ในการประชุม Global Digital Economy Conference ปี 2024 ผู้เยี่ยมชมได้เยี่ยมชมอุปกรณ์ทางการแพทย์ AI ที่ใช้ในการช่วยเหลือแพทย์ในการวินิจฉัยด้วยภาพ เฉิน เสี่ยวเกิ้น
ซีทีสแกนเพียงครั้งเดียวสามารถช่วยให้แพทย์ระบุมะเร็งได้หลากหลายชนิด และแพลตฟอร์มออนไลน์สามารถเชื่อมโยงทรัพยากรทางการแพทย์ส่วนบุคคลให้เสร็จสมบูรณ์ได้ภายในไม่กี่วินาที... ในช่วงไม่กี่ปีที่ผ่านมา เทคโนโลยีปัญญาประดิษฐ์ (AI) ได้ปฏิวัติการวินิจฉัยและการรักษาเนื้องอกทุกด้านอย่างครอบคลุม .
“AI สามารถดำเนินการผ่านกระบวนการวินิจฉัยและรักษาเนื้องอกทั้งหมดได้” หลี่ จื้อเฉิง ผู้อำนวยการบริหารศูนย์วิจัยปัญญาประดิษฐ์ทางการแพทย์ ของสถาบันชีวการแพทย์และวิศวกรรมสุขภาพ สถาบันเทคโนโลยีขั้นสูงเซินเจิ้น สถาบันวิทยาศาสตร์จีน กล่าวกับผู้สื่อข่าว จาก Science and Technology Daily "ตั้งแต่การวินิจฉัยด้วยภาพเบื้องต้น การระบุรอยโรค การรับผู้ป่วย ไปจนถึงการวินิจฉัยทางพยาธิวิทยา การแสดงภาพแผนการผ่าตัด และแม้แต่การติดตามการฟื้นตัวจากการจำหน่าย การแทรกแซงของ AI สามารถมองเห็นและจับต้องได้สำหรับแพทย์และผู้ป่วย"
ช่วยคัดกรองเนื้องอกตั้งแต่เนิ่นๆ
สวี จงฮวง ผู้อำนวยการโรงพยาบาลมะเร็งไอรุ่ย ปักกิ่ง-สหรัฐ-จีน กล่าวว่า ผู้ป่วยมะเร็งจำนวนมากอยู่ในระยะกลางถึงปลายเมื่อได้รับการวินิจฉัย และพลาดโอกาสที่ดีที่สุดในการรักษา การตรวจคัดกรองตั้งแต่เนิ่นๆ สามารถช่วยให้แพทย์ตรวจพบสภาวะในระยะที่ไม่มีอาการหรือมะเร็ง และลดการเจ็บป่วยและการเสียชีวิตได้อย่างมีประสิทธิภาพผ่านการแทรกแซงตั้งแต่เนิ่นๆ AI มีศักยภาพอย่างมากในด้านการตรวจคัดกรองเนื้องอกในระยะเริ่มต้น
การตรวจคัดกรองเนื้องอกในระยะเริ่มต้นมักจะอาศัยวิธีการตรวจแบบไม่รุกรานหรือแบบส่องกล้องน้อยที่สุด รวมถึงการตรวจด้วยภาพ การตรวจจับเครื่องหมายเลือด และการวินิจฉัยระดับโมเลกุล ในเรื่องนี้ การแทรกแซงของ AI ทำให้เกิดความก้าวหน้าอย่างมาก Li Zhicheng เชื่อว่าด้วยการสนับสนุนของเทคโนโลยีการเรียนรู้เชิงลึกด้วยภาพ ประสิทธิภาพของ AI ในการตรวจคัดกรองเนื้องอกบางอย่างจึงสามารถเหนือกว่าผู้เชี่ยวชาญที่เป็นมนุษย์ได้
