Công Nghệ Mới Trong Chẩn Đoán Ngưng Thở Khi Ngủ

Ngưng thở khi ngủ đang được tiếp cận theo một cách khác so với trước đây. Nếu chẩn đoán từng chủ yếu gắn với một đêm theo dõi trong phòng xét nghiệm giấc ngủ, hiện nay nhiều công nghệ mới cho phép thu thập tín hiệu hô hấp ngay tại nhà, theo dõi trong nhiều đêm và sử dụng thuật toán để xử lý lượng dữ liệu sinh lý ngày càng lớn.

Sự thay đổi này không đơn thuần là việc đưa một thiết bị nhỏ gọn về nhà. Công nghệ đang tác động đến toàn bộ quá trình: từ cách ghi nhận tín hiệu, phân tích dữ liệu, nhận diện nguy cơ cho đến cách bác sĩ theo dõi diễn tiến của người bệnh theo thời gian. Các thiết bị đeo, cảm biến đặt cạnh giường, cảm biến không tiếp xúc và trí tuệ nhân tạo đang trở thành những hướng nghiên cứu đáng chú ý trong y học giấc ngủ.

Tuy nhiên, công nghệ càng phát triển thì việc hiểu đúng giới hạn của từng phương pháp càng quan trọng. Một thiết bị có thể rất thuận tiện cho sàng lọc nhưng chưa đủ dữ liệu để thay thế một xét nghiệm chuyên sâu. Vì vậy, tương lai của chẩn đoán ngưng thở khi ngủ nhiều khả năng không phải là “công nghệ thay thế bác sĩ”, mà là công nghệ giúp bác sĩ có nhiều dữ liệu hơn và đưa ra quyết định phù hợp hơn.

Công nghệ chẩn đoán ngưng thở khi ngủ đang thay đổi như thế nào?

Từ PSG trong phòng xét nghiệm đến xét nghiệm ngưng thở khi ngủ tại nhà

Polysomnography (PSG) vẫn giữ vai trò tham chiếu quan trọng trong chẩn đoán rối loạn hô hấp khi ngủ. Một PSG đầy đủ có thể ghi nhận nhiều tín hiệu cùng lúc, bao gồm hoạt động điện não (EEG), chuyển động mắt (EOG), hoạt động cơ (EMG), luồng khí, nỗ lực hô hấp, điện tim, độ bão hòa oxy và tư thế cơ thể. Nhờ vậy, bác sĩ không chỉ biết người bệnh có những lần ngừng hoặc giảm thở mà còn có thể xác định chúng xảy ra trong bối cảnh giấc ngủ như thế nào.

Nhưng PSG tại phòng xét nghiệm có một hạn chế rõ ràng: cần cơ sở chuyên môn, nhân lực và thời gian. Trong khi đó, ngưng thở khi ngủ là một bệnh mạn tính phổ biến và nhu cầu chẩn đoán lớn. Điều này thúc đẩy sự phát triển của các phương pháp theo dõi ngoài bệnh viện.

Một hướng quan trọng là xét nghiệm ngưng thở khi ngủ tại nhà (HSAT). Với các thiết bị giới hạn kênh, người bệnh có thể được theo dõi tại nhà thay vì phải ngủ qua đêm tại phòng xét nghiệm. Điều này giúp giảm gánh nặng đi lại, mở rộng khả năng tiếp cận và phù hợp với những trường hợp có xác suất mắc ngưng thở khi ngủ từ trung bình đến cao nhưng không có bệnh lý đi kèm phức tạp.

Điểm quan trọng là không nên xem mọi xét nghiệm tại nhà như một phiên bản thu nhỏ hoàn toàn tương đương PSG.

Có thể hình dung các phương pháp theo dõi như sau:

Một khác biệt kỹ thuật rất đáng chú ý là thiết bị mức 3 không trực tiếp xác định tổng thời gian ngủ bằng EEG, EOG và EMG. Vì vậy, chỉ số hô hấp có thể được tính dựa trên thời gian ghi hoặc thời gian theo dõi thay vì chính xác số giờ ngủ thực tế; kết quả thường được biểu thị dưới dạng respiratory event index (REI) hoặc respiratory disturbance index (RDI).

Điều này giải thích tại sao cùng một người nhưng kết quả từ một thiết bị tại nhà và PSG không nhất thiết giống hệt nhau.

