ปัญญาประดิษฐ์ระบุมะเร็งตับอ่อนได้นานถึงสามปีก่อนการวินิจฉัย

แบบจำลองปัญญาประดิษฐ์ที่พัฒนาโดยนักวิจัยจาก Mayo Clinic และ MD Anderson Cancer Center ตรวจพบสัญญาณของมะเร็งตับอ่อนในการสแกน CT ด้วยความแม่นยำที่น่าประหลาดใจ ระบบที่เรียกว่า REDMOD (แบบจำลองการตรวจจับตั้งแต่เนิ่นๆ ที่ใช้คลื่นวิทยุ) สามารถระบุโรคได้ประมาณ 16 เดือนก่อนการวินิจฉัยทั่วไปในประมาณ 73% ของกรณีที่ทดสอบ ในการทดสอบบางรายการ AI จดจำรูปแบบที่น่าสงสัยล่วงหน้ามากกว่าสองปี โดยมีศักยภาพในการตรวจจับได้นานถึงสามปีก่อนการยืนยันทางคลินิก

มะเร็งตับอ่อนกำลังจะกลายเป็นสาเหตุอันดับที่สองของการเสียชีวิตด้วยโรคมะเร็งในสหรัฐอเมริกาภายในปี 2573 ปัจจุบัน 85% ของการวินิจฉัยเกิดขึ้นเมื่อโรคได้แพร่กระจายไปยังอวัยวะอื่นแล้ว ทำให้การรักษาเป็นเรื่องยากมาก REDMOD ปรากฏว่าเป็นเครื่องมือที่มีแนวโน้มในการย้อนกลับสถานการณ์นี้โดยระบุการเปลี่ยนแปลงขั้นต่ำในการสอบตามปกติ

วิธีที่ระบบตรวจจับสัญญาณที่มองไม่เห็นด้วยตามนุษย์

REDMOD ไม่ได้มองหาเนื้องอกที่ชัดเจน แต่จะมองหารูปแบบกัมมันตภาพรังสีแทน ซึ่งเป็นการเปลี่ยนแปลงเล็กน้อยในพื้นผิวและโครงสร้างของเนื้อเยื่อตับอ่อนที่หลุดรอดจากการตรวจจับด้วยสายตาของมนุษย์ แบบจำลองนี้ได้รับการฝึกด้วยการสแกน CT 969 ครั้งเพื่อเรียนรู้ที่จะรับรู้สัญญาณเริ่มแรกของโรคในระยะที่ยังสามารถรักษาให้หายขาดได้

เซลล์ปกติจะเกิดการกลายพันธุ์ใน DNA ซึ่งส่งผลต่อการเจริญเติบโต มะเร็งตับอ่อนมักใช้เวลาหลายปีกว่าการเปลี่ยนแปลงเหล่านี้จะพัฒนาเป็นเนื้องอกที่มองเห็นได้จากการศึกษาด้วยภาพหรือทำให้เกิดอาการ REDMOD สามารถจับภาพการลุกลามที่มองไม่เห็นนี้ได้ก่อนที่เนื้องอกจะปรากฏตัวทางคลินิก

ผลลัพธ์เหนือกว่าการวิเคราะห์โดยผู้เชี่ยวชาญที่เป็นมนุษย์

นักวิจัยได้ทดสอบ REDMOD ในการสแกน CT 63 ครั้งของผู้ป่วยที่พัฒนาเป็นมะเร็งตับอ่อนในเวลาต่อมา รวมถึงการสแกนควบคุม 430 ครั้งในบุคคลที่มีสุขภาพดี ระบบระบุผู้ป่วยต้องสงสัยได้ 46 รายจากทั้งหมด 63 รายอย่างถูกต้อง โดยมีอัตราการเข้าถึง 73%

นักรังสีวิทยาของมนุษย์สองคนที่วิเคราะห์การสแกนเดียวกันตรวจพบสัญญาณเริ่มต้นพร้อมกันในกรณีเพียง 38.9% ความแตกต่างนี้แสดงถึงข้อได้เปรียบที่สำคัญ: โมเดล AI เพิ่มความสามารถในการตรวจจับตั้งแต่เนิ่นๆ เกือบสองเท่าเมื่อเทียบกับผู้เชี่ยวชาญ

การทดสอบซ้ำกับชุดข้อมูลสองชุดที่แตกต่างกันโดยใช้อุปกรณ์ที่แตกต่างกันในโรงพยาบาลที่แตกต่างกัน ในทุกสถานการณ์ REDMOD ยังคงประสิทธิภาพที่สม่ำเสมอ สำหรับผู้ป่วยที่มีการทดสอบหลายครั้ง AI จะให้ผลลัพธ์ที่สอดคล้องกันในวงกว้าง แม้ว่าการทดสอบจะแยกจากกันหลายเดือนก็ตาม

