AI สามารถช่วยให้แพทย์ตรวจจับอาการเลือดออกในสมองได้เร็วขึ้น

By tharadhol in AI & Robot, Healthcare, Sci & Tech

เทคโนโลยี AI ในปัจจุบันนั้น มีความสามารถในการค้นพบเงื่อนไขทางการแพทย์ที่มีความแม่นยำสูงอยู่แล้ว แต่อย่างไรก็ตามภาวะเลือดออกในสมองนั้นยังมีความท้าทายเป็นพิเศษสำหรับเทคโนโลยีใหม่ ๆ เหล่านี้

ซึ่งอัลกอริธึมที่มีการคำนวนผิดพลาดเพียงเล็กน้อย ในขณะที่ผู้ป่วยมีอาการเลือดออกทางสมองนั้น ก็อาจทำให้พวกเขาถึงตายได้ แต่อย่างไรก็ตามงานวิจัยใหม่ด้าน AI จาก UC Berkeley และ University of California San Francisco (UCSF) อาจพร้อมสำหรับใช้งานกับผู้ป่วยที่มีอาการเลือดออกในสมองแล้ว

นักวิจัยจาก UC Berkeley และ UCSF ได้สร้างอัลกอริทึมที่ตรวจจับภาวะเลือดออกในสมองด้วยความแม่นยำ ที่มีประสิทธิภาพกว่านักรังสีวิทยาสองในสี่คนจากการทดสอบครั้งล่าสุด ซึ่งกุญแจสำคัญคือข้อมูล ที่ได้รับการ Training อย่างละเอียดของอัลกอริทึมตัวใหม่นี้

กระบวนการนี้อาศัยเทคโนโลยี Neural Network ที่ทำหน้าที่สแกนภาพถ่าย CT มากกว่า 4,396 ภาพ แม้จะดูเหมือนเป็นจำนวนตัวอย่างที่ค่อนข้างน้อย แต่ความผิดปกติของ case ที่นำมาทำการ training ข้อมูลเหล่านี้นั้นมีรายละเอียด “ในระดับพิกเซล” ตามรายงานที่ UCSF กล่าว

อีกนัยหนึ่งคือพวกเขามีโอกาสน้อยมากที่จะตีความผิดพลาดของอาการที่เกิดจากเลือดออกในสมอง เทคนิคนี้ยังมีการฝึกอบรม AI ในส่วนของภาพ โดยใช้เวลามากกว่าเทคนิคอื่น ๆ ที่มักจะเน้นความเร็วเป็นหลัก ซึ่งมันเป็นการลดโอกาสที่จะทำให้เกิดความผิดพลาดได้เป็นอย่างมาก

เช่นเดียวกับระบบตรวจจับที่ใช้ AI อื่น ๆ แน่นอนว่าสิ่งเหล่านี้จะไม่สามารถแทนที่แพทย์ได้อย่างสมบูรณ์แบบ แต่พวกมันสามารถใช้เวลาเพียงเสี้ยววินาทีในการรายงานผล และสามารถจำแนกประเภทอาการเลือดออกในสมองได้โดยอัตโนมัติ ซึ่งเป็นตัวช่วยคัดกรองสำหรับแพทย์ผู้เชี่ยวชาญได้อย่างดีเยี่ยม

สิ่งเหล่านี้ช่วยประหยัดเวลาอันมีค่าของแพทย์ในกรณีที่เกิดเคสฉุกเฉิน และยังสามารถมั่นใจได้ว่าพวกเขาจะพบอาการที่เกี่ยวกับภาวะเลือดออกในสมองที่หายากที่อาจถึงแก่ชีวิตได้ในสถานการณ์ที่เลวร้ายที่สุดของผู้ป่วยได้

ในขณะที่นักวิทยาศาสตร์ยังคงทำการทดสอบอัลกอริธึมเพื่อเปรียบเทียบกับผลการสแกน CT จากหน่วยงานด้านรังสีที่เกี่ยวข้อง ซึ่งอาจมีสักวันหนึ่งที่มันจะถูกใช้ในการช่วยคัดกรองผู้ป่วยอย่างรวดเร็ว และช่วยให้แพทย์มุ่งเน้นไปที่การช่วยชีวิตผู้ป่วยแทนได้นั่นเอง

References : https://www.engadget.com/2019/10/23/ai-detects-brain-hemorrhages-ucsf/ https://cdn.neow.in/news/images/uploaded/2019/10/1571887142_f2.large_story.jpg

