ระบบ AI วิเคราะห์ภาพคืออะไร และทำไมจึงสำคัญต่อการตรวจมะเร็งยุคใหม่
ระบบ AI วิเคราะห์ภาพ คือซอฟต์แวร์ปัญญาประดิษฐ์ที่เรียนรู้จากภาพทางการแพทย์จำนวนมหาศาล เช่น ภาพเอกซเรย์ CT และ MRI เพื่อดึงรูปแบบที่ตาเปล่ามองไม่เห็นออกมาใช้ประเมินโรคและความเสี่ยงในอนาคต โดยเชื่อมโยงข้อมูลจากภาพเข้ากับข้อมูลทางคลินิกของผู้ป่วย เพื่อช่วยแพทย์วินิจฉัยและวางแผนการรักษาได้แม่นยำและเร็วขึ้น ลดโอกาสพลาดโรคในระยะเริ่มต้น และเพิ่มโอกาสรอดชีวิตของผู้ป่วยในระยะยาว
ประเด็นที่ควรยอมรับตั้งแต่ต้นคือ การตรวจจับมะเร็งด้วย AI ไม่ได้เป็นแค่ของเล่นเทคโนโลยี แต่กำลังกลายเป็นโครงสร้างพื้นฐานใหม่ของการแพทย์เชิงรุก ระบบอย่าง Percival สามารถอ่านภาพ CT ที่ถ่ายด้วยเหตุผลอื่น แล้วดึงรูปแบบโรคเรื้อรังและความเสี่ยงในอนาคตที่แทบมองไม่เห็นด้วยสายตามนุษย์ออกมาได้ นี่คือการเปลี่ยนบทบาทของภาพเอกซเรย์และ AI จากเครื่องมือยืนยันโรค ไปสู่เครื่องมือเตือนภัยล่วงหน้า
TumorSight Risk ตัวอย่างจริงของ AI ที่ได้รับอนุญาตจาก FDA
หากอยากเห็นภาพว่าระบบ AI วิเคราะห์ภาพถูกใช้จริงในคลินิกอย่างไร TumorSight Risk คือกรณีศึกษาที่ชัดเจนที่สุดในตอนนี้ ซอฟต์แวร์นี้ได้รับอนุญาตจาก FDA ให้ใช้เป็นอุปกรณ์ซอฟต์แวร์ปัญญาประดิษฐ์ที่วิเคราะห์ภาพ MRI เต้านมร่วมกับข้อมูลพยาธิวิทยาและข้อมูลทางคลินิก เพื่อประเมินความเสี่ยงที่มะเร็งเต้านมของผู้ป่วยจะกลับเป็นซ้ำภายใน 5 และ 10 ปี
แพลตฟอร์มบนคลาวด์ของ TumorSight Risk ใช้แบบจำลอง AI เชิงพื้นที่เพื่อวิเคราะห์ลักษณะของเนื้องอก บริบทของเนื้อเยื่อโดยรอบ และปัจจัยทางคลินิก จากนั้นสร้างคะแนนเฉพาะตั้งแต่ 0 ถึง 100 พร้อมจัดระดับความเสี่ยงเป็นสูง ปานกลาง หรือต่ำ กระบวนการเริ่มจาก TumorSight Viz ประมวลผลภาพ MRI แบบไดนามิกที่ใช้สารเพิ่มความเปรียบต่าง เพื่อสร้างแผนที่แบ่งส่วนเนื้อเยื่อหลายชนิด แล้วส่งต่อให้ TumorSight Risk คำนวณค่าภาพถ่ายทางการแพทย์ขั้นกลาง รวมกับอายุ เชื้อชาติ ระยะทางคลินิกของเนื้องอกและต่อมน้ำเหลือง และเกรดทางจุลพยาธิวิทยาในแบบจำลองการเรียนรู้ของเครื่องที่อาศัยการถดถอย
