ยกระดับการดูแลมารดาด้วยอัลตราซาวนด์พลัง AI เข้าถึงง่ายทุกพื้นที่
องค์การอนามัยโลก (WHO) คาดการณ์ ว่าในแต่ละปีมีผู้เสียชีวิตที่ป้องกันได้กว่า 250,000 รายทั่วโลกจากภาวะแทรกซ้อนระหว่างตั้งครรภ์ แม้การอัลตราซาวนด์จะช่วย ปรับปรุง ผลลัพธ์และ ลด อัตราการเสียชีวิตได้จริง แต่ประชากรถึง สองในสาม ยังขาดโอกาสเข้าถึง เนื่องจากต้องพึ่งพาบุคลากรที่ผ่านการฝึกอบรมเฉพาะทางสูง
ทีมนักวิจัยจึงพัฒนาโมเดล machine learning ที่สามารถแปลผลอัลตราซาวนด์แบบ "blind sweep" ซึ่งช่วยให้เจ้าหน้าที่สาธารณสุขระดับหน้างานสแกนครรภ์ได้เพียงแค่เลื่อนหัวตรวจอัลตราซาวนด์แบบพกพาราคาประหยัดไปตามหน้าท้องตามรูปแบบมาตรฐาน โดยไม่ต้องผ่านการฝึกด้านการตรวจคลื่นเสียงความถี่สูง (sonography) มาก่อน
[
เล่นวิดีโอแบบวนซ้ำไม่มีเสียง หยุดวิดีโอแบบวนซ้ำไม่มีเสียง
เปิดเสียงวิดีโอ ปิดเสียงวิดีโอ
แผนภาพโปรโตคอลลำดับการทำ Blind sweep ตามลำดับที่ปรากฏในโปรโตคอลการเก็บข้อมูล
ในบทความ “Generalization of AI-Based Gestational Age Assessment Using Blind Sweep Ultrasonography” ที่ตีพิมพ์ใน JAMA Network Open ทีมวิจัยพบว่าระบบ AI นี้ทำงานได้อย่างน่าเชื่อถือบนอุปกรณ์เคลื่อนที่ในคลินิกจริง แม้จะใช้งานโดยเจ้าหน้าที่มือใหม่และใช้อุปกรณ์ที่ไม่คุ้นเคยผ่านการ fine-tuning เพียงเล็กน้อยเท่านั้น
“อายุครรภ์คือข้อมูลเบื้องต้นที่สำคัญที่สุด เพราะการตรวจคัดกรอง การรักษา และการวางแผนทำคลอดส่วนใหญ่ ล้วนอ้างอิงตามลำดับเวลาหลักที่ได้จากอายุครรภ์นี้” - Nichole Young-Lin, แพทย์สูตินรีเวช กล่าว
การประเมินประสิทธิภาพในสภาพแวดล้อมทางคลินิกที่หลากหลาย เพื่อให้ AI ทางการแพทย์ขยายขอบเขตการใช้งานได้จริง ระบบต้องมีตัวบ่งชี้ความสามารถในการปรับใช้ได้ทั่วไป (generalizability) ทีมวิจัยจึงทดสอบเชิงรุกในสองสถานที่ที่แตกต่างกันอย่างสิ้นเชิง ได้แก่ Northwestern Medicine ในชิคาโก สหรัฐฯ ซึ่งเป็นศูนย์การแพทย์ทรัพยากรสูง และ Jacaranda Health เครือข่ายคลินิกชุมชนในไนโรบี ประเทศเคนยา
โมเดลนี้เริ่มต้นจากการฝึกฝนด้วยข้อมูลในรัฐนอร์ทแคโรไลนาและประเทศแซมเบีย จากนั้นได้นำชุดข้อมูลขนาดเล็กจากผู้เข้าร่วม 120 รายในชิคาโกมา fine-tuning เพื่อปรับให้เข้ากับฮาร์ดแวร์ใหม่อย่าง Clarius C3 ที่สำคัญคือไม่มีการใช้ข้อมูลจากไนโรบีในการปรับจูนเลย เพื่อพิสูจน์ความสามารถในการปรับใช้ได้ทั่วไปในฐานะการทดสอบภายนอกที่เป็นอิสระ
โมเดล blind sweep ของเรามีประสิทธิภาพไม่ด้อยไปกว่านักตรวจอัลตราซาวนด์ผู้เชี่ยวชาญในการกำหนดอายุครรภ์ในทั้งสองสภาพแวดล้อม โดยมีค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ยรวมอยู่ที่ 4.18 เทียบกับ 4.48 วัน
การค้นพบที่สำคัญ: เทียบเท่ามาตรฐานผู้เชี่ยวชาญ
ผลการศึกษาจากกลุ่มตัวอย่าง 385 รายที่มีอายุครรภ์ 16-36 สัปดาห์ พบว่าโมเดล AI มีค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAE) เพียง 4.18 วัน ซึ่งไม่ด้อยกว่ามาตรฐานการดูแลโดยผู้เชี่ยวชาญที่มีค่า MAE 4.48 วัน นอกจากนี้ยังมีความยืดหยุ่นสูงในสถานการณ์ซับซ้อน เช่น กรณีทารกมีน้ำหนักตัวสูงหรือต่ำกว่าเกณฑ์ ซึ่ง AI ทำผลงานได้ดีกว่าสูตรการวัดขนาดแบบดั้งเดิม
นอกจากการยืนยันความแม่นยำ การทดลองใช้งานจริงยังให้ข้อมูลเชิงลึกด้านเวิร์กโฟลว์ เช่น ความสำคัญของแบตเตอรี่ที่ถอดเปลี่ยนได้เพื่อให้พร้อมใช้งานต่อเนื่อง รวมถึงการสร้างระบบความปลอดภัยด้วยการประมาณค่าความเชื่อมั่น (model confidence estimates) เพื่อคัดกรองการสแกนที่คุณภาพต่ำและสื่อสารความไม่แน่นอนให้แพทย์ทราบ
ความสำเร็จนี้เป็นรากฐานสำคัญสู่การสร้างระบบสาธารณสุขที่ยืดหยุ่นและเข้าถึงได้มากขึ้น โดยทีมวิจัยมุ่งมั่นที่จะพัฒนา AI ทางการแพทย์แบบต่อเนื่องหลายรูปแบบ (multimodal medical intelligence) รุ่นต่อไป เพื่อให้แม่ทุกคนได้รับการดูแลที่ปลอดภัยไม่ว่าจะอยู่ที่ใดในโลก
กิตติกรรมประกาศ
ขอขอบคุณผู้เขียนร่วมจาก Google Research, Jacaranda Health และ Northwestern University Feinberg School of Medicine: Chace Lee, Justin Krogue, Anneka Wickramanayake, Stacey Caron, Priscah Cheruiyot, Amber Watters, Alicia Martín, Tiya Tiyasirichokchai, Akib Uddin, Yun Liu, Patricia Strachan, Sunny Jansen, Alyssa Santi, Preeti Singh, Catherine Arguelles, Kenneth Hudson, David Melnick, Mahesh Vaidyanathan, Mozziyar Etemadi, Yossi Matias, Avinatan Hassidim, Greg Corrado, Shruthi Prabhakara, Daniel Golden, Ryan G. Gomes และ Shravya Shetty ขอขอบคุณ Pi-Chuan Chang และ Dale Webster สำหรับการรีวิวงานชิ้นนี้
ความคิดเห็น (0)
เข้าสู่ระบบเพื่อร่วมแสดงความเห็น
สมัครสมาชิกมาเป็นคนแรกที่แสดงความเห็นกันเลยโบร