ในช่วงสองปีที่ผ่านมา วารสารนานาชาติ เช่น Nature ได้ตีพิมพ์ผลงานวิจัยหลายฉบับเกี่ยวกับการคัดกรองเนื้องอกโดยใช้ AI แบบจำลอง CHIEF ที่พัฒนาโดยทีม Harvard Medical School ไม่เพียงแต่สามารถวินิจฉัยมะเร็งได้ 19 ชนิดเท่านั้น แต่ยังค้นหาสภาพแวดล้อมจุลภาคของเนื้องอก แนะนำกลยุทธ์การรักษา และคาดการณ์อัตราการรอดชีวิตอีกด้วย PANDA แบบจำลองการตรวจหามะเร็งตับอ่อนในระยะเริ่มต้นที่พัฒนาโดย Alibaba Damo Academy มีความแม่นยำ 92.9% ในการพิจารณาการมีอยู่ของรอยโรค ผลลัพธ์เหล่านี้แสดงให้เห็นว่า AI ไม่เพียงแต่สามารถช่วยในการวินิจฉัยเท่านั้น แต่ยังมีบทบาทสำคัญในการรักษาที่แม่นยำอีกด้วย
แนวทางปฏิบัติที่เกี่ยวข้องได้แสดงให้เห็นถึงบทบาทของ AI ในการตรวจคัดกรองเนื้องอก ในเดือนกุมภาพันธ์ปีนี้ "Medical AI Multi-Cancer Early Screening Charity Project" ของอาลีบาบาได้ถูกนำไปใช้ในโรงพยาบาล Lishui Central Hospital และสถาบันอื่นๆ ในเจ้อเจียง โดยนำเทคโนโลยี AI ทางการแพทย์ที่เป็นนวัตกรรมของ DAMO Academy มาประยุกต์ใช้กับด้านสุขภาพ "โครงการคัดกรองผู้คนมากกว่า 50,000 คนภายใน 4 เดือน โรคที่ผ่านการคัดกรอง ได้แก่ มะเร็งตับอ่อน มะเร็งหลอดอาหาร มะเร็งกระเพาะอาหาร และมะเร็งลำไส้ใหญ่ โดย 145 รอยโรคที่พบในนั้นได้รับการยืนยันทางคลินิกแล้ว" Damo Academy Medical AI Team บุคคลที่รับผิดชอบ Lu Le อธิบายว่าการรวมข้อมูลในอดีตจำนวนมากและอัลกอริธึมที่ซับซ้อน ทำให้ AI สามารถดึงข้อมูลเกี่ยวกับรอยโรคเล็กๆ ที่ยากต่อการตรวจจับด้วยตาเปล่าจากรูปภาพ ในงานวิเคราะห์ภาพที่น่าเบื่อ AI ยังสามารถประมวลผลข้อมูลจำนวนมากได้อย่างรวดเร็ว ช่วยลดแรงกดดันต่อแพทย์
สวี จงหวง กล่าวว่ามะเร็งต้องอาศัยความร่วมมือจากสหสาขาวิชาชีพเพื่อกำหนดแผนการรักษาที่เหมาะสมที่สุด และ AI สามารถช่วยแก้ปัญหาต่างๆ เช่น การขาดแคลนผู้เชี่ยวชาญและต้นทุนทางเศรษฐกิจที่สูงในกระบวนการนี้
หลู่เล่อยกตัวอย่างจาก PANDA ว่าแบบจำลองดังกล่าวเทียบเท่ากับการรวบรวมฐานความรู้ของแพทย์หลายสิบคนจากวิชาชีพที่แตกต่างกัน และประสบความสำเร็จในการหลอมรวมข้อมูลข้ามแผนกโดยการบูรณาการข้อมูลหลายรูปแบบ เช่น ข้อมูลการถ่ายภาพ ข้อมูลจีโนม พยาธิวิทยา ข้อมูล ฯลฯ บนพื้นฐานนี้ แบบจำลองสามารถดึงข้อมูลรอยโรคที่สำคัญและลักษณะทางพยาธิวิทยาที่เป็นไปได้ จากนั้นดำเนินการวิเคราะห์ที่ครอบคลุมทั่วทั้งแผนกต่างๆ
ปรับปรุงความตระหนักรู้เกี่ยวกับโรคมะเร็ง