Dữ liệu tổng hợp trong chương về các phương pháp chẩn đoán đơn giản hóa cho thấy thiết bị mức 3 có độ nhạy và độ đặc hiệu khá biến thiên giữa các nghiên cứu. Hiệu quả thường tốt hơn ở những người có khả năng mắc OSA từ trung bình đến cao và không có bệnh lý nội khoa không ổn định. Đáng chú ý, việc bác sĩ kiểm tra, chỉnh sửa hoặc xem lại kết quả tự động có thể cải thiện độ chính xác so với chỉ sử dụng kết quả tự động của thiết bị.

Vì thế, giá trị của xét nghiệm tại nhà nằm ở việc lựa chọn đúng người bệnh và đặt kết quả vào đúng bối cảnh lâm sàng, chứ không đơn giản là chọn thiết bị có nhiều tính năng nhất.

Vì sao chẩn đoán nhiều đêm có thể trở thành bước tiến quan trọng?

Một trong những vấn đề thú vị nhất của công nghệ mới là khả năng theo dõi người bệnh không chỉ một đêm.

Mức độ ngưng thở khi ngủ không nhất thiết giống nhau trong mọi đêm. Giai đoạn ngủ, tư thế cơ thể, chất lượng giấc ngủ, tình trạng nghẹt mũi, lượng dịch thay đổi trong cơ thể, rượu bia, bệnh cấp tính, stress và một số yếu tố lối sống có thể làm biểu hiện của OSA thay đổi từ đêm này sang đêm khác.

Điều này tạo ra một vấn đề: nếu chỉ đo một đêm, kết quả có thể không phản ánh hoàn toàn kiểu biểu hiện thường gặp của một người.

Theo dõi nhiều đêm có thể giúp thu thập một tập dữ liệu rộng hơn. Thay vì đặt câu hỏi “đêm đó người bệnh có bao nhiêu sự kiện hô hấp?”, cách tiếp cận mới có thể hướng đến câu hỏi “mức độ rối loạn hô hấp của người bệnh thay đổi như thế nào trong đời sống thực tế?”.

Đây là điểm mà các thiết bị theo dõi tại nhà có lợi thế. Một thiết bị nhỏ gọn, dễ sử dụng có thể khiến việc ghi nhận nhiều đêm trở nên khả thi hơn so với việc liên tục đến phòng xét nghiệm.

Tuy nhiên, nhiều đêm không đồng nghĩa với việc kết quả tự động trở nên chính xác tuyệt đối. Dữ liệu nhiều hơn chỉ thực sự có giá trị khi tín hiệu đạt chất lượng, thuật toán được kiểm chứng và kết quả được diễn giải đúng. Đây là lý do các nghiên cứu về chẩn đoán nhiều đêm vẫn cần quan tâm đến chất lượng dữ liệu, khả năng phân loại và ý nghĩa lâm sàng của sự biến thiên.

Điểm đáng chú ý hơn nữa là biến thiên giữa các đêm đang được nghiên cứu như một đặc điểm có thể mang thông tin riêng, thay vì chỉ xem nó là “sai số”. Một số nghiên cứu quan sát đã ghi nhận mối liên quan giữa mức độ biến thiên cao của OSA và một số kết cục tim mạch, nhưng mối quan hệ nhân quả vẫn chưa được xác lập đầy đủ và cần thêm nghiên cứu theo dõi dài hạn.

AI, thiết bị đeo và cảm biến không tiếp xúc đang được ứng dụng ra sao?

AI chẩn đoán ngưng thở khi ngủ có thể phân tích những dữ liệu nào?

AI đang trở thành một trong những hướng phát triển nổi bật nhất của công nghệ giấc ngủ, nhưng cần hiểu đúng vai trò của nó.

Trong chẩn đoán truyền thống, dữ liệu từ nhiều cảm biến phải được xử lý, phân tích và chấm điểm. Khi số lượng dữ liệu tăng lên, AI và các phương pháp học máy có thể hỗ trợ nhận diện những mẫu tín hiệu khó xử lý thủ công trên quy mô lớn.

Các thuật toán có thể được phát triển để phân tích nhiều loại tín hiệu như chuyển động hô hấp, SpO₂, nhịp tim, tín hiệu điện tim, luồng khí, chuyển động cơ thể hoặc âm thanh. Một số hệ thống còn tìm cách suy luận giai đoạn ngủ hoặc nhận diện các kiểu thay đổi sinh lý liên quan đến sự kiện hô hấp.

Điểm mạnh của AI nằm ở khả năng xử lý lượng dữ liệu lớn và tìm kiếm các mẫu lặp lại. Điều này đặc biệt có ý nghĩa khi chuyển từ một lần đánh giá đơn lẻ sang theo dõi liên tục.