AI กับการทำนายความอยู่รอดของผู้ป่วยมะเร็ง

By tharadhol in AI & Robot, Healthcare

การหาอัตราการรอดชีวิตของผู้ป่วยโรคมะเร็งนั้นขึ้นอยู่กับผลการทดสอบทางพยาธิวิทยา ซึ่งมันอาจเป็นเรื่องยากสำหรับแพทย์ในการพยากรณ์โรคในบางกรณี แต่ AI ที่พัฒนาขึ้นใหม่กำลังจะมาช่วยแพทย์ในการวินิจฉัยถึงความอยู่รอดของผู้ป่วยในอนาคต

นักวิทยาศาสตร์ที่ Imperial College London และมหาวิทยาลัยเมลเบิร์นได้พัฒนาซอฟต์แวร์ Machine Learning ที่สามารถทำนายการพยากรณ์โรคของผู้ป่วยมะเร็งรังไข่และผลที่ได้พบว่ามีความแม่นยำสูงกว่าวิธีการทั่วไป

งานวิจัยและผลลัพธ์ของการทดลองครั้งแรกของพวกเขาถูกตีพิมพ์ในวารสาร Nature Communications 

นักวิจัยพบว่าอัตราการรอดชีวิตของมะเร็งรังไข่อยู่ที่ประมาณ 35-40 เปอร์เซ็นต์แม้จะมีทางเลือกในการรักษาจำนวนมาก มีผู้ป่วยใหม่ 6,000 รายที่ปรากฏขึ้นในสหราชอาณาจักรทุกปี

แต่การพัฒนาการรักษาที่ปรับให้เหมาะกับผู้ป่วยเป็นสิ่งสำคัญ

นักวิจัยพัฒนา“ radiomic prognostic vector” (RPV) – ซอฟต์แวร์ที่มีลักษณะทางชีววิทยาของเนื้องอกทั้งสี่รวมถึงโครงสร้างรูปร่างขนาดและการตบแต่งทางพันธุกรรมในการสแกนด้วยเครื่อง CT ซึ่งมีความแม่นยำในการทำนายถึง 4 เท่า ซึ่งเป็นผลลัพธ์เมื่อเปรียบเทียบกับวิธีการทั่วไปในการทดลองที่ตรวจสอบตัวอย่างจากผู้หญิงจำนวน 364 คน

ซอฟต์แวร์ RPV ยังสามารถระบุได้ถึงร้อยละ 5 ของผู้ป่วยที่ปกติจะมีชีวิตอยู่เพียงสองปี พวกเขาสามารถปรับปรุงการพยากรณ์โรคและเพิ่มประสิทธิภาพแผนการรักษาสำหรับผู้ป่วยเหล่านั้นให้ดีขึ้นได้

“ปัญญาประดิษฐ์มีศักยภาพที่จะเปลี่ยนวิธีการดูแลสุขภาพเพื่อปรับปรุงการรักษาของผู้ป่วย” รังสีแพทย์ที่อิมพีเรียลคอลเลจ Andrea Rockall กล่าวในการแถลงข่าว “ ซอฟต์แวร์ของเราเป็นตัวอย่างของสิ่งนี้และเราหวังว่าจะสามารถใช้เป็นเครื่องมือในการช่วยแพทย์ในการจัดการและรักษาผู้ป่วยมะเร็งรังไข่ได้ดีที่สุดในอนาคต”

References : https://eurekalert.org https://www.machinedesign.com/sites/machinedesign.com/files/ovarianPROMO-980554618.jpg

Machine Learning กับการตรวจเชื้อแบคทีเรียในทารกแรกเกิด

By tharadhol in AI & Robot, Healthcare

โลกอาจเป็นสถานที่ที่เลวร้ายโดยเฉพาะในช่วงสองสามเดือนแรกหลังจากที่เด็กเกิด ในช่วงเวลาที่มีค่าเหล่านี้นั้น ทารกแรกเกิดจะได้สัมผัสกับประสบการณ์ใหม่ ๆ และสิ่งเร้ามากมายรวมถึงแบคทีเรียที่เป็นเชื้อโรคที่จะมาคอยทำร้ายร่างกายที่อ่อนแอของพวกเขา 

ซึ่งแบคทีเรียที่เป็นผลมาจากการติดเชื้อในระบบไหลเวียนโลหิตนั้นได้กลายเป็นสาเหตุสำคัญของการเสียชีวิตของทารกแม้ในประเทศที่พัฒนาแล้วก็ตาม

