MIT และ Mass General Hospital พัฒนาระบบ AI ที่สามารถตรวจจับมะเร็งปอดได้

มะเร็งปอดเป็นโรคร้าย ให้เป็นไปตาม องค์การอนามัยโลกมะเร็งปอดเป็นหนึ่งในสาเหตุการตายที่พบบ่อยที่สุดทั่วโลก โดยคิดเป็นเกือบ 2.21 ล้านรายในปี 2020 เพียงปีเดียว ที่สำคัญโรคนี้อาจลุกลามได้ นั่นคือสำหรับหลาย ๆ คน อาการนี้อาจเริ่มต้นจากอาการเพียงเล็กน้อยที่ไม่มีสัญญาณเตือนภัยใด ๆ ก่อนที่จะพัฒนาอย่างรวดเร็วไปสู่การวินิจฉัยที่คุกคามชีวิตและนำไปสู่ความตาย โชคดีที่ช่วงของการรักษามุ่งเน้นไปที่การช่วยเหลือผู้ป่วยมะเร็งปอดได้เติบโตขึ้นอย่างมากในช่วงสองทศวรรษที่ผ่านมา อย่างไรก็ตาม การตรวจหามะเร็งในระยะเริ่มต้นยังคงเป็นหนึ่งในวิธีเดียวที่จะลดอัตราการเสียชีวิตลงได้อย่างมาก

ความสำเร็จที่โดดเด่นอย่างหนึ่งในเวทีนี้คือการประกาศล่าสุดโดย Massachusetts Institute of Technology (MIT) และ Mass General Hospital (MGH) เกี่ยวกับการพัฒนาโมเดลการเรียนรู้เชิงลึกชื่อ "ซีบิล" ที่สามารถใช้ในการทำนายความเสี่ยงมะเร็งปอดโดยใช้ข้อมูล จากการทำซีทีสแกนเพียงครั้งเดียว เดอะ ศึกษา ได้รับการตีพิมพ์อย่างเป็นทางการใน Journal of Clinical Oncology เมื่อสัปดาห์ที่แล้ว และอภิปรายว่า “เครื่องมือที่ให้การประเมินความเสี่ยงมะเร็งในอนาคตเฉพาะบุคคลสามารถมุ่งเน้นแนวทางไปยังผู้ที่น่าจะได้รับประโยชน์มากที่สุด” ดังนั้น ผู้นำการศึกษากล่าวว่า "แบบจำลองการเรียนรู้เชิงลึกที่ประเมินข้อมูล LDCT เชิงปริมาตร [Low Dose Contrast CT] ทั้งหมดสามารถสร้างขึ้นเพื่อทำนายความเสี่ยงส่วนบุคคลโดยไม่ต้องใช้ข้อมูลประชากรหรือข้อมูลทางคลินิกเพิ่มเติม"

แบบจำลองเริ่มต้นด้วยหลักการพื้นฐาน: “ภาพ LDCT ประกอบด้วยข้อมูลที่คาดการณ์ความเสี่ยงมะเร็งปอดในอนาคตนอกเหนือจากคุณลักษณะที่สามารถระบุได้ในปัจจุบัน เช่น ก้อนเนื้อในปอด” ดังนั้น นักพัฒนาจึงพยายาม "พัฒนาและตรวจสอบความถูกต้องของอัลกอริธึมการเรียนรู้เชิงลึกที่ทำนายความเสี่ยงของมะเร็งปอดในอนาคตได้จนถึง 6 ปีจากการสแกน LDCT เพียงครั้งเดียว และประเมินผลกระทบทางคลินิกที่อาจเกิดขึ้น"

โดยรวมแล้ว การศึกษาประสบความสำเร็จอย่างมากจนถึงตอนนี้: ซีบิลสามารถทำนายความเสี่ยงมะเร็งปอดในอนาคตของผู้ป่วยได้ในระดับหนึ่ง โดยใช้ข้อมูลจาก LDCT เพียงชุดเดียว