Ví dụ, thay vì chỉ có một bản ghi xét nghiệm, hệ thống kỹ thuật số trong tương lai có thể kết hợp:

• tín hiệu hô hấp qua nhiều đêm;
• dữ liệu từ thiết bị đeo;
• thông tin về triệu chứng và chất lượng cuộc sống;
• dữ liệu điều trị;
• một số thông tin về bệnh lý đi kèm.

Khi được tích hợp đúng cách, dữ liệu này có thể giúp nhận diện sự thay đổi trong diễn tiến bệnh và hỗ trợ phân tầng nguy cơ theo thời gian. Các mô hình AI cũng có tiềm năng phát hiện những thay đổi như mức độ tuân thủ điều trị giảm, số sự kiện hô hấp tồn dư tăng hoặc triệu chứng ban ngày xấu đi.

Tuy nhiên, không nên biến AI thành một “bác sĩ tự động”.

Một thuật toán có thể cho ra kết quả rất tốt trong nhóm người được dùng để phát triển và kiểm định nó nhưng chưa chắc hoạt động giống hệt ở một quần thể khác. Những yếu tố như tuổi, bệnh lý đi kèm, chất lượng tín hiệu, môi trường ghi nhận và đặc điểm dân số có thể ảnh hưởng đến kết quả.

Một vấn đề khác là tính minh bạch. Nếu thuật toán hoạt động như một “hộp đen”, người sử dụng có thể biết kết quả nhưng khó hiểu vì sao hệ thống đưa ra kết luận đó. Đây là một trong những lý do việc kiểm định độc lập, tiêu chuẩn hóa và khả năng giải thích kết quả vẫn rất quan trọng.

Do đó, hướng đi có giá trị nhất không phải là AI tự đưa ra chẩn đoán mà là AI hỗ trợ chuyên môn: xử lý dữ liệu nhanh hơn, phát hiện tín hiệu đáng chú ý và giúp bác sĩ tập trung vào những thông tin có ý nghĩa lâm sàng.

Thiết bị đeo và cảm biến không tiếp xúc: tiện lợi nhưng chưa phải “phép đo hoàn hảo”

Công nghệ mới không chỉ nằm trong các thiết bị y tế truyền thống. Một hệ sinh thái cảm biến mới đang hình thành với ba nhóm đáng chú ý: wearables, nearables và airables.

Wearables là các thiết bị tiếp xúc trực tiếp với cơ thể như nhẫn, vòng đeo tay, miếng dán hoặc quần áo thông minh. Chúng có thể khai thác tín hiệu quang học PPG, peripheral arterial tonometry (PAT), chuyển động, nỗ lực hô hấp, âm thanh hoặc các tín hiệu liên quan đến hô hấp.

Nearables hoạt động ở khoảng cách gần mà không nhất thiết phải gắn lên cơ thể, chẳng hạn cảm biến tích hợp trong giường hoặc đặt cạnh giường.

Trong khi đó, airables sử dụng thông tin từ môi trường xung quanh, ví dụ âm thanh hoặc hình ảnh, để thu thập dữ liệu sinh lý mà không cần người bệnh đeo cảm biến trực tiếp.

Đây là thay đổi đáng kể về trải nghiệm. Một người có thể cảm thấy dễ chịu hơn khi ngủ với một cảm biến tối giản thay vì nhiều dây và điện cực. Điều này mở ra khả năng theo dõi nhiều đêm trong môi trường quen thuộc.

Nhưng sự tiện lợi không đồng nghĩa với việc mọi thiết bị đeo đều có thể thay thế PSG.

Một số công nghệ chỉ cung cấp một phần tín hiệu. Một số thuật toán phải suy luận những thông số không được đo trực tiếp. Một số thiết bị có thể hoạt động tốt trong một nhóm người nhưng chưa được kiểm chứng rộng rãi ở các nhóm có bệnh lý phức tạp.

Ngay cả khi một thiết bị có khả năng phát hiện nguy cơ OSA tốt, điều đó vẫn khác với việc đánh giá toàn diện một rối loạn giấc ngủ. Đây là lý do các công nghệ mới cần được xác định rõ mục đích: sàng lọc, đánh giá nguy cơ hay hỗ trợ chẩn đoán.

Một công nghệ đáng chú ý khác là phân tích âm thanh. Các nghiên cứu gần đây đang thử nghiệm AI để nhận diện sự kiện hô hấp, tiếng ngáy và ước tính AHI từ dữ liệu âm thanh thu bằng điện thoại hoặc hệ thống không tiếp xúc. Những kết quả ban đầu cho thấy tiềm năng đáng kể, nhưng đây vẫn là lĩnh vực cần tiếp tục xác nhận trên nhiều môi trường và nhóm bệnh nhân khác nhau.

