KS CNSH. Nông Thị Hoài
Bệnh viện Đại học Y Dược Buôn Ma thuột

Trong hơn bốn thập kỷ kể từ khi em bé IVF đầu tiên ra đời, kỹ thuật thụ tinh trong ống nghiệm đã đạt được nhiều tiến bộ vượt bậc, nhưng tỷ lệ thành công vẫn chỉ dao động ở mức 30–40% cho mỗi chu kỳ, và thậm chí thấp hơn ở những phụ nữ lớn tuổi hoặc có dự trữ buồng trứng kém. Một trong những nguyên nhân chính là sự phức tạp và tính chủ quan trong từng giai đoạn của quy trình IVF, từ đánh giá noãn, tinh trùng cho đến lựa chọn phôi và dự đoán kết quả làm tổ. Trong bối cảnh đó, trí tuệ nhân tạo (AI), đặc biệt là các kỹ thuật học máy (machine learning-ML) và học sâu (deep learning- DL) nổi lên như công cụ tiềm năng để hỗ trợ bác sĩ và chuyên viên phôi học trong việc chuẩn hóa quy trình, giảm thiểu sai số cá nhân và tối ưu hóa hiệu quả điều trị. Bài báo tổng quan “The Integration of Artificial Intelligence in In Vitro Fertilization” đã hệ thống lại những ứng dụng quan trọng của AI trong IVF, phân tích lợi ích, thách thức cũng như đưa ra định hướng phát triển trong tương lai.
Trước hết, ở giai đoạn đánh giá chất lượng noãn, bài báo nhấn mạnh rằng việc lựa chọn noãn trưởng thành và có tiềm năng phát triển thành phôi tốt chủ yếu dựa vào quan sát hình thái dưới kính hiển vi. Tuy nhiên, những tiêu chí hình thái như độ đều bào tương, hình dạng màng trong suốt hay thể cực rất dễ bị ảnh hưởng bởi chủ quan người quan sát, dẫn tới sự khác biệt lớn giữa các phòng thí nghiệm. AI với khả năng xử lý hình ảnh chi tiết có thể nhận diện các đặc điểm vi mô của noãn mà mắt người khó phân biệt, chẳng hạn như phân bố hạt trong bào tương, mức độ không đồng nhất hay các dấu hiệu thoái hóa sớm. Một số mô hình đã chứng minh khả năng phân loại noãn MII có tiềm năng thụ tinh cao với độ chính xác vượt trội so với đánh giá thủ công.
Trong khâu lựa chọn tinh trùng thách thức càng rõ rệt hơn khi ICSI đòi hỏi lựa chọn một tinh trùng duy nhất để tiêm vào bào tương noãn. Thông thường, các chuyên viên phôi học chọn tinh trùng dựa trên hình thái và độ di động, nhưng điều này không phản ánh đầy đủ tình trạng DNA hay chức năng ti thể. AI đã được áp dụng để phân tích video chuyển động tinh trùng, đo lường hàng loạt thông số động học (khoảng 200–300 đặc trưng), từ đó xây dựng mô hình lựa chọn tinh trùng có DNA nguyên vẹn hoặc ít phân mảnh hơn. Bằng cách này, AI có thể góp phần giảm tỷ lệ thụ tinh thất bại, thoái hóa noãn sau ICSI hoặc phôi ngừng phát triển sớm.
Tiếp đến, một trong những ứng dụng nổi bật và được quan tâm nhiều nhất là đánh giá và phân loại phôi. Truyền thống, chuyên viên phôi học dựa vào hình thái tĩnh ở ngày 2, ngày 3 hoặc ngày 5 để chọn phôi chuyển. Gần đây, hệ thống nuôi cấy time-lapse cho phép theo dõi động học phân chia tế bào liên tục, cung cấp lượng dữ liệu khổng lồ nhưng khó khai thác hết bằng mắt thường. AI, đặc biệt là deep learning, có khả năng xử lý hàng nghìn hình ảnh hoặc chuỗi video để nhận diện các đặc trưng vi mô và động học bất thường, từ đó dự đoán chính xác hơn tiềm năng làm tổ. Một số nghiên cứu đã cho thấy độ chính xác của mô hình AI trong phân loại phôi ngang bằng hoặc vượt chuyên viên phôi học giàu kinh nghiệm. Thậm chí, một số hệ thống thương mại (như Life Whisperer, iDAScore, ERICA) đã được triển khai thử nghiệm lâm sàng và chứng minh khả năng dự đoán tỉ lệ có thai lâm sàng (clinical pregnancy rate, CPR) ở mức khả quan.
