Chatbot NTTU

Ứng dụng trí tuệ nhân tạo (AI) kết hợp với dấu ấn sinh học giúp theo dõi và điều trị tổn thương thận cấp trong y học cá thể

NTTU – Tổn thương thận cấp là tình trạng nguy hiểm, đòi hỏi được phát hiện và can thiệp kịp thời để hạn chế nguy cơ biến chứng. Tuy nhiên, các phương pháp chẩn đoán truyền thống vẫn còn những giới hạn trong nhận diện sớm tổn thương. Sự kết hợp giữa trí tuệ nhân tạo (AI) và các dấu ấn sinh học thế hệ mới như NGAL, KIM-1, TIMP-2 và IGFBP7 đang mở ra hướng tiếp cận tiềm năng, hỗ trợ theo dõi diễn tiến bệnh và cá nhân hóa chiến lược điều trị cho từng bệnh nhân.

Giới hạn của y học trong việc áp dụng một phác đồ “dùng chung cho tất cả”

Tổn thương thận cấp (Acute Kidney Injury – AKI) là một hội chứng lâm sàng phức tạp, đặc trưng bởi sự suy giảm nhanh chóng chức năng thận trong vài giờ đến vài ngày. Trước đó, tiêu chuẩn vàng để chẩn đoán tổn thương thận cấp trong lâm sàng chủ yếu là xét nghiệm creatinin huyết thanh và lượng nước tiểu. Tuy nhiên, creatinin chỉ tăng rõ rệt khi chức năng lọc cầu thận đã suy giảm trên 50%, tương ứng với 24–48 giờ sau khi chịu tác động của tổn thương.

Xét nghiệm creatinin huyết thanh dễ bị ảnh hưởng bởi khối lượng cơ, độ tuổi hay giới tính, cũng như tình trạng cân bằng nước trong cơ thể. Quan trọng hơn, các chỉ số này chỉ phản ánh sự suy giảm chức năng ở giai đoạn muộn thay vì tổn thương cấu trúc ở cấp độ tế bào. Hiện nay, việc áp dụng phác đồ điều trị chung cho mọi bệnh nhân khi xét nghiệm nồng độ creatinin huyết thanh tăng thường dẫn đến việc bỏ lỡ “thời điểm vàng”, dẫn đến tăng nguy cơ biến chứng thành bệnh thận mạn tính và tử vong [1].

suy thận

Hình ảnh so sánh thận bình thường và thận bị tổn thương do suy thận, những tổn thương tại màng lọc có thể khiến albumin rò rỉ vào nước tiểu, đồng thời xuất hiện những biến đổi trong cấu trúc mô thận

Cơ chế phân tử và vai trò của các dấu ấn sinh học thế hệ mới

Để khắc phục khoảng trống lâm sàng như trên, các dấu ấn sinh học thế hệ mới được nghiên cứu nhằm phát hiện trực tiếp tình trạng tổn thương cấu trúc tế bào ống thận ở cấp độ phân tử:

  • Neutrophil Gelatinase-Associated Lipocalin (NGAL): được ví như “Troponin của thận”, NGAL là một glycoprotein thuộc họ lipocalin. Ở điều kiện sinh lý bình thường, NGAL biểu hiện ở mức rất thấp. Khi tế bào ống thận bị thiếu máu cục bộ hoặc chịu tác động của độc chất, NGAL được tổng hợp và giải phóng vào máu, nước tiểu chỉ sau 2–4 giờ. NGAL giúp tiên lượng sớm nguy cơ tổn thương thận cấp ở bệnh nhân phẫu thuật tim hoặc đang nằm điều trị tại khoa Hồi sức tích cực [1].
  • Kidney Injury Molecule-1 (KIM-1): là một glycoprotein xuyên màng loại 1, hầu như không hiện diện ở người bình thường với chức năng thận tốt. Khi tế bào ở ống lượn gần của thận bị tổn thương, phần ngoại bào của KIM-1 bị cắt bởi enzyme metalloproteinase và được phóng thích vào nước tiểu. Nồng độ KIM-1 tăng mạnh có tương quan trực tiếp với mức độ hủy hoại cấu trúc vi nhung mao của ống thận [2].
  • Tissue Inhibitor of Metalloproteinases-2 (TIMP-2) và Insulin-like Growth Factor-Binding Protein 7 (IGFBP7) là hai chỉ dấu phản ánh tình trạng tế bào ngừng chu kỳ ở giai đoạn G1. Sự gia tăng của bộ đôi này báo hiệu tế bào ống thận đang rơi vào trạng thái stress cực độ trước khi xảy ra tổn thương cấu trúc thực sự [3].

