặng sức khỏe toàn cầu đáng kể, gây ra sự suy giảm đáng kể về sức khỏe, tác động tâm lý xã hội và chi phí kinh tế. Chẩn đoán lâm sàng các điều kiện vùng sinh dục thường yêu cầu đánh giá chuyên môn về da liễu hoặc bệnh truyền nhiễm, điều này có thể không sẵn có ở mọi nơi, có thể làm chậm quá trình chẩn đoán và điều trị.
Trí tuệ nhân tạo (AI), đặc biệt là học sâu được áp dụng cho hình ảnh lâm sàng, đã biến đổi chẩn đoán da liễu cho các bệnh da phổ biến, nhưng hiệu quả và phạm vi của nó trong bối cảnh STIs và bệnh da vùng sinh dục vẫn chưa được xác định rõ ràng. Với bản chất trực quan của nhiều điều kiện này, AI có thể giúp phát hiện nhanh chóng và chính xác hơn, đặc biệt là trong các môi trường có nguồn lực hạn chế.
Thiết kế nghiên cứu
Bài đánh giá có hệ thống và phân tích tổng hợp này đánh giá các nghiên cứu được xuất bản từ ngày 1 tháng 1 năm 2010 đến ngày 12 tháng 4 năm 2024, được xác định thông qua sáu cơ sở dữ liệu lớn bao gồm IEEE Xplore, Embase, Scopus, Medline, Web of Science và CINAHL. Các nghiên cứu được bao gồm áp dụng các thuật toán AI cho hình ảnh lâm sàng để phát hiện các điều kiện da vùng sinh dục liên quan đến STIs và bệnh da.
Các nghiên cứu đủ điều kiện sử dụng phương pháp chẩn đoán dựa trên AI, báo cáo các chỉ số hiệu suất như độ nhạy và độ đặc hiệu, và tập trung vào các điều kiện vùng sinh dục. Các phương pháp chẩn đoán không dựa trên AI, các nghiên cứu không có dữ liệu hiệu suất và các điều kiện da không phải vùng sinh dục bị loại trừ.
Công tác trích xuất dữ liệu được thực hiện bởi hai người đánh giá độc lập với chất lượng được đánh giá thông qua công cụ QUADAS-2 được sửa đổi và danh sách kiểm tra CLEAR Derm để đánh giá tính nghiêm ngặt về phương pháp và chất lượng báo cáo. Phân tích tổng hợp sử dụng các mô hình hiệu ứng ngẫu nhiên bivariate được thực hiện cho các điều kiện có ít nhất ba nghiên cứu đủ điều kiện để tổng hợp các ước tính độ nhạy và độ đặc hiệu.
Kết quả chính
Từ 5381 bài viết được sàng lọc, 140 nghiên cứu đáp ứng các tiêu chí bao gồm. Phần lớn (78.6%) tập trung vào mpox, với các nhóm nhỏ hơn đề cập đến herpes sinh dục, u nhú sinh dục, rận mu, molluscum contagiosum và vẩy nến.
Kết quả phân tích tổng hợp cho thấy hiệu suất chẩn đoán AI mạnh mẽ trên các điều kiện chính. Việc phát hiện mpox hiển thị độ nhạy tổng hợp là 0.96 (95% CI, 0.93–0.97) và độ đặc hiệu là 0.98 (95% CI, 0.97–0.99). Việc xác định herpes simplex virus cho thấy độ nhạy là 0.91 (95% CI, 0.71–0.98) và độ đặc hiệu là 0.97 (95% CI, 0.94–0.98). U nhú sinh dục, vẩy nến và rận mu cho thấy độ nhạy dao động từ 0.87 đến 0.90 và độ đặc hiệu xung quanh 0.98.
Mặc dù độ chính xác hứa hẹn, chất lượng nghiên cứu là không đồng đều. Nguy cơ thiên lệch cao được ghi nhận chủ yếu trong việc chọn lựa dân số (76.1%) và tiêu chuẩn tham chiếu (76.1%), phản ánh lo ngại về sự đại diện của các trường hợp và xác nhận chẩn đoán. Một phần năm các nghiên cứu có nguy cơ thiên lệch của thử nghiệm chỉ số.
Hầu hết các mô hình AI (86.4%) được đào tạo hoặc kiểm tra trên các bộ dữ liệu hình ảnh nguồn mở, đặt ra các vấn đề tiềm ẩn về sự đại diện của bộ dữ liệu cho dân số lâm sàng. Chỉ 12.1% các nghiên cứu báo cáo xác thực bên ngoài, quan trọng để thiết lập tính tổng quát. Gần như tất cả các nghiên cứu (99.3%) bị giới hạn ở giai đoạn chứng minh khái niệm, không triển khai trong các môi trường lâm sàng thực tế hoặc không có sẵn công khai các mô hình AI.