Không chỉ dừng lại ở mức phôi, AI còn được ứng dụng trong dự đoán kết quả toàn bộ chu kỳ IVF. Ở đây, mô hình AI kết hợp nhiều nguồn dữ liệu: đặc điểm lâm sàng của bệnh nhân (tuổi, chỉ số BMI, AMH, FSH cơ bản, thời gian vô sinh, nguyên nhân vô sinh), dữ liệu siêu âm (số nang noãn, độ dày nội mạc tử cung), dữ liệu labo (số noãn thu được, tỉ lệ thụ tinh, chất lượng phôi) và thậm chí dữ liệu di truyền từ xét nghiệm PGT. Khi xử lý dữ liệu đa nguồn này, AI có thể dự đoán xác suất có thai lâm sàng, thai diễn tiến hoặc sinh con sống. Một số mô hình báo cáo diện tích dưới đường cong ROC (AUC) đạt trên 0,85 – một con số ấn tượng so với các mô hình dự đoán truyền thống. Điều này mở ra tiềm năng cá nhân hóa điều trị, giúp bệnh nhân có cái nhìn thực tế hơn về cơ hội thành công và hỗ trợ bác sĩ điều chỉnh chiến lược cho phù hợp.
Ngoài ra, AI cũng có vai trò trong quản lý điều trị và hỗ trợ quyết định lâm sàng. Ví dụ, trong kích thích buồng trứng, AI có thể phân tích dữ liệu đáp ứng của hàng nghìn bệnh nhân trước đó để đề xuất liều gonadotropin khởi đầu tối ưu hoặc dự báo nguy cơ quá kích buồng trứng (OHSS). Trong khâu chuẩn bị chuyển phôi, AI có thể gợi ý thời điểm chuyển phôi lý tưởng dựa trên độ dày và hình thái nội mạc tử cung kết hợp với hồ sơ phôi học. Như vậy, AI không chỉ là công cụ đánh giá labo mà còn có tiềm năng bao trùm toàn bộ quy trình IVF.
Tuy nhiên, bài báo cũng phân tích thẳng thắn những thách thức và hạn chế. Thứ nhất là tính khái quát hóa kém: hầu hết mô hình AI được huấn luyện từ dữ liệu nội bộ một trung tâm, dẫn đến nguy cơ khi áp dụng cho trung tâm khác với quy trình, thiết bị và đặc điểm dân số khác thì độ chính xác giảm mạnh. Thứ hai là vấn đề tính giải thích, các mô hình deep learning thường là “hộp đen”, đưa ra kết quả nhưng khó giải thích cơ sở, khiến bác sĩ và bệnh nhân khó đặt niềm tin. Thứ ba là thiếu dữ liệu chuẩn hóa và chia sẻ: nhiều trung tâm IVF có số lượng bệnh nhân hạn chế, lại ít chia sẻ dữ liệu vì lo ngại quyền riêng tư và thương mại, dẫn tới các bộ dữ liệu nhỏ và phân mảnh, khó huấn luyện mô hình mạnh. Thứ tư, bằng chứng lâm sàng hiện nay còn thiếu các thử nghiệm ngẫu nhiên đối chứng quy mô lớn, nên chưa thể khẳng định chắc chắn rằng AI cải thiện tỷ lệ sinh con sống so với phương pháp truyền thống. Ngoài ra, các vấn đề đạo đức, pháp lý và quyền riêng tư cũng được nhấn mạnh: dữ liệu IVF có tính nhạy cảm cao, liên quan đến sức khỏe sinh sản và di truyền, nếu không có khung pháp lý bảo vệ có thể dẫn tới nguy cơ lạm dụng, thiên lệch thuật toán hoặc bất công bằng trong tiếp cận công nghệ.
Kết luận của bài báo cho thấy trí tuệ nhân tạo chắc chắn mang lại tiềm năng to lớn trong việc nâng cao hiệu quả điều trị IVF, giúp giảm sự phụ thuộc vào yếu tố chủ quan, chuẩn hóa quy trình labo và hướng tới cá nhân hóa. Tuy nhiên, AI không thể thay thế con người, mà chỉ nên đóng vai trò như một công cụ hỗ trợ quyết định. Trong tương lai, cần thêm nhiều nghiên cứu đa trung tâm với dữ liệu lớn, minh bạch, kết hợp cùng các thuật toán AI có khả năng giải thích tốt hơn. Đồng thời, việc xây dựng khung pháp lý, đạo đức và chính sách chia sẻ dữ liệu an toàn là điều kiện tiên quyết để AI có thể tích hợp bền vững vào thực hành IVF. Với những bước tiến này, AI hứa hẹn sẽ trở thành “trợ lý số” đáng tin cậy cho các bác sĩ và nhà phôi học, góp phần giúp ngày càng nhiều cặp vợ chồng vô sinh có cơ hội đón con thành công.

Nguồn: Akash More, Vilas Chimurkar , Sanket Mahajan, Sudhanshu Dakre , Namrata Anjankar , Deepali More , 2025. The Integration of Artificial Intelligence in In Vitro Fertilization: A Comprehensive Narrative Review.