จุดที่น่าสนใจคือซอฟต์แวร์นี้ออกแบบมาให้แสดงผลได้ภายในขั้นตอนการทำงานทางคลินิกตามปกติ ไม่ต้องตรวจเพิ่ม ไม่ต้องส่งชิ้นเนื้อใหม่ และไม่ต้องใช้เครื่องมือเฉพาะทางเพิ่มเติม แพทย์จึงสามารถใช้ข้อมูลทางชีววิทยาและข้อมูลเชิงพื้นที่จาก MRI เต้านม ร่วมกับผลพยาธิวิทยาและปัจจัยทางคลินิกมาตรฐาน เพื่อทำความเข้าใจความเสี่ยงต่อการกลับเป็นซ้ำของผู้ป่วยแต่ละรายได้เป็นครั้งแรก
ความแม่นยำการวินิจฉัยและการทำนายการรอดชีวิตจากภาพเพียงใบเดียว
คำถามสำคัญคือระบบเหล่านี้แม่นยำแค่ไหน และเราควรเชื่อถือได้เพียงใด รายงานการทดสอบ TumorSight Risk ระบุว่าค่าพยากรณ์ผลลบในช่วง 5 ปีอยู่ที่ 97.0 เปอร์เซ็นต์ และในช่วง 10 ปีอยู่ที่ 91.4 เปอร์เซ็นต์ ขณะที่ค่าพยากรณ์ผลบวกอยู่ที่ 9.8 เปอร์เซ็นต์ในช่วง 5 ปี และ 26.4 เปอร์เซ็นต์ในช่วง 10 ปี อีกการทดสอบพบว่าการประมวลผลซ้ำให้ผลสอดคล้องกันถึง 99.4 เปอร์เซ็นต์ ตัวเลขเหล่านี้สะท้อนว่าความแม่นยำการวินิจฉัยของระบบ AI เริ่มเข้าใกล้ระดับที่แพทย์สามารถใช้ประกอบการตัดสินใจได้อย่างมั่นใจ
อีกด้านหนึ่ง มีแบบจำลอง AI ที่ถูกฝึกให้ประเมินอายุของบุคคล และในผู้ป่วยมะเร็งสามารถทำนายโอกาสในการรอดชีวิตได้ โดยใช้เพียงภาพใบหน้าของผู้ป่วย แบบจำลองนี้ได้รับการฝึกด้วยภาพใบหน้ามนุษย์มากกว่า 40 ล้านภาพ และภาพถ่ายของผู้ป่วยมะเร็งกว่า 30,000 คน เครื่องมือนี้สามารถประมาณอายุด้วยค่าความคลาดเคลื่อนประมาณ 5 ปี และจำแนกผู้ป่วยออกเป็นกลุ่มเสี่ยงสูงหรือเสี่ยงต่ำได้อย่างน่าเชื่อถือ โดยผู้ที่มีคะแนนความเสี่ยงสูงที่สุดจะมีโอกาสเสียชีวิตภายใน 90 วันมากกว่า
เครื่องมือดังกล่าวไม่ได้มาแทนประสบการณ์ของแพทย์ แต่ช่วยเสริมการประเมิน โดยเฉพาะในกรณีที่ข้อมูลทางการแพทย์ไม่เพียงพอ นี่คือทิศทางใหม่ที่การตรวจจับมะเร็งด้วย AI ไม่ได้หยุดแค่การบอกว่ามีหรือไม่มีโรค แต่ก้าวไปสู่การทำนายเส้นทางชีวิตของผู้ป่วยจากภาพเพียงใบเดียว
จากภาพเอกซเรย์ธรรมดา สู่การค้นหาโรคที่ซ่อนอยู่แบบ opportunistic screening
อีกความเปลี่ยนแปลงที่สำคัญคือการใช้ภาพเอกซเรย์และ AI ในแนวคิดที่เรียกว่า opportunistic screening หรือการใช้ภาพที่มีอยู่แล้วเพื่อค้นหาโรคอื่นที่ไม่ได้เป็นเหตุผลหลักของการสั่งตรวจ ทีมวิจัยที่พัฒนาโมเดล Percival แสดงให้เห็นว่าเมื่อภาพ CT ถูกวิเคราะห์ด้วยระบบ AI นี้ ภาพเดียวกันสามารถเผยข้อมูลเกี่ยวกับสุขภาพของผู้ป่วยได้มากกว่าสภาวะที่แพทย์ตั้งใจตรวจในตอนแรก