Bình luận chuyên gia
Những kết quả này nhấn mạnh tiềm năng đáng kể của AI để hỗ trợ chẩn đoán STIs và bệnh da vùng sinh dục, đặc biệt là ở những nơi chuyên môn hóa ít. Các chỉ số chẩn đoán cao cho thấy khả năng của AI trong việc thúc đẩy phát hiện sớm và cải thiện việc tìm kiếm các trường hợp.
Tuy nhiên, các chuyên gia cảnh báo rằng bằng chứng hiện tại chủ yếu xuất phát từ các phân tích hồi cứu sử dụng các bộ dữ liệu đã được chọn lọc có thể không phản ánh sự đa dạng lâm sàng trong thế giới thực. Thiếu xác thực bên ngoài và triển vọng lâm sàng hạn chế niềm tin vào hiệu suất AI trên các dân số và điều kiện hình ảnh đa dạng.
Hơn nữa, sự phổ biến của nguy cơ thiên lệch và sự phụ thuộc vào các bộ dữ liệu công cộng nhấn mạnh nhu cầu về các quy trình chuẩn hóa trong thu thập dữ liệu, chú thích và đào tạo thuật toán. Đảm bảo các mô hình là minh bạch, có thể giải thích và dễ tiếp cận cho đánh giá bên ngoài là thiết yếu cho việc tích hợp lâm sàng.
Lĩnh vực này sẽ được hưởng lợi từ các nghiên cứu triển khai đa trung tâm, triển vọng liên quan đến các dân số bệnh nhân đa dạng, bao gồm các chẩn đoán phân biệt và dữ liệu lâm sàng, và đánh giá các công cụ AI trong các ngữ cảnh quy trình làm việc lâm sàng.
Kết luận
Trí tuệ nhân tạo thể hiện độ chính xác thuyết phục trong việc nhận dạng mpox, herpes sinh dục, u nhú sinh dục, vẩy nến và rận mu từ hình ảnh lâm sàng vùng sinh dục, cho thấy một phương pháp bổ sung hứa hẹn cho các đường chẩn đoán truyền thống trong sức khỏe tình dục.
Tuy nhiên, cần phải giải quyết các khoảng trống nghiên cứu đáng kể trước khi triển khai lâm sàng. Điều này bao gồm cải thiện chất lượng và sự đại diện của bộ dữ liệu, tiến hành xác thực bên ngoài nghiêm ngặt, chuyển đổi từ chứng minh khái niệm sang đánh giá thực tế, và phát triển các công cụ AI minh bạch, dễ tiếp cận.
Các nỗ lực trong tương lai cũng nên tập trung vào các STIs và bệnh da vùng sinh dục ít được nghiên cứu, bao gồm các chẩn đoán phân biệt toàn diện để nâng cao độ chính xác chẩn đoán. Sự tích hợp AI vào thực hành sức khỏe tình dục thường xuyên hứa hẹn cải thiện việc phát hiện sớm, kết quả bệnh nhân và tận dụng nguồn lực y tế khi được xác thực cẩn thận và triển khai có đạo đức.
Tài liệu tham khảo
Soe NN, Kusnandar II, Latt PM, Fairley CK, Chow EPF, Maatouk I, Johnson CC, Shah P, Peters RPH, Subissi L, Zhang L, Ong JJ. Sử dụng AI trong việc nhận dạng các bệnh lây truyền qua đường tình dục và bệnh da vùng sinh dục: Một bài đánh giá có hệ thống và phân tích tổng hợp. JAMA Netw Open. 2025 Oct 1;8(10):e2533512. doi: 10.1001/jamanetworkopen.2025.33512. PMID: 41042514.
Esteva A, Kuprel B, Novoa RA, et al. Phân loại ung thư da theo mức độ của bác sĩ da liễu với mạng nơ-ron sâu. Nature. 2017;542(7639):115-118.
Tổ chức Y tế Thế giới. Các bệnh lây truyền qua đường tình dục (STIs). Tài liệu thông tin WHO. 2022.
Rajpurkar P, Hannun AY, Haghpanahi M, Bourn C, Ng AY. Phát hiện loạn nhịp tim ở mức độ của bác sĩ tim mạch với mạng nơ-ron cuộn. Nat Med. 2019;25(1):65-69.