Chuyển đổi số tế bào học là gì và vì sao chuyển đổi số là xu hướng của tế bào học hiện đại? Cervical cancer vẫn là một thách thức y tế công cộng lớn tại Việt Nam, phản ánh những hạn chế trong độ bao phủ và hiệu quả của các chương trình sàng lọc sớm. Trong khi đó, quy trình tế bào học thủ công hiện nay chịu ảnh hưởng lớn từ độ nhạy, tính chủ quan của người đọc, thị giác và hạn chế về lưu trữ mẫu tiêu bản và rào cản trong hội chuẩn.
Bên cạnh áp lực bệnh tật là khủng hoảng nhân lực giải phẫu bệnh, sự thiếu hụt và phân bố không đồng đều của chuyên gia khiến thời gian trả kết quả kéo dài, ảnh hưởng trực tiếp đến hiệu quả điều trị. Các yếu tố bất cập về quy trình kỹ thuật, hạ tầng lưu trữ và nguồn nhân lực cho thấy phương thức chẩn đoán truyền thống còn rất nhiều hạn chế, đặt ra yêu cầu về việc tích hợp các giải pháp chuyển đổi số nhằm chuẩn hóa quy trình, tối ưu hóa năng suất chẩn đoán và giải phóng nguồn lực y tế.
1. Chuyển đổi số trong tế bào học là gì?
1.1. Từ kính hiển vi quang học đến giải phẫu bệnh kỹ thuật số (Digital Pathology)
Trước đây, “số hóa” trong giải phẫu bệnh thường chỉ dừng lại ở việc gắn camera lên kính hiển vi để chụp các vùng quan tâm. Phương pháp này thiếu tính toàn diện và phụ thuộc nhiều vào người chụp.
Giải phẫu bệnh kỹ thuật số hiện đại dựa trên công nghệ Quét tiêu bản toàn bộ (Whole Slide Imaging – WSI). Đây là quá trình sử dụng các máy quét tự động (Scanner) để số hóa toàn bộ diện tích của lam kính ở độ phân giải cao (thường là 0.25 µm/pixel ở độ phóng đại 40x), tạo ra một tệp tin hình ảnh (Virtual Slide) mô phỏng chính xác tiêu bản vật lý.
Sự chuyển dịch này thay đổi hoàn toàn quy trình làm việc (workflow):
- Quy trình cũ (Analogue): Lam kính -> Kính hiển vi -> Quan sát bằng mắt -> Chẩn đoán.
- Quy trình mới (Digital): Lam kính -> Scanner -> Màn hình máy tính/Cloud -> AI hỗ trợ -> Mắt người -> Chẩn đoán.
1.2. Khác biệt cốt lõi giữa Mô học và Tế bào học
- Mô bệnh học (Histology): Tiêu bản là các lát cắt mô mỏng (3-5 µm), có cấu trúc tương đối phẳng. Máy quét chỉ cần lấy nét trên một mặt phẳng tiêu điểm là có thể thu được hình ảnh rõ nét.
- Tế bào học (Cytology): Đây là thách thức lớn nhất. Các mẫu phết tế bào (như Pap smear, FNA) có độ dày không đồng nhất. Các tế bào thường nằm chồng chất lên nhau, tạo thành các cụm tế bào với cấu trúc không gian 3 chiều. Nếu máy quét chỉ lấy nét ở một mặt phẳng, các tế bào nằm cao hơn hoặc thấp hơn sẽ bị mờ, dẫn đến việc mất thông tin chẩn đoán quan trọng, đặc biệt là các đặc điểm nhân tế bào dùng để phân loại ung thư.
Do đó, để số hóa thành công tế bào học, bắt buộc phải sử dụng công nghệ Z-stacking (Quét đa lớp).
1.3. Công nghệ Z-stacking – Chìa khóa của Tế bào học số
Z-stacking hoạt động bằng cách quét tiêu bản ở nhiều tiêu cự khác nhau theo trục dọc (trục Z). Máy sẽ chụp một loạt ảnh tại các độ sâu khác nhau (ví dụ: 5, 7, hoặc 11 lớp), mỗi lớp cách nhau khoảng 1µm.
Khi xem trên máy tính, bác sĩ có thể sử dụng chuột để di chuyển tiêu điểm lên xuống để nhìn rõ từng lớp tế bào, tương tự như thao tác trên kính hiển vi thật. Tuy nhiên, công nghệ này đi kèm với thách thức về kỹ thuật cần giải quyết:
- Thời gian quét: Quét nhiều lớp tốn thời gian hơn gấp nhiều lần so với quét đơn lớp, làm giảm công suất phòng lab.
- Dung lượng lưu trữ: Một file ảnh WSI đơn lớp đã có dung lượng từ 1-2 GB. Nếu quét Z-stack 10 lớp, dung lượng sẽ tăng lên 10-20 GB cho mỗi tiêu bản. Điều này tạo ra gánh nặng khổng lồ về chi phí lưu trữ và băng thông truyền tải.
Giải pháp công nghệ tiên tiến như Extended Depth of Field (EDF) hoặc các thuật toán nén thông minh, cho phép gộp các điểm ảnh rõ nét nhất từ các lớp Z-stack khác nhau thành một hình ảnh phẳng duy nhất có độ nét sâu (high depth of field), giảm dung lượng file mà vẫn giữ được thông tin chẩn đoán.