Percival ถูกฝึกด้วยภาพ CT ประมาณ 400,000 ภาพจากผู้ป่วยราว 50,000 คน และสามารถ uncover รูปแบบของโรคเรื้อรังหลายชนิด เช่น ภาวะหัวใจเต้นผิดจังหวะแบบ atrial fibrillation และโรคไตเรื้อรัง จากภาพเดียวกันที่เดิมอาจถ่ายเพื่อเหตุผลอื่น เมื่อเปรียบเทียบกับโมเดล AI ที่คล้ายกัน Percival ยังถูกพบว่าสามารถแจ้งเตือนภาวะมะเร็งตับอ่อน โรคตับแข็ง และปอดบวมจากเชื้อแบคทีเรียได้อย่างน่าเชื่อถือมากกว่า
คำกล่าวที่ควรจำคือ “เราหวังว่าจะยกระดับการคัดกรองแบบ opportunistic ซึ่งผลลัพธ์ถูกค้นพบเกินกว่าจุดประสงค์ดั้งเดิมของการสแกน เช่น การพบร่องรอยมะเร็งระยะเริ่มต้นบนภาพที่ถ่ายเพื่อตรวจปอดอักเสบ” เมื่อหลายคนมีโรคหัวใจหรือโรคเมตาบอลิซึมอยู่แล้วตอนเข้ารับการรักษา การใช้ภาพที่มีอยู่เพื่อค้นหาโรคที่ซ่อนอยู่จึงเป็นโอกาสทองในการรู้ก่อนและรักษาเร็ว
AI วิเคราะห์ภาพไม่ใช่หมอ แต่กำลังกลายเป็นเพื่อนร่วมทีมที่ขาดไม่ได้
แม้ระบบ AI วิเคราะห์ภาพจะก้าวหน้าเพียงใด สิ่งที่ไม่ควรทำคือยกอำนาจการตัดสินใจทั้งหมดให้เครื่องจักร การเปรียบเทียบในเอกสารของ FDA ระบุว่า TumorSight Risk ถูกพิจารณาเทียบเท่าอย่างมีนัยสำคัญกับอุปกรณ์อ้างอิงที่วิเคราะห์ภาพสไลด์ชิ้นเนื้อทางพยาธิวิทยาเพื่อประเมินความเสี่ยงการแพร่กระจายไปยังอวัยวะอื่นภายใน 5 และ 10 ปี เนื่องจากมีวัตถุประสงค์การใช้งานเดียวกัน ข้อบ่งใช้คล้ายกัน และมีลักษณะทางเทคโนโลยีร่วมกัน นั่นหมายความว่า AI หลายตัวอาจดูคล้ายกันในสายตากฎหมาย แต่รายละเอียดการทำงานและข้อจำกัดแตกต่างกัน
ในทางปฏิบัติ สถาบันการแพทย์กำลังผสานระบบเหล่านี้เข้าใน workflow การวินิจฉัยประจำวัน ทั้งในรูปแบบเครื่องมือประเมินความเสี่ยงการกลับเป็นซ้ำของมะเร็งเต้านมที่แทรกอยู่ในขั้นตอนอ่าน MRI และโมเดลอย่าง Percival ที่ทำงานเบื้องหลังเพื่อค้นหาโรคที่ซ่อนอยู่จากภาพ CT เดิม เครื่องมือ AI เหล่านี้ช่วยให้แพทย์เห็นภาพรวมสุขภาพของผู้ป่วยกว้างขึ้นจากการตรวจเพียงครั้งเดียว และเปิดโอกาสให้วางแผนการรักษาเชิงรุกได้เร็วกว่าที่เคย
ข้อสรุปที่ควรเน้นคือ AI ไม่ได้มาแทนแพทย์ แต่กำลังกลายเป็นเพื่อนร่วมทีมที่ช่วยอ่านภาพได้ลึกและกว้างกว่าสายตามนุษย์ หากระบบสาธารณสุขเลือกใช้เทคโนโลยีเหล่านี้อย่างมีวิจารณญาณ โปร่งใส และเคารพบริบทของผู้ป่วย การตรวจจับมะเร็งด้วย AI จะไม่ใช่แค่คำโฆษณา แต่เป็นเครื่องมือจริงที่ช่วยให้ผู้ป่วยมีโอกาสรอดชีวิตมากขึ้นจากการรู้ก่อนและรักษาเร็ว