การวินิจฉัยอย่างรวดเร็วของทารกที่ป่วยเป็นสิ่งสำคัญ แต่อาจเป็นสิ่งที่ท้าทายในโรงพยาบาลเนื่องจากมีอาการแสดงทางคลินิกที่ไม่ชัดเจน ตอนนี้นักวิจัยที่โรงพยาบาลเด็กแห่ง Philidelphia (CHOP) พบว่า ด้วยการให้สร้างจำลองโดยใช้เทคโนโลยี Machine Learning โดยการรวบรวมข้อมูลทางคลินิกของทารกแรกเกิดอย่างสม่ำเสมอ พวกเขาสามารถระบุกรณีของการติดเชื้อในทารกแรกเกิดได้ก่อนเวลาปกติ และทีมวิจัยได้ตีพิมพ์ผลการวิจัยในวารสาร  PLoS ONE

เพื่อพัฒนาแบบจำลองโดยใช้เทคโนโลยี Machine Learning ที่สามารถตรวจจับการติดเชื้อได้ ทีมวิจัยได้ฝึกอัลกอริทึมโดยใช้ชุดข้อมูลย้อนหลัง โดยมีเป้าหมายสำคัญในการระบุการติดเชื้ออย่างน้อยสี่ชั่วโมงก่อนที่แพทย์จะสงสัยว่าเด็กทารกนั้นป่วยจริง ๆ

การใช้ข้อมูลบันทึกสุขภาพอิเล็กทรอนิกส์ เช่น สัญญาณชีพ ความดันโลหิต และอุณหภูมิจากทารก 618 คนในหอผู้ป่วยหนักทารกแรกเกิด CHOP จากปี 2557-2560

โดยทีมนักวิจัยได้ฝึกอบรมโดยใช้เทคโนโลยี Machine Learning เพื่อเปรียบเทียบสัญญาณชีพกับตัวชี้วัดที่สำคัญ 36 ตัว  ซึ่งทีมวิจัยสามารถเปรียบเทียบความแม่นยำของ การใช้ Machine Learning กับการค้นพบทางคลินิกโดยแพทย์เฉพาะทางเด็ก ซึ่งจากการทดสอบ ใน 8 โมเดลนั้น พบว่ามี 6 โมเดล สามารถระบุกรณีของการติดเชื้ออย่างถูกต้องได้เร็วกว่าแพทย์ถึงสี่ชั่วโมงเลยทีเดียว

โดยทางทีมได้สรุปว่า หากมีข้อมูลเพิ่มเติมสำหรับการฝึกอบรม อาจมีผลต่อความแม่นยำมากขึ้นเมื่อเวลาผ่านไป “ เนื่องจากการตรวจพบ แต่เนิ่นๆและการทำการรักษาอย่างรวดเร็วเป็นสิ่งสำคัญในกรณีของการติดเชื้อแบคทีเรีย

เทคโนโลยีอย่าง Machine Learning จึงมีศักยภาพในการปรับปรุงผลลัพธ์ทางคลินิกในทารกเหล่านี้ ซึ่งจากข้อมูลของ Masino การค้นพบของทีมวิจัย เป็นขั้นตอนสำคัญในการพัฒนาเครื่องมือแบบเรียลไทม์สำหรับใช้ในโรงพยาบาล โดยการติดตามการศึกษาทางคลินิกเพิ่มเติม โดยทีมวางแผนที่จะประเมินประสิทธิภาพของระบบดังกล่าวในโรงพยาบาลจริงในอนาคต

References : https://www.eurekalert.org

AI สามารถวัดความเสี่ยงของการเสียชีวิตจากโรคหัวใจ

By tharadhol in AI & Robot, Healthcare, Sci & Tech

ความสามารถของ AI ในการทำนายภัยคุกคามต่อสุขภาพของคุณในไม่ช้าอาจรวมถึงภาวะหัวใจวาย นักวิจัยของ CSAIL จาก MIT ได้พัฒนาระบบ Machine Learning ที่ชื่อว่า RiskCardio ที่สามารถประเมินความเสี่ยงของการเสียชีวิตเนื่องจากปัญหาหัวใจและหลอดเลือดที่ปิดกั้นหรือลดการไหลเวียนของเลือดได้

ข้อมูลอินพุตที่ RiskCadio ต้องการคือ การอ่านคลื่นไฟฟ้าหัวใจประมาณ 15 นาที – จากนั้นระบบจะวัดอันตรายจากข้อมูลของจังหวะต่อเนื่องของการเต้นของหัวใจ ซึ่งเมื่อข้อมูลถูกบันทึกได้ภายใน 15 นาที RiskCardio ก็สามารถทำนายได้ว่าจะมีใครเป็นผู้โชคร้าย ต้องตายภายใน 30 วันหรือไม่เกินหนึ่งปีหลังจากนั้น