2. Lợi ích của hình ảnh số trong tế bào học
Việc triển khai hệ thống máy quét tiêu bản kỹ thuật số không chỉ đơn thuần là sự nâng cấp về công nghệ, mà là chiến lược quản trị y tế toàn diện. Digital cytology giúp:
- Nâng cao độ chính xác chẩn đoán
- Hỗ trợ hội chẩn từ xa (telepathology)
- Giảm chi phí vận chuyển và lưu trữ tiêu bản
- Tăng năng suất lao động và rút ngắn thời gian trả kết quả
Đây chính là nền tảng vững chắc để xây dựng mô hình mạng lưới chẩn đoán tập trung, tối ưu hóa nguồn lực y tế khan hiếm hiện nay.
3. Những rào cản khi các cơ sở y tế tiếp cận chuyển đổi số trong tế bào học
Mặc dù chuyển đổi số trong tế bào học mang lại nhiều lợi ích rõ rệt về chất lượng chẩn đoán và hiệu quả vận hành, quá trình triển khai thực tế tại các cơ sở y tế vẫn gặp phải nhiều rào cản đáng kể.
- Chi phí đầu tư ban đầu cao: Máy quét tiêu bản, hạ tầng lưu trữ và chi phí vận hành khiến nhiều cơ sở y tế e ngại triển khai.
- Hạ tầng CNTT chưa sẵn sàng: WSI và Z-stacking tạo ra dữ liệu dung lượng lớn, yêu cầu băng thông ổn định và hệ thống lưu trữ phù hợp.
- Khó tích hợp với quy trình hiện có: Một số hệ thống số hóa thiếu tính linh hoạt, khó tương thích với HIS/LIS đang sử dụng tại Việt Nam.
- Thay đổi thói quen chuyên môn: Bác sĩ và kỹ thuật viên cần thời gian làm quen và xây dựng niềm tin vào hình ảnh số thay cho kính hiển vi truyền thống.
4. ABT đồng hành cùng chuyển đổi số trong tế bào học
ABT đóng vai trò cầu nối giữa sinh học phân tử và tế bào học số, góp phần xây dựng các mô hình tiếp cận toàn diện trong tầm soát xét nghiệm. Sự kết hợp giữa xét nghiệm HPV và chẩn đoán hình ảnh tế bào học số không chỉ nâng cao độ chính xác mà còn hỗ trợ các cơ sở y tế chuẩn hóa quy trình sàng lọc theo hướng hiện đại.
- Giải pháp phù hợp điều kiện Việt Nam: Tối ưu giữa chất lượng hình ảnh, dung lượng dữ liệu, chi phí đầu tư và hỗ trợ kỹ thuật 24/7.
- Dễ triển khai – dễ vận hành: Thiết kế hướng đến workflow thực tế của phòng xét nghiệm, không làm gián đoạn quy trình hiện hữu, dễ dàng sử dụng.
- Khả năng tích hợp hệ thống linh hoạt, hỗ trợ từng bước chuyển đổi sang môi trường số.
- Tiếp cận toàn diện trong tầm soát ung thư: Kết nối sinh học phân tử với tế bào học số, hướng đến chuẩn hóa và nâng cao hiệu quả sàng lọc trọn bộ giải pháp.
5. Tài liệu tham khảo
- Bộ Y tế, “Quyết định số 3792/QĐ-BYT về việc ban hành Hướng dẫn Dự phòng và kiểm soát ung thư cổ tử cung,” 2024.
- Sở Y tế TP.HCM, “Kiến nghị các giải pháp trước nguy cơ thiếu hụt nhân lực điều dưỡng tại các bệnh viện công lập,” Cổng thông tin điện tử Sở Y tế TP.HCM, 2022.
- The Royal College of Pathologists, “Best practice recommendations for implementing digital pathology,” 2018.
- Digital Pathology Association, “PathVisions 2019: Expansion of Whole-Slide Imaging into Cytology Becoming More of a Reality,” 2019.
- PreciPoint, “What Is Z-stacking Technique in Digital Pathology?
- K. Basak, K. B. Ozyoruk, and D. Demir, “Whole Slide Images in Artificial Intelligence Applications in Digital Pathology: Challenges and Pitfalls,” Turkish Journal of Pathology, vol. 39, no. 2, pp. 101–108, 2023.
- M. G. Hanna et al., “Evaluating the role of Z-stack to improve the morphologic evaluation of urine cytology whole slide images for high-grade urothelial carcinoma: Results and review of a pilot study,” J. Pathol. Inform., vol. 13, p. 100005, 2022.
- Sectra Medical, “Guidance on how to create a business case for digital pathology,”.
- Bộ Y tế, “Thông tư số 43/2013/TT-BYT quy định chi tiết phân tuyến chuyên môn kỹ thuật đối với hệ thống cơ sở khám bệnh, chữa bệnh,” Cổng Thông tin điện tử Chính phủ, 2013.
- T. Wamala, P. Katongole, and S. Nambooze, “Digital Pathology – Implementation Challenges in Low-Resource Countries,” Ann. Glob. Health, vol. 81, no. 1, p. 139, 2015.
- F. O’Sullivan et al., “Understanding the financial aspects of digital pathology: A dynamic customizable return on investment calculator for informed decision-making,” J. Pathol. Inform., vol. 15, p. 100365, 2024.
- Hamamatsu Photonics, “Whole Slide Imaging – WSI,”.
