ข่าวสุขภาพ
ค้นหา รพ.-คลินิก-ร้านยาทั่วไทย ร้านยาคุณภาพ บริการสุขภาพ คลินิกเอกชน งาน รพ.
บริการวัคซีนโควิด บริการตรวจโควิด
ตำแหน่งงาน
ข่าวสุขภาพทั่วไป ข่าวธุรกิจสุขภาพไทย ข่าว/กิจกรรม/สาระ รพ.ต่างๆ ข้อมูลบริการ รพ.ต่างๆ สิทธิสุขภาพชาวไทย สาระความรู้สุขภาพ ท่องเที่ยวสุขภาพ กิจกรรม ESG CSR กิจกรรม Event Health Economy ข่าวธุรกิจสุขภาพรอบโลก บริจาค
น่าสนใจไทยแลนด์
English
About us เผยแพร่เนื้อหา สถิติเว็บไซต์ สำรวจความเห็นสุขภาพ โฆษณา
healthserv.net@gmail.com

ทีมแพทย์ใช้ AI คาดการณ์มะเร็งตับอ่อนล่วงหน้าได้ถึง 3 ปี

ทีมแพทย์ใช้ AI คาดการณ์มะเร็งตับอ่อนล่วงหน้าได้ถึง 3 ปี Thumb HealthServ.net
ทีมแพทย์ใช้ AI คาดการณ์มะเร็งตับอ่อนล่วงหน้าได้ถึง 3 ปี ThumbMobile HealthServ.net

AI ถูกนำมาใช้ระบุผู้ที่มีความเสี่ยงสูงที่จะเป็นโรคมะเร็งตับอ่อนได้ล่วงหน้าถึง 3 ปี ก่อนการวินิจฉัยจริงพบโรคจริงๆ AI มีประโยชน์สูง ในการใช้คัดกรองจำนวนมาก และช่วยเร่งการวินิจฉัยโรคที่ลุกลามเร็ว จะส่งผลรุนแรงหากตรวจพบล่าช้าได้ มะเร็งตับอ่อนเป็นหนึ่งในมะเร็งที่อันตรายถึงชีวิตที่สุดในโลก และคาดว่าจะมีจำนวนผู้เสียชีวิตเพิ่มขึ้นอีกไม่น้อย

 

เครื่องมือปัญญาประดิษฐ์ AI ประสบความสำเร็จในการระบุผู้ที่มีความเสี่ยงสูงสุดต่อมะเร็งตับอ่อนได้ล่วงหน้าถึง 3 ปีก่อนการเกิดโรคจริงๆ โดยอาศัยเพียงข้อมูลเวชระเบียนของผู้ป่วยเพียงอย่างเดียว ตามรายงานการวิจัยฉบับใหม่ที่นำโดย นักวิจัยจาก Harvard Medical School และมหาวิทยาลัยโคเปนเฮเกน ร่วมกับ VA Boston Healthcare System, Dana-Farber Cancer Institute และ Harvard T.H. Chan School of Public Health 
 
 
 
ผลการวิจัยซึ่งตีพิมพ์ในวารสาร Nature Medicine เมื่อวันที่ 8 พฤษภาคม ชี้ให้เห็นว่าการใช้ AI ในการตรวจคัดกรองประชากร มีประโยชน์มากสำหรับช่วยค้นหาผู้ที่มีความเสี่ยงสูง ที่โรคจะเริ่มก่อตัว ช่วยร่นระยะการวินิจฉัยหาสาเหตุร่วมที่มักพบในกลุ่มประชากร ซึ่งเป็นระยะที่การรักษายังไม่ได้ผลนัก ขณะที่ผลที่ได้จากการรักษาก็ไม่น่าพอใจนัก 
 

มะเร็งตับอ่อนเป็นหนึ่งในมะเร็งที่อันตรายถึงชีวิตที่สุดในโลก และคาดว่าจำนวนผู้เสียชีวิตจะเพิ่มขึ้น


 
 
ปัจจุบัน ยังไม่มีเครื่องมือที่เหมาะสมสำหรับใช้ตรวจคัดกรองมะเร็งตับอ่อนในประชากร  เฉพาะผู้ที่มีประวัติครอบครัวและการกลายพันธุ์ทางพันธุกรรมบางอย่างที่ส่อว่าจะก่อให้เกิดเป็นมะเร็งตับอ่อนเท่านั้น ที่จะได้รับการตรวจคัดกรองแบบเจาะจง แต่การตรวจคัดกรองแบบเจาะจงดังกล่าว ก็อาจทำให้พลาดการวินิจฉัยเหตุด้านอื่นๆ ก็ได้เช่นกัน จากความเห็นของทีมนักวิจัย
 