Nói cách khác, tương lai có thể sẽ xuất hiện nhiều cách “đo giấc ngủ” mới, nhưng không phải phép đo nào cũng trả lời được cùng một câu hỏi lâm sàng.

Công nghệ mới có thay thế hoàn toàn xét nghiệm PSG và bác sĩ không?

Độ chính xác của công nghệ mới phụ thuộc vào mục đích sử dụng

Đây là điểm người dùng cần đặc biệt lưu ý khi tiếp cận các thiết bị đo giấc ngủ trên thị trường.

Một thiết bị có thể có độ nhạy cao trong việc phát hiện người có nguy cơ OSA nhưng điều đó không đồng nghĩa nó có thể đánh giá toàn bộ các đặc điểm cần thiết để đưa ra chẩn đoán cuối cùng.

Có thể phân biệt đơn giản ba tầng:

Sàng lọc: xác định ai có khả năng mắc bệnh và cần được đánh giá thêm.

Hỗ trợ chẩn đoán: cung cấp dữ liệu sinh lý để bác sĩ sử dụng cùng với bệnh sử, triệu chứng và các thông tin khác.

Chẩn đoán chuyên sâu: cần phương pháp có khả năng ghi nhận đầy đủ những thông tin cần thiết cho câu hỏi lâm sàng đang đặt ra.

Sự phân biệt này đặc biệt quan trọng với thiết bị đeo và công nghệ tiêu dùng. Một chiếc đồng hồ hoặc nhẫn thông minh có thể cung cấp dữ liệu hữu ích về giấc ngủ, nhịp tim hoặc oxy máu, nhưng không nên mặc nhiên xem mọi chỉ số hiển thị trên thiết bị là một chẩn đoán y khoa.

Ngay cả với thiết bị HSAT đã được nghiên cứu nhiều, việc lựa chọn bệnh nhân vẫn có vai trò lớn. Dữ liệu hiện có cho thấy các thiết bị mức 3 có hiệu quả tốt hơn ở người trưởng thành có xác suất mắc OSA trung bình đến cao và không có bệnh lý nội khoa không ổn định. Khi kết quả không phù hợp với biểu hiện lâm sàng hoặc khi nghi ngờ một rối loạn giấc ngủ khác, đánh giá chuyên sâu vẫn có thể cần thiết.

Đây cũng là lý do PSG chưa biến mất trong kỷ nguyên AI.

Ngược lại, PSG có thể trở thành nền tảng tham chiếu để kiểm định nhiều công nghệ mới. Một hệ thống AI, thiết bị đeo hay cảm biến không tiếp xúc muốn được ứng dụng rộng rãi cần chứng minh rằng dữ liệu của nó có ý nghĩa khi so sánh với phương pháp tham chiếu và quan trọng hơn là có giá trị trong thực hành thực tế.

Các nghiên cứu mới về PSG có sự hỗ trợ của AI cũng đang hướng tới việc tự động hóa một phần quá trình phân tích nhưng vẫn duy trì đánh giá của bác sĩ. Một nghiên cứu được trình bày tại ERS cho thấy phân tích PSG bằng AI có khả năng tạo ra kết quả tương đồng với đánh giá thủ công ở một số thông số, đồng thời nhấn mạnh nhu cầu tiếp tục xác nhận độ chính xác.

Như vậy, câu hỏi đúng không phải là “AI có thay thế PSG không?”, mà là:

“AI và các công nghệ mới có thể làm cho dữ liệu từ quá trình chẩn đoán trở nên đầy đủ, nhanh và hữu ích hơn như thế nào?”

Tương lai của chẩn đoán ngưng thở khi ngủ: dữ liệu liên tục và chăm sóc cá nhân hóa

Nếu xu hướng hiện nay tiếp tục phát triển, chẩn đoán ngưng thở khi ngủ trong tương lai có thể ít phụ thuộc hơn vào một lần kiểm tra đơn lẻ.

Thay vào đó, dữ liệu có thể được thu thập theo chiều dọc: nhiều đêm theo dõi tại nhà, tín hiệu từ thiết bị đeo, thông tin điều trị, triệu chứng do người bệnh tự báo cáo và một số dữ liệu sức khỏe liên quan.

Cách tiếp cận này mở ra khái niệm hệ thống y tế học hỏi liên tục. Dữ liệu thực tế từ thiết bị chẩn đoán, thiết bị điều trị, bảng đánh giá triệu chứng và theo dõi bệnh đi kèm có thể được tổng hợp để cải thiện mô hình phân tầng nguy cơ, thuật toán hỗ trợ quyết định và quy trình chăm sóc.

