จะดีแค่ไหนถ้าหุ่นยนต์ AI ช่วยทำนายโรคให้เรา ???

0
714

ปฏิเสธไม่ได้เลยว่ายุคนี้เป็นยุคของเทคโนโลยีอันล้ำสมัย ที่ไม่ว่าใครก็ใช้ได้ ไม่ว่าจะเป็นคอมพิวเตอร์ มือถือ แท็บเล็ต อุปกรณ์สื่อสารต่างๆ หรือแม้แต่เครื่องมือทางการแพทย์…

>>>ปัจจุบันนอกจากแพทย์ บุคลากรทางการแพทย์ นักวิทยาศาสตร์และนักวิจัยทั่วโลกกำลังพัฒนาหาตัวชี้วัดการเกิดมะเร็งในผู้ป่วยแล้ว อีกด้านก็ยังมีเทคโนโลยีที่กำลังพัฒนาควบคู่กันไปนั่นก็คือ ปัญญาประดิษฐ์ (Artificial Intelligence) หรือที่เราได้ยินกันว่า AI นั่นเอง

>>>จากเรื่องที่เราคิดว่าไกลตัว ยุคแห่งเทคโนโลยีนั้นได้เปลี่ยน AI ให้มาเป็นเรื่องใกล้ตัว เนื่องจาก AI ถูกพัฒนาและนำมาใช้อย่างกว้างขวางทั้งทางด้านอุตสาหกรรม หรือแม้กระทั่งทางการแพทย์ AI สามารถเรียนรู้ข้อมูลอันมหาศาลได้อย่างรวดเร็ว แม่นยำ หรือเรียกความสามารถในการเรียนรู้นี้ว่า machine learning โดยอาศัยการเรียนรู้จากภาพถ่ายทางพยาธิสภาพของโรค ร่วมกับการวิเคราะห์ข้อมูลทางพันธุกรรมของผู้ป่วยในระดับดีเอนเอ อาร์เอนเอ และโปรตีนที่ได้จากกรณีศึกษา หรืองานวิจัยจากหลากหลายแห่งทั่วโลก จนนำไปสู่การเพิ่มประสิทธิภาพในการวินิจฉัยโรคมะเร็ง ทำนายระยะของการดำเนินโรค พยากรณ์อัตราการอยู่รอด และช่วยแพทย์เลือกวิธีหรือยาสำหรับการรักษาที่เหมาะสมให้แก่ผู้ป่วยเฉพาะบุคคลได้อีกด้วย

>>>การศึกษาที่ประสบความสำเร็จจากการใช้ AI คือ การใช้ AI ในการวินิจฉัยโรคมะเร็งผิวหนัง ซึ่งสามารถวิเคราะห์ผลได้สอดคล้องกับแพทย์ผู้เชี่ยวชาญ นอกจากนี้ยังมีความแม่นยำในการวินิจฉัยสูงถึง 95 % ในขณะที่แพทย์วินิจฉัยได้เพียงประมาณ 86% เท่านั้น และไม่เพียงแต่โรคมะเร็งผิวหนังเท่านั้น โรคมะเร็งปอด มะเร็งปากมดลูก มะเร็งตับและโรคอื่นๆ ก็มีการพัฒนาการใช้ AI เพื่อช่วยแพทย์ในการวินิจฉัยได้อย่างถูกต้องและแม่นยำขึ้นด้วยเช่นกัน

>>>เพราะฉะนั้นในอนาคตเราหวังว่าไม่เพียงแต่ AI จะช่วยดูแลคุณภาพชีวิตให้แก่เรา AI ยังสามารถเป็นหุ่นยนต์ผู้ช่วยแพทย์ในการวินิจฉัย และทำนายโรค รวมถึงส่งต่อข้อมูลที่มีประโยชน์ให้แก่หุ่นยนต์ แพทย์ หรือสถานพยาบาลในพื้นที่ห่างไกลผ่านระบบอินเตอร์เน็ตได้อีกด้วย

ขอบคุณแหล่งข้อมูล

L. Hu et al., “An observational study of deep learning and automated evaluation of cervical images for cancer screening,” J Natl Cancer Inst, doi:10.1093/jnci/djy225, 2019., G. Caravagna et al., “Detecting repeated cancer evolution from multi-region tumor sequencing data,” Nat Methods, 15:707–14, 2018., A. Esteva et al., “Dermatologist-level classification of skin cancer with deep neural networks,” Nature, 542:115–18