"หนึ่งในการตัดสินใจที่สำคัญที่สุดที่แพทย์ต้องเผชิญในแต่ละวันคือ ใครที่มีความเสี่ยงสูงต่อโรค และใครจะได้ประโยชน์จากการทดสอบเพิ่มเติม ซึ่งอาจหมายถึงขั้นตอนที่อาจทำให้บอบช้ำขึ้นและมีค่าใช้จ่ายที่สูงขึ้น ที่ผู้ป่วยจำต้องแบกรับ" ผู้ตรวจสอบอาวุโส Chris Sander คณาจารย์ภาควิชาชีววิทยาระบบในสถาบัน Blavatnik ที่ HMS อธิบาย "เครื่องมือ AI จะช่วยลดภาวะเสี่ยงนั้นลงไปได้ทั้งสิ้น จะมีประโยชน์อย่างมากในผู้ที่มีความเสี่ยงสูงสุดต่อการเป็นมะเร็งตับอ่อน และช่วยให้การวางแผนการรักษาทำได้ดียิ่งขึ้น"
 
แซนเดอร์เสริมว่าแนวทางดังกล่าวสามารถเร่งการตรวจหามะเร็งตับอ่อนในกลุ่มเสี่ยง เพื่อนำไปสู่การรักษาที่เร็วขึ้น และปรับปรุงผลลัพธ์ ช่วยยืดอายุขัยของผู้ป่วยได้
 
"มะเร็งหลายชนิด โดยเฉพาะอย่างยิ่งมะเร็งที่ยากต่อการระบุและรักษาแต่เนิ่นๆ ส่งผลกระทบต่อผู้ป่วย ครอบครัว และระบบสุขภาพโดยรวม" Søren Brunak ศาสตราจารย์ด้านชีววิทยาระบบโรคและผู้อำนวยการฝ่ายวิจัย ผู้ร่วมวิจัยอาวุโสด้านการศึกษา กล่าวที่ศูนย์วิจัยโปรตีน Novo Nordisk Foundation แห่งมหาวิทยาลัยโคเปนเฮเกน
 
"การตรวจคัดกรองโดยใช้ AI จะเปลี่ยนวิธีการจัดการกับโรคมะเร็งตับอ่อน ซึ่งเป็นโรคที่ลุกลามอย่างรวดเร็ว ยากที่จะวินิจฉัยในระยะแรก ทำให้เรารู้ได้เร็วและประสบความสำเร็จในการรักษา" บรูนัคกล่าว









 

ในการศึกษาครั้งใหม่นี้ อัลกอริทึม AI ได้รับการฝึกบนชุดข้อมูล 2 ชุดที่แยกจากกันซึ่งรวมข้อมูลผู้ป่วย 9 ล้านรายการจากเดนมาร์กและสหรัฐอเมริกา นักวิจัย "ถาม" โมเดล AI เพื่อค้นหาสัญญาณบอกเล่าตามข้อมูลที่มีอยู่ในเวชระเบียน
 
จากการประมวลผลข้อมูลรหัสโรคและระยะเวลาของการเกิด แบบจำลองสามารถทำนายว่าผู้ป่วยรายใดมีแนวโน้มที่จะเป็นมะเร็งตับอ่อนในอนาคต โดยเฉพาะอย่างยิ่ง ในคนที่อาการและรหัสโรคหลายอย่างไม่เกี่ยวข้องโดยตรงที่เกิดจากตับอ่อน
 
นักวิจัยได้ทดสอบโมเดล AI เวอร์ชันต่างๆ เพื่อดูความสามารถในการตรวจจับผู้ที่มีความเสี่ยงสูงต่อการพัฒนาของโรคภายในช่วงเวลาต่างๆ เช่น 6 เดือน หนึ่งปี สองปี และสามปี
 
โดยรวมแล้ว อัลกอริทึม AI แต่ละเวอร์ชันมีความแม่นยำมากขึ้นอย่างมากในการทำนายว่าใครจะเป็นมะเร็งตับอ่อนมากกว่าการประมาณการอุบัติการณ์ของโรคที่ใช้อยู่ในปัจจุบัน ซึ่งหมายถึงความถี่ที่ภาวะต่างๆ เกิดขึ้นในประชากรในช่วงเวลาหนึ่งๆ 
 
นักวิจัยเชื่อว่าแบบจำลองมีความแม่นยำในการทำนายการเกิดโรค  อย่างน้อยที่สุดก็เทียบเท่ากับการทดสอบลำดับพันธุกรรมในปัจจุบัน ซึ่งโดยปกติแล้วจะมีให้เฉพาะสำหรับผู้ป่วยกลุ่มย่อยในชุดข้อมูลเท่านั้น
 
