CNSH. Nguyễn Thị Trang - IVFMD Tân Bình - Bệnh viện Mỹ Đức

Giới thiệu

Tình trạng vô sinh nam đang gia tăng trên toàn cầu, với số lượng tinh trùng giảm 50% trong 50 năm qua. Trong vô sinh nam, azoospermia hay vô tinh là dạng nghiêm trọng nhất ảnh hưởng đến 10–20% nam vô sinh và 1% dân số nam. Azoospermia được chia thành vô tinh do tắc (OA - Obstructive Azoospermia) và không do tắc (NOA - Non-obstructive Azoospermia). Ở nhóm bệnh nhân NOA, tinh trùng phải được thu trực tiếp từ tinh hoàn thông qua TESE (testicular sperm extraction) hoặc mTESE (microdissection testicular sperm extraction), trong đó mTESE hiện là tiêu chuẩn vàng với tỷ lệ thu hồi tinh trùng có thể đạt đến 64%. Tuy nhiên, việc tìm kiếm tinh trùng thủ công trong mẫu mô rất tốn thời gian, dễ sai sót và phụ thuộc nhiều vào kinh nghiệm của chuyên viên phôi học (CVPH). Trước thực tế đó, trí tuệ nhân tạo (AI - Artificial Intelligence) nổi lên như một hướng tiếp cận tiềm năng giúp tự động hóa và nâng cao hiệu quả nhận diện tinh trùng trong mẫu sinh thiết tinh hoàn.

AI trong phân tích tế bào học mô tinh hoàn

Nghiên cứu Hsu và cs., 2024 dùng mô hình học máy - RetinaNet để nhận diện và phân loại tế bào trên touch print smear (TPS) của mô tinh hoàn lấy từ bệnh nhân azoospermia[1]. Tổng cộng có 176 hình ảnh TPS được thu thập. Những ảnh này được gán nhãn theo các loại tế bào sertoli, tinh bào sơ cấp, tinh tử tròn, tinh tử kéo dài, tinh trùng chưa trưởng thành và trưởng thành. Tập dữ liệu gồm 118 ảnh huấn luyện, 29 ảnh kiểm định, 29 ảnh thử nghiệm. Đánh giá độ chính xác trung bình (AP hay average precision) và độ nhạy (recall).

Kết quả:

  • Trên tập kiểm định có AP và recall ở mỗi nhóm tế bào lần lượt là: 80,47% và 96,69%

  • Trên tập thử nghiệm có AP và recall lần lượt là: 79,48% và 93,63%

AI hỗ trợ phát hiện tinh trùng

Nghiên cứu của Goss và cs., 2024 huấn luyện một mô hình AI có tên là YOLOv8 có khả năng nhận diện tinh trùng trong mẫu sinh thiết tinh hoàn của bệnh nhân azoospermia [2]. Mô hình YOLOv8 có thể phát hiện tinh trùng với độ chính xác 85% và độ nhạy 78%. Cuối cùng, nhóm so sánh hiệu quả phát hiện tinh trùng của AI với CVPH  trong 2 nhóm:

  • Nhóm 1: so sánh tốc độ và độ chính xác trên 512 hình ảnh với tổng số 2660 tinh trùng

  • Nhóm 2: với sự hỗ trợ của AI, liệu CVPH có tìm được tinh trùng nhanh hơn ở điều kiện mô phỏng thực tế hay không (4 mẫu từ 4 bệnh nhân NOA)

Kết quả: 

Nhóm 1:  Khi so sánh khả năng nhận diện tinh trùng trên hình ảnh, mô hình AI thể hiện hiệu suất vượt trội so với chuyên viên phôi học:

  • Thời gian tìm tinh trùng: AI chỉ mất 0.000002 giây/trường nhìn, nhanh hơn 99,95% so với CVPH (36 giây/quang trường)

  • Độ nhạy: AI đạt 91,95%, cao hơn người (86,52%).

  • Độ chính xác: AI đạt 89,58%, thấp hơn người (98,18%) — tức là AI đôi khi báo nhầm

  • Tổng tinh trùng phát hiện: AI:1997, CVPH: 1937.

Như vậy, kết quả cho thấy mô hình AI vượt trội hơn so với CVPH  khi nhận diện tinh trùng trên hình ảnh. AI có khả năng phân tích mỗi trường nhìn nhanh hơn gần 100 lần so với con người cũng như tìm thấy nhiều tinh trùng hơn. Mặc dù độ chính xác còn thấp hơn so với CVPH nhưng điều này có thể cải thiện trong các nghiên cứu về sau.

Nhóm 2:  Khi tích hợp AI vào kính hiển vi để hỗ trợ CVPH

  • Thời gian tìm tinh trùng mỗi mẫu: rút ngắn còn ~99 giây so với ~169 giây khi không dùng AI

  • Số tinh trùng tìm thấy: tăng từ 1274 lên 1396 khi có AI hỗ trợ.

Khi AI được sử dụng như một công cụ hỗ trợ, việc tìm kiếm tinh trùng nhanh hơn đáng kể so với khi các CVPH làm việc độc lập. Cụ thể, thời gian tìm kiếm trung bình giảm gần 40%. Ngoài ra, kết quả cho thấy xu hướng tăng nhẹ số lượng tinh trùng được tìm thấy khi sử dụng AI.