Hoạt tính của KIM-1 được bảo tồn trong thận bị tổn thương nhờ sự ức chế quá trình giải phóng KIM-1

Thách thức tương lai: Trí tuệ nhân tạo (AI) cá nhân hóa trong theo dõi và điều trị

Sự kết hợp giữa trí tuệ nhân tạo (AI) và công nghệ theo dõi chỉ số sinh học thời gian thực (Real-time Biomarker Monitoring) đang mở ra một cuộc cách mạng mới, giúp xây dựng phác đồ điều trị riêng biệt cho từng bệnh nhân [4].

Dự báo dòng dữ liệu liên tục (Dynamic Predictive Modeling): Thay vì chỉ đánh giá dữ liệu tĩnh tại một thời điểm, các thuật toán AI (như XGBoost, Deep Learning) liên tục tổng hợp chỉ số NGAL/KIM-1 theo chuỗi thời gian cùng các thông số sinh hiệu, điện giải và áp lực lọc. Mô hình này giúp phát hiện xu hướng suy thoái nhu mô thận trước khi lâm sàng xuất hiện triệu chứng [5].

Phân tầng nguy cơ và cá nhân hóa phác đồ (Precision Treatment): AI hỗ trợ bác sĩ xây dựng “hồ sơ dấu ấn sinh học” cho từng cá thể. Dựa vào đó, hệ thống đưa ra khuyến cáo tối ưu hóa dòng dịch truyền, tự động tính toán liều lượng thuốc tránh gây độc cho thận (như điều chỉnh kháng sinh, thuốc trợ tim), và xác định thời điểm chính xác cần can thiệp lọc máu liên tục [6].

Đánh giá đáp ứng điều trị theo thời gian thực (Real-time Biomarker Monitoring): Trí tuệ nhân tạo (AI) theo dõi tốc độ suy giảm của NGAL hay KIM-1 sau can thiệp để đánh giá mức độ phục hồi của ống thận, giúp bác sĩ điều chỉnh phác đồ kịp thời thay vì phải chờ đợi sự gia tăng nồng độ creatinin huyết tương [1].

Sự kết hợp giữa dấu ấn sinh học tổn thương tế bào và trí tuệ nhân tạo cá nhân hóa chính là chìa khóa chuyển dịch nền y học từ phản ứng thụ động (Chẩn đoán & Điều trị) sang chủ động bảo vệ (Dự báo & Can thiệp sớm), mở ra kỷ nguyên y học cá thể hoá cho bệnh nhân suy thận cấp.

Trí tuệ nhân tạo (AI) mở ra hướng tiếp cận mới trong chẩn đoán và theo dõi các bệnh lý về thận

Tài liệu tham khảo

  1. Koozi, H., Engström, J., Friberg, H., & Frigyesi, A. (2025). Explainable AI identifies key biomarkers for acute kidney injury prediction in the ICU. Intensive care medicine experimental, 13(1), 106. https://doi.org/10.1186/s40635-025-00816-x
  2. Al-Bataineh, M. M., Kinlough, C. L., Mi, Z., Jackson, E. K., Mutchler, S. M., Emlet, D. R., Kellum, J. A., & Hughey, R. P. (2021). KIM-1-mediated anti-inflammatory activity is preserved by MUC1 induction in the proximal tubule during ischemia-reperfusion injury. American journal of physiology. Renal physiology, 321(2), F135–F148. https://doi.org/10.1152/ajprenal.00127.2021
  3. Mello, M. F., de Bessa, J., Júnior, Reis, S. T., Kondo, E. Y., Yu, L., Dénes, F. T., & Lopes, R. I. (2022). Evaluating TIMP-2 and IGFBP-7 as a predictive tool for kidney injury in ureteropelvic junction obstruction. International braz j urol : official journal of the Brazilian Society of Urology, 48(2), 284–293. https://doi.org/10.1590/S1677-5538.IBJU.2021.0340
  4. AITRICS. (2026, July 28). AITRICS research on AI prediction of acute kidney injury published in npj Digital Medicine. https://aitrics.com/en/sub/media/news.php?mode=view&bid=15&idx=2140
  5. Shi, J., Han, H., Chen, S., Liu, W., & Li, Y. (2024). Machine learning for prediction of acute kidney injury in patients diagnosed with sepsis in critical care. PloS one, 19(4), e0301014. https://doi.org/10.1371/journal.pone.0301014
  6. Joannidis, M., Druml, W., Forni, L. G., Groeneveld, A. B. J., Honore, P. M., Hoste, E., Ostermann, M., Oudemans-van Straaten, H. M., & Schetz, M. (2017). Prevention of acute kidney injury and protection of renal function in the intensive care unit: update 2017 : Expert opinion of the Working Group on Prevention, AKI section, European Society of Intensive Care Medicine. Intensive care medicine, 43(6), 730–749. https://doi.org/10.1007/s00134-017-4832-y

 

ThS. Nguyễn Thị Mỹ Hiền – K. KTXNYH (tổng hợp)

Tin tức khácXem thêm