 
  
 

"อวัยวะขี้โมโห " The Angry Organ

 
การตรวจคัดกรองมะเร็งทั่วไปบางชนิด เช่น มะเร็งเต้านม ปากมดลูก และต่อมลูกหมาก อาศัยเทคนิคที่ค่อนข้างง่ายและมีประสิทธิภาพสูง เช่น แมมโมแกรม แปปสเมียร์ และการตรวจเลือดตามลำดับ
 
วิธีการตรวจคัดกรองเหล่านี้ ทำให้สามารถตรวจพบโรคได้ไว และการขจัดการลุกลามในระยะที่สามารถรักษาได้มากที่สุด
 
เมื่อเปรียบเทียบกันแล้ว มะเร็งตับอ่อนจะคัดกรองและตรวจหาได้ยากและแพงกว่า แพทย์พิจารณาจากประวัติครอบครัวและการกลายพันธุ์ทางพันธุกรรมเป็นหลัก ซึ่งแม้ว่าจะเป็นตัวบ่งชี้ที่สำคัญของความเสี่ยงในอนาคต แต่ไม่ใช่สำหรับผู้ป่วยจำนวนหนึ่ง
 
ข้อดีอย่างหนึ่งของเครื่องมือ AI คือสามารถใช้กับผู้ป่วยทุกรายที่มีบันทึกสุขภาพและประวัติทางการแพทย์ให้ ไม่ใช่แค่ในรายที่ทราบประวัติครอบครัวหรือความบกพร่องทางพันธุกรรมของโรค นี่เป็นสิ่งสำคัญอย่างยิ่ง เนื่องจากผู้ป่วยจำนวนมากที่มีความเสี่ยงสูงอาจไม่ได้ตระหนักถึงความบกพร่องทางพันธุกรรมหรือประวัติครอบครัวของพวกเขา
 
ในกรณีที่ไม่มีอาการและไม่มีข้อบ่งชี้ชัดเจนว่าบุคคลนั้นมีความเสี่ยงสูงต่อมะเร็งตับอ่อน แพทย์จะระมัดระวังที่จะแนะนำการตรวจที่ซับซ้อนและมีราคาแพงกว่า เช่น CT scan, MRI หรืออัลตราซาวนด์ส่องกล้อง 
 
เมื่อใช้การทดสอบเหล่านี้และพบรอยโรคที่น่าสงสัย ผู้ป่วยจะต้องผ่านขั้นตอนการตรวจชิ้นเนื้อ อวัยวะส่วนนี้อยู่ลึกเข้าไปในช่องท้อง ยากต่อการเข้าถึงและกระตุ้นให้เกิดการอักเสบได้ง่าย ความอ่อนไหวของมันทำให้ ได้รับฉายาว่า "อวัยวะขี้โมโห" (The Angry Organ)
 
 
นักวิจัยกล่าวว่าเครื่องมือ AI ที่ระบุผู้ที่มีความเสี่ยงสูงสุดต่อมะเร็งตับอ่อนจะช่วยให้แพทย์ทำการตรวจประชากรที่เหมาะสมได้ ลดการทดสอบและขั้นตอนเพิ่มเติมอื่นๆ ที่ไม่จำเป็นลงไปได้
 
ประมาณร้อยละ 44 ของผู้ที่ได้รับการวินิจฉัยว่าเป็นมะเร็งตับอ่อนในระยะเริ่มต้นสามารถอยู่รอดได้ห้าปีหลังจากการวินิจฉัย แต่มีเพียงร้อยละ 12 ของผู้ป่วยที่ได้รับการวินิจฉัยในระยะแรก อัตราการรอดชีวิตลดลงเหลือ 2 ถึง 9 เปอร์เซ็นต์ในผู้ที่มีเนื้องอกโตเกินกว่าแหล่งกำเนิด
 
"แม้จะมีอัตราการรอดชีวิตที่ต่ำ แต่ก็หมายถึงความก้าวหน้าอย่างชัดเจนในเทคนิคการผ่าตัด เคมีบำบัด และการบำบัดด้วยภูมิคุ้มกัน" แซนเดอร์กล่าว "ดังนั้น นอกจากการรักษาที่ซับซ้อนแล้ว ยังจำเป็นที่จะต้องมีการคัดกรองที่ดีขึ้น การทดสอบที่ตรงเป้าหมายมากขึ้น และการวินิจฉัยที่เร็วขึ้น และนี่จึงเป็นที่มาของวิธีการที่ใช้ AI เป็นขั้นตอนแรกที่สำคัญในกระบวนการนี้"
 