โดยวิธีการของ RiskCardio จะขึ้นอยู่กับความคิดที่ว่าความแปรปรวนที่มีค่ามากขึ้นระหว่างการเต้นของหัวใจสะท้อนให้เห็นถึงความเสี่ยงที่เพิ่มมากขึ้นนั่นเอง โดยนักวิทยาศาสตร์ได้ทำการ Training ระบบ Machine Learning โดยใช้ข้อมูลย้อนหลังเพื่อผลลัพธ์ที่แม่นยำต่อผู้ป่วย 

ซึ่งหากทำนายว่าผู้ป่วยมีแนวโน้มที่จะรอดชีวิตแสดงว่าการเต้นของหัวใจของพวกเขาถือเป็นปกติ หากระบบทำนายว่าผู้ป่วยจะเสียชีวิตแสดงว่าลักษณะการเต้นของหัวใจของพวกเขาถือว่ามีความเสี่ยงนั่นเอง 

ซึ่งคะแนนความเสี่ยงขั้นสุดท้ายมาจากค่าเฉลี่ยการทำนายจากการเต้นของหัวใจแต่ละชุดที่มีความต่อเนื่องกัน

แต่นักวิจัยยังมีงานที่ต้องทำอีกมากมาย ซึ่งรวมถึงการปรับปรุงข้อมูลการฝึกอบรมเพื่อเพิ่มในส่วนของ อายุ คุณลักษณะของชาติพันธุ์ รวมถึงเพศ ชัดเจนว่าระบบดังกล่าวต้องมีความแม่นยำสูง เพราะเมื่อเกิดความผิดพลาดอาจมีผลกระทบที่เป็นอันตรายต่อผู้ป่วยได้ 

ซึ่งงานวิจัยของ RiskCardio นั้นสามารถพิสูจน์ได้ว่ามีความสำคัญต่อการดูแลสุขภาพของผู้ป่วย โดยแพทย์สามารถประเมินสุขภาพของผู้ป่วยได้อย่างรวดเร็วและตัดสินใจในระดับการรักษาที่เหมาะสมนั่นเอง

References : https://www.engadget.com https://cdn.bdc-tv.com/2019/05/Artificial-Intelligence-960×585.jpghttps://cdn.bdc-tv.com/2019/05/Artificial-Intelligence-960×585.jpg

DeepMind AI กับการทำนายการสูญเสียเฉียบพลันของไต

By tharadhol in AI & Robot, Healthcare, Machine Learning, Sci & Tech

ภาคตะวันออกเฉียงเหนือของอเมริกา ความท้าทายที่ยิ่งใหญ่ที่สุดของโรงพยาบาลต้องเผชิญคือการคาดการณ์เมื่อผู้ป่วยที่อ่อนแอและเสี่ยงต่อการเสียชีวิตแบบเฉียบพลัน ซึ่งการเปลี่ยนแปลงเล็กน้อยของข้อมูลสุขภาพ และเป็นข้อมูลที่กว้างเกินไปสำหรับมนุษย์ที่จะตรวจสอบสิ่งเหล่านี้ได้อย่างมีประสิทธิภาพ

ในบทความที่ตีพิมพ์ในวันพุธในวารสาร Nature นักวิจัยที่ DeepMind อธิบายวิธีแก้ปัญหาที่เป็นไปได้: ระบบ Machine Learning ที่สามารถบีบอัดข้อมูลนับแสนในบันทึกของข้อมูลสุขภาพในรูปแบบอิเล็กทรอนิกส์ เพื่อช่วยเตือนแพทย์ถึงวิกฤตที่ใกล้จะเกิดขึ้นก่อนที่มันจะเกิดขึ้นจริงกับผู้ป่วย

เพื่อแสดงให้เห็นถึงศักยภาพของระบบนักวิจัยที่  DeepMind ในเมืองลอนดอน ใช้เพื่อคาดการณ์การโจมตีของการบาดเจ็บของไตเฉียบพลัน   ปัจจุบันจากข้อมูลพบว่าการทำงานของไตลดลงอย่างฉับพลันในผู้ป่วยหลายแสนคนในโรงพยาบาลทหารผ่านศึกทั่วสหรัฐอเมริกา และ พบว่า AI สามารถคาดการณ์ 90% ของเหตุการณ์ที่จะเกิดขึ้นเหล่านี้ ที่จำเป็นต้องใช้การล้างไตโดยด่วนด้วยระยะเวลาไม่เกิน 48 ชั่วโมง เพื่อช่วยเหลือผู้ป่วย