การส่งเสริมความเข้าใจทางวิทยาศาสตร์ในวงการแพทย์ถือเป็นมิติที่สูงกว่าสำหรับ AI เพื่อช่วยในการวินิจฉัยและรักษาเนื้องอก
ทีมงานของ Li Zhicheng มีส่วนร่วมในการวิจัยเนื้องอกไกลโอมามานานหลายทศวรรษ เมื่อพูดถึงสถานะปัจจุบันของการวินิจฉัยและการรักษาเนื้องอกในเนื้องอก Li Zhicheng กล่าวว่า "ความเข้าใจทางวิทยาศาสตร์ของเราเกี่ยวกับโรคนี้ยังคงมีจำกัด แพทย์ยังไม่เข้าใจกลไกการเกิด การพัฒนา และการกลับเป็นซ้ำของเนื้องอกในเนื้องอกอย่างถ่องแท้ และยังไม่พบว่ามีประสิทธิผลและ วิธีการรักษาที่แม่นยำ"
ซูจงฮวงรู้สึกแบบเดียวกัน “การขาดความรู้เกี่ยวกับโรคมะเร็งจำกัดวิธีการวินิจฉัยและการรักษา เมื่อเผชิญกับโรคที่ยากและซับซ้อน หลายครั้งในทางปฏิบัติทางคลินิกเราสามารถข้ามแม่น้ำได้ด้วยการรู้สึกถึงก้อนหินเท่านั้น”
โมเดลการวินิจฉัยและการรักษา AI ที่มีอยู่ก็มีข้อจำกัดเช่นกัน Li Zhicheng กล่าวว่าแบบจำลองจำนวนมากได้รับการฝึกอบรมผ่านชุดข้อมูลคำอธิบายประกอบขนาดใหญ่ เพื่อค้นหาความสัมพันธ์ระหว่างคุณลักษณะของรูปภาพและผลลัพธ์ทางคลินิก แม้ว่าวิธีนี้จะได้ผลลัพธ์ที่น่าทึ่งในแง่ของความแม่นยำ แต่การผ่าตัดแบบ "กล่องดำ" นี้ขาดพื้นฐานที่อธิบายได้ ทำให้แพทย์สามารถไว้วางใจผลการวินิจฉัยของ AI ได้อย่างเต็มที่ ดังนั้นจึงเป็นเรื่องสำคัญอย่างยิ่งที่จะต้องกลับไปยังแหล่งความรู้ทางการแพทย์
ในเรื่องนี้ AI มีพื้นที่ให้เล่นมากมาย “AI สามารถบูรณาการข้อมูลหลายรูปแบบ เช่น การถ่ายภาพ พยาธิวิทยา ยีน ฯลฯ ทำให้เกิดการวิเคราะห์ที่ครอบคลุมหลายระดับ และช่วยให้เราสร้าง 'ภาพเหมือน' ของเนื้องอกที่สมบูรณ์ยิ่งขึ้น เนื้องอกเป็นระบบนิเวศที่ประกอบด้วยเซลล์มะเร็งที่ซับซ้อน และ ยิ่งภาพมีรายละเอียดมากเท่าใด ยิ่งแม่นยำมากเท่าไรก็ยิ่งสามารถค้นพบพฤติกรรมของเนื้องอกและเป้าหมายการรักษาที่อาจเกิดขึ้นซึ่งถูกละเลยในอดีตได้มากขึ้นเท่านั้น ทำให้มีแนวคิดใหม่สำหรับการรักษาส่วนหน้า "หลี่จื้อเฉิงกล่าวด้วยการเพิ่มคุณค่าอย่างต่อเนื่อง จากข้อมูลระดับโมเลกุล เช่น จีโนมและโปรตีโอม AI คาดว่าจะสามารถฝ่าฟันอุปสรรคด้านความรู้ความเข้าใจที่มีอยู่ได้ ช่วยปรับปรุงความเข้าใจทางวิทยาศาสตร์เกี่ยวกับมะเร็งที่ซับซ้อน