การวินิจฉัยก่อนหน้านี้บ่งบอกถึงความเสี่ยงในอนาคต

 
สำหรับการศึกษาในปัจจุบัน นักวิจัยได้ออกแบบโมเดล AI หลายเวอร์ชันและฝึกฝนให้พวกมัน (หมายถึง AI) ใช้บันทึกสุขภาพของผู้ป่วย 6.2 ล้านคนจากระบบสุขภาพแห่งชาติของเดนมาร์กในช่วง 41 ปี ในจำนวนนั้น มีผู้ป่วย 23,985 คนเป็นมะเร็งตับอ่อนเมื่อเวลาผ่านไป
 
ในระหว่างการฝึก อัลกอริธึมแยกแยะรูปแบบที่บ่งบอกถึงความเสี่ยงของมะเร็งตับอ่อนในอนาคตตามวิถีของโรค เพื่อดูว่า ผู้ป่วยมีสภาวะบางอย่างที่เกิดขึ้นตามลำดับเวลาหรือไม่
 
ตัวอย่างเช่น การวินิจฉัย นิ่วในถุงน้ำดี โรคโลหิตจาง เบาหวานชนิดที่ 2 และปัญหาเกี่ยวกับระบบทางเดินอาหารอื่นๆ ที่การประเมินว่า อาจมีความเสี่ยงสูงต่อมะเร็งตับอ่อนภายใน 3 ปี
 
ไม่น่าแปลกใจเลยที่การอักเสบของตับอ่อนสามารถทำนายมะเร็งตับอ่อนในอนาคตได้อย่างมากภายในระยะเวลาที่สั้นกว่าสองปี
 
นักวิจัยเตือนว่าการวินิจฉัยเหล่านี้ด้วยตัวเอง ไม่ควรถือเป็นตัวบ่งชี้หรือสาเหตุของมะเร็งตับอ่อนในอนาคต อย่างไรก็ตาม รูปแบบและลำดับที่เกิดขึ้นในช่วงเวลาหนึ่ง เป็นเบาะแสสำคัญ สำหรับแบบจำลอง AI ที่ใช้เฝ้าระวังโรค  และสามารถช่วยให้แพทย์ติดตามผู้ที่มีความเสี่ยงสูงอย่างใกล้ชิดมากขึ้นหรือทำการทดสอบเมื่อต้องการได้
 
 
ต่อมา นักวิจัยได้ทดสอบอัลกอริทึมที่มีประสิทธิภาพดีที่สุดในบันทึกผู้ป่วยชุดใหม่ทั้งหมดที่ไม่เคยพบมาก่อน ซึ่งเป็นชุดข้อมูลของ U.S. Veterans Health Administration ที่มีเกือบ 3 ล้านบันทึกในช่วง 21 ปี และมีผู้ป่วย 3,864 รายที่ได้รับการวินิจฉัยว่าเป็นมะเร็งตับอ่อน
 
ผลที่ออกมา พบว่าความแม่นยำในการทำนายต่ำลง  อาจเป็นไปได้ว่า ชุดข้อมูลถูกรวบรวมในเวลาอันสั้นและโปรไฟล์ประชากรผู้ป่วยแตกต่างกันค่อนข้างมาก - ประชากรทั้งหมดของเดนมาร์กในชุดข้อมูลของเดนมาร์กเทียบกับข้อมูลทหารผ่านศึกอเมริกันในอดีตและปัจจุบัน
 
เมื่ออัลกอริทึมได้รับการฝึกใหม่ตั้งแต่ต้นในชุดข้อมูลของสหรัฐอเมริกา ความแม่นยำในการทำนายก็ดีขึ้น นักวิจัยกล่าวว่าสิ่งนี้เป็นการตอกย้ำประเด็นสำคัญสองประการ: 
 
ประการแรก ตรวจสอบให้แน่ใจว่าโมเดล AI ได้รับการฝึกบนข้อมูลที่มีคุณภาพสูงและสมบูรณ์มากพอ 
 
ประการที่สอง ความจำเป็นในการเข้าถึงชุดข้อมูลขนาดใหญ่ของบันทึกทางคลินิก ที่รวบรวมในประเทศและต่างประเทศ
 
ในกรณีที่ไม่มีแบบจำลองที่ใช้ได้ทั่วโลก แบบจำลอง AI ควรได้รับการฝึกฝนบนข้อมูลสุขภาพในท้องถิ่นเพื่อให้แน่ใจว่ากาผลที่ได้จะเหมาะสมสอดคล้องกับประชากรท้องถิ่นนั้น


 
 
The Harvard Gazette
8 May 2023
 
 
ข่าว/บทความล่าสุด
เนื้อหาอ่านล่าสุด