ไม่ต้องสงสัยเลยว่าการใช้งานทางคลินิกและความหมายสำหรับเทคโนโลยีนี้ยังไม่บรรลุนิติภาวะ แม้แต่ผู้นำการศึกษายังเห็นพ้องกันว่าจะต้องมีการทำงานที่สำคัญเพื่อหาวิธีการใช้เทคโนโลยีนี้ในการปฏิบัติจริงทางคลินิก โดยเฉพาะอย่างยิ่งเกี่ยวกับการพัฒนาระดับความเชื่อมั่นในเทคโนโลยี ซึ่งแพทย์และผู้ป่วยจะรู้สึกปลอดภัยในการพึ่งพา ผลลัพธ์ของระบบ

อย่างไรก็ตาม สมมติฐานของอัลกอริทึมยังคงทรงพลังอย่างไม่น่าเชื่อและนำมาซึ่งศักยภาพในการเปลี่ยนเกมในขอบเขตของการวินิจฉัยเชิงคาดการณ์

มาตรการวินิจฉัยที่มีประสิทธิภาพอย่างไม่เคยมีมาก่อน ความจริงที่ว่าเครื่องมือสามารถใช้ CT Scan เพียงเครื่องเดียวในการทำนายการทำงานของโรคในระยะยาวอาจช่วยแก้ปัญหาต่างๆ ได้ ซึ่งปัญหาที่สำคัญที่สุดคือช่วยให้สามารถรักษาได้เร็วและลดอัตราการเสียชีวิตลง

ผู้เชี่ยวชาญอาจรู้สึกต่อต้านระบบเหล่านี้โดยกล่าวว่าไม่มีระบบ AI ใดที่สามารถจับคู่การตัดสินและความกล้าหาญทางคลินิกได้ดีพอที่จะแทนที่แพทย์ที่เป็นมนุษย์ แต่จุดประสงค์ของระบบเช่นนี้ไม่จำเป็นต้องแทนที่ความเชี่ยวชาญของแพทย์ แต่ควรเพิ่มขั้นตอนการทำงานของนักกายภาพ

ระบบอย่างซีบิลสามารถใช้เป็นเครื่องมือในการแนะนำได้อย่างง่ายดาย โดยแจ้งแพทย์ที่อาจเกี่ยวข้องกับ CTs ซึ่งอาจใช้วิจารณญาณทางคลินิกของตนเองว่าเห็นด้วยหรือไม่เห็นด้วยกับคำแนะนำของซีบิล สิ่งนี้จะไม่เพียงปรับปรุงปริมาณงานทางคลินิกเท่านั้น แต่ยังสามารถทำหน้าที่เป็นกระบวนการ "ตรวจสอบ" รองและอาจเพิ่มความแม่นยำในการวินิจฉัย

ไม่ต้องสงสัยเลยว่ายังมีงานอีกมากที่ต้องทำในเวทีนี้ นักวิทยาศาสตร์ นักพัฒนา และนักประดิษฐ์มีเส้นทางที่ยาวไกลข้างหน้าพวกเขา ไม่เพียงแต่ทำให้อัลกอริธึมและระบบที่แท้จริงสมบูรณ์แบบเท่านั้น แต่ยังต้องสำรวจเวทีที่เหมาะสมยิ่งในการนำเทคโนโลยีนี้ไปประยุกต์ใช้ในทางคลินิกจริงด้วย อย่างไรก็ตาม เทคโนโลยี ความตั้งใจ และศักยภาพที่มีอยู่เกี่ยวกับการดูแลผู้ป่วยที่ดีขึ้น หากได้รับการพัฒนาในลักษณะที่ปลอดภัย มีจริยธรรม และมีประสิทธิภาพ ย่อมเป็นความหวังสำหรับการสร้างการวินิจฉัยในอนาคต