Nghiên cứu của OUCRU phát triển công cụ chẩn đoán mới cho lao màng não ở người lớn

Bệnh lao phổi do vi khuẩn Mycobacterium tuberculosis (Mtb) xâm nhập cấu trúc màng não gây ra, là dạng biến chứng nguy hiểm nhất của bệnh lao. Lao màng não tác động đến các lớp màng bảo vệ não và tủy sống. Nếu không được can thiệp kịp thời, bệnh thường dẫn đến cái chết.

Chẩn đoán lao màng não sớm và chính xác là cực kỳ cấp thiết. Tuy nhiên, quá trình này đầy rẫy khó khăn do thiếu phương pháp xét nghiệm chuẩn mực, nhanh chóng và chính xác. Trước đây, việc chẩn đoán lao màng não phụ thuộc nhiều vào kinh nghiệm và nhận định chủ quan của bác sĩ. Nghiên cứu mới của OUCRU đã đưa ra phương pháp chẩn đoán cải tiến giúp bác sĩ có thể phát hiện lao màng não sớm, có thể ngay từ khi bệnh nhân được nhập viện.

Chẩn đoán lao màng não

Nghiên cứu được thực hiện bởi Tiến sĩ Đồng Hữu Khánh Trình, Phó Giáo sư Ronald Geskus và cộng sự, đã phân tích dữ liệu từ 659 bệnh nhân từ 16 tuổi trở lên bị nghi ngờ nhiễm trùng não nhập viện tại Bệnh việnBệnh Nhiệt đới Thành phố Hồ Chí Minh. Nhóm nghiên cứu đã xây dựng công cụ dựa trên mô hình lớp tiềm ẩn, sử dụng các dữ liệu lâm sàng, sinh hóa và huyết học ban đầu để đánh giá khả năng bệnh nhân có thể mắc lao màng não trước cả khi có kết quả xét nghiệm Mtb.

Các dự đoán của mô hình đã được kiểm chứng mù với chẩn đoán thực tế của từng bệnh nhân, và qua đánh giá độc lập của các chuyên gia tại Bệnh viện Bệnh Nhiệt đới (vào thời điểm bệnh nhân qua đời hoặc được xuất viện). Kết quả cho thấy mô hình có độ chính xác cao (với Diện tích dưới đường cong tới 94%). Mô hình này có nhiều triển vọng, đặc biệt là ở những khu vực thiếu nguồn lực như Việt Nam, nơi khan hiếm các phương pháp xét nghiệm chẩn đoán tiên tiến.

Phân tích Bayes là má»™t công cụ thống kê có thể cung cấp cái nhìn rõ ràng hÆ¡n trong những tình huống mà các phép Ä‘o vẫn còn mÆ¡ hồ và thiếu chính xác, ví dụ nhÆ° chẩn Ä‘oán lao màng não. PhÆ°Æ¡ng pháp suy luận tinh vi này dá»±a trên việc tổng hợp các thông tin gián tiếp – bao gồm triệu chứng và kết quả xét nghiệm – để kết luận về bệnh lý cụ thể.

Cách tiếp cận này cho phép các bác sĩ đưa ra quyết định sáng suốt hơn về chẩn đoán và điều trị, ngay cả khi không có kết quả xét nghiệm trực tiếp hoặc rõ ràng. Đây là phương pháp liên kết các dữ liệu riêng lẻ thành một hình ảnh tổng thể, rõ ràng hơn về tình trạng sức khỏe của bệnh nhân, thông qua việc sử dụng kết hợp thông tin thực tế và kiến thức đã tích lũy từ kinh nghiệm trước đó.

Áp dụng trong thực hành lâm sàng

Nghiên cứu đã phát hiện ra rằng các yếu tố như nhiễm HIV, bệnh lao ngoài phổi, thời gian xuất hiện triệu chứng kéo dài, cùng với sự tăng số lượng tế bào lympho trong dịch não tủy, đều là những chỉ báo làm tăng nguy cơ mắc bệnh lao màng não. Ngoài ra, nghiên cứu còn chỉ ra rằng bệnh nhân mắc lao màng não đồng thời nhiễm HIV thường có số lượng tế bào lympho trong dịch não tủy (CSF) giảm và nồng độ protein CSF cao hơn, điều này liên quan đến mức độ nhiễm mycobacteria trong cơ thể cao hơn.

Mô hình chẩn đoán này cũng được đơn giản hóa bằng cách sử dụng bảng tính điểm thủ công dựa trên thông tin lâm sàng và hình ảnh chụp X-quang ngực để tiến hành sàng lọc sớm. Phương pháp này có thể rất hữu dụng tại các khu vực không có khả năng tiến hành phân tích dịch não tủy một cách toàn diện.

Cả hai mô hình chẩn đoán đều có sẵn dưới hình thức ứng dụng web tiên tiến, giúp đưa công cụ mới này đến tay các y bác sĩ lâm sàng ở mọi nơi trên thế giới. Ứng dụng web này không chỉ dễ sử dụng mà còn tương thích với nhiều loại thiết bị, đảm bảo rằng các bác sĩ có thể áp dụng công cụ này một cách hiệu quả trong việc chẩn đoán lao màng não, từ đó tăng tốc độ xử lý và cải thiện khả năng phục hồi của bệnh nhân.

Tiến sÄ© Đồng Hữu Khánh Trình, tác giả thứ nhất của nghiên cứu, nhấn mạnh về tiềm năng của mô hình này: “Công cụ chẩn Ä‘oán này có tiềm năng trở thành trợ lý đắc lá»±c cho các bác sÄ© lâm sàng. Việc chẩn Ä‘oán nhanh chóng và chính xác bệnh đảm bảo việc tiến hành Ä‘iều trị đúng đắn và kịp thời, và đây có thể là chìa khóa cứu sống cho bệnh nhân.”

Để đọc toàn bộ nghiên cứu, truy cập: A novel diagnostic model for tuberculous meningitis using Bayesian latent class analysis

Nghiên cứu được tài trợ bởi quỹ Wellcome.