Integrating AI Segmentation, Simulated Digital Twins, and Extended Reality into Medical Education: A Narrative Technical Review and Proof-of-Concept Case Study. Journal of Personalized Medicine, 16(4), 202.
https://doi.org/10.3390/jpm16040202Từ dữ liệu hình ảnh đến bản sao số
Chẩn đoán hình ảnh y khoa từ lâu bị giới hạn ở các lát cắt hai chiều. CT và MRI cung cấp dữ liệu rất chi tiết, nhưng việc diễn giải đòi hỏi kinh nghiệm, thời gian và khả năng tái tạo không gian trong đầu của bác sĩ phẫu thuật. Những tiến bộ gần đây trong AI đang thay đổi căn bản quy trình này.
Phân đoạn bằng AI giúp giảm đáng kể thời gian chuẩn bị dữ liệu hình ảnh. Những gì trước đây cần xử lý thủ công phức tạp giờ đây có thể được tạo tự động. Các cấu trúc giải phẫu như cơ quan, mạch máu và vùng quan tâm được xác định và tách trực tiếp từ dữ liệu CT và MRI chỉ trong vài giây, tạo ra dữ liệu có cấu trúc và sẵn sàng sử dụng mà không cần thao tác thủ công.
Hiển thị một ví dụ từ bài học đã ghi lại, trong đó người học đứng trong tầm nhìn trực tiếp của giảng viên và quan sát mô hình cong vẹo cột sống được dựng 3D cùng với hình ảnh giải phẫu cong vẹo cột sống trên X-quang đặt cạnh nhau. Các bàn tay màu tím trong hình đại diện cho giảng viên đã ghi hình đang vẽ lên nội dung số trong khi bài học được phát.
Các bộ dữ liệu đã được phân đoạn này tạo nền tảng cho các bản sao số, tức là các mô hình 3D dành riêng cho từng bệnh nhân đại diện cho giải phẫu thực tế. Thay vì phải diễn giải từng lát cắt riêng lẻ, các chuyên gia y tế và sinh viên có thể tương tác với toàn bộ cấu trúc giải phẫu trong không gian, giúp cải thiện nhận thức không gian và giảm tải nhận thức.
Khi phân đoạn bằng AI tự động hóa việc tạo mô hình, việc tạo bản sao số trở nên có thể mở rộng, cho phép áp dụng rộng rãi hơn trong các chương trình giáo dục và tổ chức.
Cải thiện sự hiểu biết và giao tiếp
Bản sao số thay đổi căn bản cách dữ liệu y khoa được sử dụng và chia sẻ. Các mối quan hệ giải phẫu phức tạp trở nên trực quan, và các bệnh lý có thể được tách riêng và khám phá trong toàn bộ bối cảnh không gian của chúng.
Thay vì mô tả kết quả bằng lời nói hoặc dựa vào biểu diễn 2D, bác sĩ và sinh viên có thể cùng xem xét một bộ dữ liệu trong môi trường nhập vai chung. Nhiều người dùng có thể truy cập và tương tác với mô hình theo thời gian thực, mỗi người từ góc nhìn riêng, giúp tăng cường hợp tác và đồng bộ giữa các chuyên ngành.
Tạo nội dung không gian bốn chiều
Trong trường hợp này, giảng viên đã sử dụng bộ công cụ RecordXR của Medicalholodeck để ghi lại một buổi học có hướng dẫn trong môi trường VR. Buổi học bao gồm xác định mốc giải phẫu cột sống, kỹ thuật tiếp cận thần kinh trục và chú thích 3D giải phẫu bệnh lý ở bệnh nhân bị cong vẹo cột sống nặng.
Không giống như hướng dẫn video 2D truyền thống, mô-đun dựa trên XR này giữ nguyên tư duy không gian và hướng dẫn chuyên môn trực tiếp trong bối cảnh giải phẫu. Các giải thích, cử chỉ và tương tác của giảng viên vẫn gắn liền với dữ liệu 3D, tạo ra trải nghiệm học tập trực quan và hấp dẫn hơn.
Người học có thể xem lại phiên học bất cứ lúc nào, phát lại các bước cụ thể hoặc tương tác trực tiếp với mô hình để củng cố hiểu biết. Việc ghi lại nội dung trong VR cho phép giảng viên xây dựng các thư viện có cấu trúc gồm ca bệnh, mô phỏng và tài liệu giảng dạy, có thể truy cập, lặp lại và mở rộng.
Cách tiếp cận này không chỉ bảo tồn thông tin hình ảnh mà còn cả tư duy chuyên môn, giúp kiến thức quy trình phức tạp có thể tái tạo và tiếp cận rộng rãi.
Hiển thị rằng người học có thể xem bài học RXR từ nhiều góc độ khác nhau, vượt ra ngoài góc nhìn của giảng viên tại thời điểm ghi hình. Kính và tay màu tím đại diện cho hình ảnh giảng viên được hiển thị cho người học. Giảng viên đang thể hiện độ nghiêng của các mỏm gai trên mô hình cong vẹo cột sống để cung cấp hiểu biết về giải phẫu bệnh lý.
Từ giáo dục đến ứng dụng lâm sàng
Ngoài giáo dục, các quy trình này có thể được áp dụng trực tiếp vào thực hành lâm sàng. Sự kết hợp giữa phân đoạn AI, bản sao số, ghi hình và XR cho phép lập kế hoạch trước phẫu thuật, hợp tác liên ngành và mô phỏng dành riêng cho bệnh nhân trong một môi trường thống nhất.
Sự liên tục giữa học tập và ứng dụng lâm sàng này giúp giảm độ phức tạp và hỗ trợ ra quyết định tốt hơn, thu hẹp khoảng cách giữa đào tạo và chăm sóc thực tế.
Sự chuyển đổi sang giáo dục y khoa không gian
Bằng cách chuyển đổi hình ảnh y khoa thành dữ liệu 3D có cấu trúc và phát triển chúng thành các bản sao số động, AI cho phép một hình thức học tập mới mang tính nhập vai, cá nhân hóa và gắn trực tiếp với thực hành lâm sàng.
Kết hợp với XR, cách tiếp cận này biến giáo dục thành trải nghiệm không gian tương tác, chuẩn bị cho thế hệ bác sĩ tiếp theo cho một tương lai ngày càng dựa trên dữ liệu và mô phỏng.