Leia Também

การแสดงของ Shakira ในริโอเริ่มกี่โมง? ตารางเวลา สถานที่ท่องเที่ยวของ ‘Todo Mundo no Rio’ และสถานที่รับชมแบบสด ๆ

McLaren เปล่งประกายด้วยชัยชนะของ Norris ในการวิ่ง Miami GP

General Motors รวมระบบ Google Gemini เข้ากับรถยนต์สี่ล้านคันในสหรัฐอเมริกา

ความท้าทายและขั้นตอนต่อไปในการดำเนินการ

การศึกษาระบุประเด็นสำคัญ: จากบุคคลที่มีสุขภาพดี 430 ราย มี 81 รายถูกทำเครื่องหมายว่าต้องสงสัยโดย REDMOD อย่างไม่ถูกต้อง หากนำไปใช้ในสถานการณ์จริง คนเหล่านี้จะได้รับการทดสอบเพิ่มเติมก่อนที่จะยืนยันผลลัพธ์เชิงลบ การปรับปรุงความจำเพาะนี้ถือเป็นเรื่องสำคัญเพื่อหลีกเลี่ยงขั้นตอนที่ไม่จำเป็น

• การตรวจสอบในอนาคตในกลุ่มที่มีความเสี่ยงสูง
• การทดสอบกับประชากรกลุ่มใหญ่และหลากหลายมากขึ้น
• การบูรณาการเข้ากับกระบวนการทางคลินิกที่มีอยู่
• การปรับปรุงความจำเพาะของโมเดล
• การเข้าถึงในบริบทของโรงพยาบาลที่แตกต่างกัน

นักรังสีวิทยา อาจิต โกเอ็นกา จาก Mayo Clinic กล่าวว่าอุปสรรคที่ใหญ่ที่สุดในการช่วยชีวิตผู้ป่วยมะเร็งตับอ่อนคือการไม่สามารถตรวจพบโรคได้เสมอทั้งๆ ที่ยังสามารถรักษาให้หายขาดได้ “ตอนนี้ AI นี้สามารถระบุลักษณะเฉพาะของมะเร็งในตับอ่อนที่ปรากฏเป็นปกติ และสามารถทำได้อย่างน่าเชื่อถือเมื่อเวลาผ่านไปและในสภาพแวดล้อมทางคลินิกที่หลากหลาย”

เส้นทางสู่การเปลี่ยนแปลงกระบวนทัศน์การวินิจฉัย

ศักยภาพที่แท้จริงของ REDMOD อยู่ที่การประยุกต์ใช้ในการสแกน CT ตามปกติที่ดำเนินการด้วยเหตุผลอื่น แพทย์มักสั่งการตรวจตับอ่อนเพื่อตรวจสอบอาการที่ไม่เกี่ยวข้อง หาก REDMOD ติดตามภาพเหล่านี้เป็นประจำ ก็จะสามารถตรวจพบมะเร็งได้ในระยะพรีคลินิก ซึ่งการรักษายังคงมีประสิทธิผล

นักวิจัยวางแผนที่จะขยายการทดสอบไปยังกลุ่มที่ใหญ่ขึ้นและหลากหลายมากขึ้น พวกเขายังจะตรวจสอบความง่ายในการรวม AI เข้ากับขั้นตอนการทำงานทางการแพทย์ที่มีอยู่ เป้าหมายคือการเปลี่ยนการวินิจฉัยปัจจุบันโดยอิงตามอาการขั้นสูง เป็นการสกัดกั้นเชิงรุกของโรคในระยะเริ่มแรก

ผู้เขียนการศึกษาเน้นย้ำว่าความสามารถของกรอบงานในการตรวจจับสัญญาณที่ซ่อนอยู่ในชุดข้อมูลขนาดใหญ่ที่มุ่งเน้นทางคลินิก ผสมผสานกับความเสถียรสูงเมื่อเวลาผ่านไปและความจำเพาะที่ได้รับการตรวจสอบแล้ว ถือเป็นรากฐานที่มั่นคงสำหรับการตรวจจับตั้งแต่เนิ่นๆ ที่เสริมด้วย AI นักวิจัยแสดงความเห็นในแง่ดีว่า ด้วยการพัฒนาและปรับปรุงอย่างต่อเนื่อง พวกเขาจะสามารถเสนอระบบที่เป็นประโยชน์อย่างเหลือเชื่อในการต่อสู้กับมะเร็งชนิดที่อันตรายที่สุดชนิดหนึ่งที่มีอยู่