Điều này đặc biệt có ý nghĩa vì mức độ bệnh và đáp ứng điều trị của mỗi người không hoàn toàn giống nhau. Một chỉ số khách quan như AHI cũng không phải lúc nào phản ánh đầy đủ mức độ cải thiện về buồn ngủ ban ngày, chất lượng cuộc sống hay khả năng hoạt động. Việc kết hợp dữ liệu khách quan với thông tin do người bệnh báo cáo có thể tạo ra bức tranh toàn diện hơn.

Tuy nhiên, để mô hình này trở thành thực tế, còn nhiều vấn đề phải giải quyết. Dữ liệu sức khỏe cần được bảo mật; thuật toán phải được kiểm định; tiêu chuẩn giữa các thiết bị cần được cải thiện; hệ thống phải có khả năng giải thích kết quả và bác sĩ cần biết cách sử dụng dữ liệu trong quyết định lâm sàng.

Ngoài ra còn có một yếu tố thường bị bỏ qua: không phải bệnh nhân nào cũng có cùng khả năng tiếp cận công nghệ. Khả năng sử dụng thiết bị, trình độ hiểu biết kỹ thuật số, ngôn ngữ, điều kiện kinh tế và mức độ hỗ trợ từ nhân viên y tế đều có thể ảnh hưởng đến hiệu quả của mô hình chăm sóc số.

Vì vậy, công nghệ tốt không chỉ là công nghệ nhiều tính năng. Một hệ thống thực sự hữu ích phải đủ đơn giản để người bệnh sử dụng, đủ đáng tin cậy để bác sĩ diễn giải và đủ minh bạch để mọi bên hiểu dữ liệu được thu thập và sử dụng như thế nào.

Cần Tư Vấn Thêm Về Chẩn Đoán Và Điều Trị Ngưng Thở Khi Ngủ?

Việc lựa chọn phương pháp kiểm tra và thiết bị hỗ trợ phù hợp không chỉ dựa vào sự tiện lợi của công nghệ. Tình trạng hô hấp, mức độ nghi ngờ ngưng thở khi ngủ, kết quả xét nghiệm và nhu cầu theo dõi lâu dài đều là những yếu tố cần được xem xét trong quá trình chăm sóc.

Tại VietHealthMed, chúng tôi hỗ trợ cung cấp thông tin về các phương pháp đánh giá ngưng thở khi ngủ, xét nghiệm tại nhà, thiết bị theo dõi hô hấp và liệu pháp CPAP/APAP. Bạn có thể trao đổi để hiểu rõ hơn về sự khác biệt giữa các phương pháp, cách lựa chọn thiết bị phù hợp và những yếu tố cần lưu ý khi theo dõi điều trị.

VietHealthMed

📍 Địa chỉ: 83/53 Phạm Văn Bạch, Phường Tân Sơn, TP. Hồ Chí Minh

📞 Hotline / Zalo / WhatsApp: +84 917 205 200

🌐 Website: maythovn.com

Liên hệ với VietHealthMed để được tư vấn thêm về các phương pháp chẩn đoán, thiết bị hỗ trợ theo dõi và giải pháp CPAP/APAP phù hợp với nhu cầu chăm sóc ngưng thở khi ngủ.

Nguồn tham khảo

1. European Respiratory Society. Obstructive and Central Sleep Apnoea – ERS Monograph, 2026.
   Chương 15: Technological innovation, digital health and artificial intelligence for sleep apnoea diagnosis and treatment follow-up, pp. 209–221.
2. European Respiratory Society. Obstructive and Central Sleep Apnoea – ERS Monograph, 2026.
   Chương 16: Wearables, single-channel screening, polygraphy and polysomnography: why, where and how?
3. European Respiratory Society. Obstructive and Central Sleep Apnoea – ERS Monograph, 2026.
   Chương 17: Multiple-night diagnosis: a revolution in the field?
4. Pépin JL, Ben Messaoud R, Baillieul S, Tamisier R. Technological innovation, digital health and artificial intelligence for sleep apnoea diagnosis and treatment follow-up. ERS Monograph, 2026.
5. Pinilla L, Evas S, Chai-Coetzer CL. Wearables, single-channel screening, polygraphy and polysomnography: why, where and how? ERS Monograph, 2026.
6. Lechat B, Pinilla L, Grote L. Multiple-night diagnosis: a revolution in the field? ERS Monograph, 2026.
7. European Respiratory Society. ERS technical standards for using type III devices (limited channel studies) in the diagnosis of sleep disordered breathing in adults and children.
8. European Respiratory Society. Clinical validation of respiratory outcomes for a patch-based polysomnography system. ERJ Open Research, 2026.