แต่แม้ระบบนั้นจะยังห่างไกลจากความสมบูรณ์แบบอยู่:  มีการแจ้งเตือนที่ถูกต้องทุกครั้ง เมื่อใช้กับผู้ป่วยที่การบาดเจ็บรุนแรงน้อย โดยระบบจะมีประสิทธิภาพสูงกว่า 20 เปอร์เซ็นต์ เมื่อเทียบกับแบบจำลองที่ใช้ในการประเมินความเป็นไปได้ของการบาดเจ็บของไตในโรงพยาบาลแบบทั่วไป ซึ่งการใช้เทคโนโลยีมาช่วยดังกล่าวนี้ จะเน้นความสามารถในการให้คำเตือนที่แม่นยำยิ่งขึ้นเพื่อให้แพทย์สามารถป้องกันอันตรายได้ทันท่วงที

“ ลักษณะการทำนายของสิ่งที่เกิดขึ้นนั้นน่าประทับใจมาก” ดร. โจ บองเนอร์หัวหน้าแผนกเวชศาสตร์ไตที่บริกแฮมและโรงพยาบาลสตรีในบอสตัน  เขากล่าวว่า การแจ้งเตือนการบาดเจ็บของไตเฉียบพลันในระยะเวลา 48 ชั่วโมง  เมื่อการทำงานของไตลดลง และเหล่าของเสียที่สะสมอยู่ในเลือดนั้น อาจทำให้แพทย์สามารถตอบสนองโดยการควบคุมความดันโลหิตและลดการใช้ยาพิษที่อาจทำให้อวัยวะสูญเสียการทำงานได้ 

เขายังกล่าวอีกว่า“ เทคโนโลยีเหล่านี้จะนำไปใช้กับผู้ป่วยอื่น ๆ ในสถานที่อื่นนอกโรงพยาบาลทหารผ่านศึกหรือไม่”

นักวิจัย DeepMind ย้ำว่าระบบของพวกเขายังคงต้องได้รับการตรวจสอบในการดูแลทางคลินิกเพื่อให้แพทย์สามารถประเมินผลกระทบที่มีต่อผู้ป่วยได้อย่างเต็มที่ แต่พวกเขากล่าวว่าความสำเร็จในระยะแรกของวิธีการของพวกเขาชี้ไปสู่อนาคตซึ่งอัลกอริธึมสามารถคาดการณ์ได้จากข้อมูลบันทึกสุขภาพอิเล็กทรอนิกส์ เพื่อช่วยทำนายวิกฤตการณ์ที่จะเกิดขึ้นในผู้ป่วยในโรงพยาบาล เช่น การเกิดโรคปอดบวม หัวใจวาย หรือภาวะติดเชื้อ ซึ่งเป็นภาวะที่เสี่ยงต่อการเสี่ยงชีวิตได้สูงมาก 

Deepmind ที่นำ AI มาใช้กับเทคโนโลยีทางการแพทย์
Deepmind ที่นำ AI มาใช้กับเทคโนโลยีทางการแพทย์

ในการศึกษาระบบ AI ได้รับการ Training จากข้อมูลจากผู้ป่วยมากกว่า 700,000 case ที่รักษาในโรงพยาบาลและคลินิกผู้ป่วยนอก มันทำนายความเป็นไปได้ของการบาดเจ็บของไตโดยมองหารูปแบบของจุดข้อมูลนับแสนที่อยู่ในบันทึกสุขภาพที่เป็นข้อมูลอิเล็กทรอนิกส์

แน่นอนว่ามันถูกออกแบบมาเพื่อติดตามการเปลี่ยนแปลงในผู้ป่วยเมื่อเวลาผ่านไป ช่วยให้แพทย์คาดการณ์เพื่อปรับปรุงการรักษาอย่างต่อเนื่อง จากความน่าจะเป็นที่ผู้ป่วยจะได้รับบาดเจ็บจากภาวะไตเฉียบพลันภายใน 48 ชั่วโมง  ระบบยังสามารถระบุปัจจัยที่วิเคราะห์ข้อมูลมาจากข้อมูลสุขภาพอิเล็กทรอนิกส์ เพื่อช่วยหาบทสรุปได้

นักวิจัย DeepMind กล่าวว่าขั้นตอนต่อไปคือการตรวจสอบประสิทธิภาพของระบบในผู้ป่วยที่กว้างขึ้นและในสถานพยาบาลที่แตกต่างกัน อาจต้องใช้เวลาอีกหลายเดือน ก่อนที่ AI จะสามารถนำมาใช้ในเชิงพาณิชย์ได้จริง ๆ 

References : 
https://www.statnews.com/2019/07/31/deepmind-artificial-intelligence-predicts-acute-kidney-injury/