Bằng chứng lâm sàng ban đầu và triển vọng tương lai

Bằng chứng lâm sàng ban đầu đã được ghi nhận khi một ca mang thai lâm sàng đầu tiên được báo cáo sau khi áp dụng hệ thống AI kết hợp vi dòng chảy (microfluidic), có tên gọi là Sperm Tracking and Recovery (STAR) để phát hiện và thu nhận tinh trùng ở bệnh nhân vô tinh không tắc nghẽn[3]. STAR là một nền tảng tích hợp giữa một con chip microfluidics, một hệ thống ghi hình tốc độ cao và một mô hình trí tuệ nhân tạo cho phép phân tích mẫu tinh dịch liên tục theo thời gian thực, với tốc độ xử lý 400 μL mỗi giờ và khả năng ghi nhận và xử lý hình ảnh lên đến 1,1 triệu hình ảnh mỗi giờ. Mô hình AI đạt hiệu suất cao với độ chính xác (precision) 0,89, độ nhạy (recall) 0,90 và điểm trung bình chính xác (mean average precision) 0,95 chứng minh độ chính xác và độ nhạy cao của hệ thống.

Ứng dụng lâm sàng đầy đủ đầu tiên của hệ thống STAR được báo cáo ở một cặp vợ chồng vô sinh kéo dài 19 năm. Người chồng bị vô tinh với teo tinh hoàn hai bên và có hai lần sinh thiết tinh hoàn nhưng chỉ thu được rất ít tinh trùng; người vợ có dự trữ buồng trứng suy giảm nghiêm trọng. Trong trường hợp này, phương pháp tìm kiếm truyền thống không phát hiện được tinh trùng, trong khi hệ thống STAR đã phân tích khoảng 2,5 triệu hình ảnh trong vòng 2 giờ và phát hiện được 7 tinh trùng, bao gồm 2 tinh trùng di động. Hai tinh trùng di động này được sử dụng cho ICSI đã tạo ra phôi và bệnh nhân được chuyển phôi ngày 3. Bệnh nhân sau đó được xác nhận có thai lâm sàng và ở tuần thai thứ 8 siêu âm cho thấy thai phát triển bình thường với nhịp tim thai 172 lần/phút.

KẾT LUẬN

Các mô hình trí tuệ nhân tạo như YOLOv8 và RetinaNet được sử dụng trong hai nghiên cứu đầu cho thấy AI có khả năng tối ưu hóa quá trình phát hiện tinh trùng trong các mẫu mô tinh hoàn, giúp giảm sai sót và rút ngắn đáng kể thời gian thao tác so với phương pháp thủ công. Theo đó, AI không nhằm thay thế hoàn toàn vai trò của chuyên viên phôi học, mà đóng vai trò như một công cụ hỗ trợ, giúp định vị nhanh các vùng nghi ngờ có tinh trùng, từ đó giảm nguy cơ bỏ sót trong quá trình làm việc. Bên cạnh đó, các công cụ AI này có tiềm năng được tích hợp trực tiếp vào quy trình micro-TESE (mTESE), cho phép báo cáo sớm sự hiện diện của tinh trùng trưởng thành, góp phần rút ngắn thời gian phẫu thuật và nâng cao hiệu quả thu nhận tinh trùng.

Đáng chú ý, nghiên cứu thứ ba cung cấp bằng chứng cho sự chuyển dịch từ tính khả thi về mặt kỹ thuật sang ứng dụng lâm sàng thực tế, khi báo cáo ca mang thai lâm sàng đầu tiên đạt được nhờ tinh trùng được phát hiện và thu nhận bằng một hệ thống tích hợp trí tuệ nhân tạo và công nghệ vi dòng chảy. Mặc dù mới chỉ là báo cáo đơn ca nhưng kết quả đã cho thấy tính khả thi và tiềm năng ứng dụng lâm sàng đáng kể của công nghệ này trong điều trị vô sinh nam nặng, đặc biệt ở các trường hợp azoospermia, nơi các phương pháp truyền thống thường mang tính xâm lấn, phụ thuộc nhiều vào kinh nghiệm người thực hiện và có tỷ lệ thành công hạn chế. Công nghệ này mở ra triển vọng vượt qua những giới hạn hiện nay của hỗ trợ sinh sản, đồng thời mang lại cơ hội làm cha mẹ cho những bệnh nhân trước đây được xem là khó hoặc không thể điều trị.

 

Tài liệu tham khảo

  1. Chen-Hao Hsu, Chun-Fu Yeh, I-Shen Huang và cộng sự. Artificial intelligence interpretation of touch print smear cytology of testicular specimen from patients with azoospermia. Journal of assisted reproduction and genetics. 2024; 41(11): 3179–3187.

  2. Goss DM, Vasilescu SA, Vasilescu PA và cộng sự. Evaluation of an artificial intelligence-facilitated sperm detection tool in azoospermic samples for use in ICSI. Reproductive biomedicine online. 2024; 9(1):103910.

  3. Suryawanshi H, Gemmell LC, Morgan S và cộng sự. First clinical pregnancy following AI-based microfluidic sperm detection and recovery in non-obstructive azoospermia. Lancet. 2025; 406(10516):2213-2214.