สวี จงฮวง กล่าวเสริมว่า "เมื่อเผชิญกับเนื้องอกที่ไม่คุ้นเคย หาก AI สามารถพัฒนาความเข้าใจของมนุษย์เกี่ยวกับเนื้องอกเหล่านี้ได้ แม้เพียงก้าวเล็กๆ ก็อาจให้คำแนะนำด้านระเบียบวิธีใหม่ๆ สำหรับการวินิจฉัยและการรักษาเนื้องอกได้ โดยพื้นฐานแล้ว และเปลี่ยนวิธีจัดการกับโรคมะเร็งได้อย่างแท้จริง"
มอบบทบาทอย่างเต็มที่ให้กับข้อมูลในฐานะ "การบำรุง"
เพื่อให้ AI เพิ่มศักยภาพให้กับกระบวนการวินิจฉัยและการรักษาเนื้องอกทั้งหมด การได้รับการสนับสนุนข้อมูลคุณภาพสูง ครอบคลุม และมหาศาลเป็นสิ่งสำคัญ
การฝึกอบรมโมเดล AI ไม่เพียงแต่อาศัยคำอธิบายประกอบของแพทย์เท่านั้น แต่ยังต้องใช้ข้อมูลวงจรทางคลินิกที่สมบูรณ์อีกด้วย หลู่ เล่ ยกตัวอย่าง: "ในระหว่างกระบวนการฝึกโมเดล PANDA แพทย์ไม่เพียงแต่ต้องให้ข้อมูลหลายรูปแบบ เช่น ภาพทางพยาธิวิทยา รายงานทางพยาธิวิทยา และภาพ CT เท่านั้น แต่ยังต้องยืนยันตำแหน่งของรอยโรคด้วยตนเองและร่างโครงร่างอย่างถูกต้องด้วย บนเครื่อง CT ที่ปรับปรุงแล้ว จากนั้น วิศวกรก็ผ่านเทคโนโลยีการลงทะเบียนภาพสามมิติที่แมปโครงร่างสามมิติของรอยโรคลงบนภาพ CT ธรรมดา และท้ายที่สุดก็ทำให้ AI เรียนรู้ที่จะระบุลักษณะของเนื้องอกในตับอ่อนในระยะเริ่มแรก ในภาพ CT ธรรมดา”
ในกระบวนการนี้ มีเพียงแพทย์และทีม AI เท่านั้นที่ทำงานร่วมกันอย่างใกล้ชิดเพื่อให้ข้อมูลการฝึกอบรมคุณภาพสูงสำหรับโมเดลดังกล่าว Lu Le อธิบายเพิ่มเติมว่าทีมอัลกอริธึม AI ทางการแพทย์ที่ล้ำสมัยมักจะอาศัยโรงพยาบาลที่ให้ความร่วมมือหลายแห่งในการให้ข้อมูลที่หลากหลาย ซึ่งมีความสำคัญอย่างยิ่งต่อการปรับปรุงความสามารถในการสรุปทั่วไปของโมเดล ข้อมูลจากโรงพยาบาลต่างๆ ให้แบบจำลอง AI ที่มีภูมิหลังทางพยาธิวิทยาที่หลากหลาย ช่วยให้ตอบสนองต่อสถานการณ์ทางคลินิกต่างๆ ได้แม่นยำยิ่งขึ้น
อย่างไรก็ตาม เนื่องจากปัญหาต่างๆ เช่น ต้องการข้อมูลจำนวนมาก แผนกต่างๆ ที่เกี่ยวข้อง และข้อมูลที่กระจัดกระจาย การได้มาซึ่งข้อมูลจึงกลายเป็นปัญหาคอขวดหลักในการวิจัย AI เกี่ยวกับมะเร็งในปัจจุบัน “การได้ข้อมูลภาพหรือพยาธิวิทยาเพียงภาพเดียวนั้นไม่ใช่เรื่องยาก แต่การได้ข้อมูลทุกรูปแบบ เช่น การถ่ายภาพ พยาธิวิทยา และยีนสำหรับผู้ป่วยรายเดียวกันในเวลาเดียวกันนั้นเป็นเรื่องยากมาก” Li Zhicheng กล่าวว่าสิ่งนี้ไม่เพียงแต่ ต้องใช้ความร่วมมืออย่างใกล้ชิดระหว่างหลายแผนกแต่ก็ใช้เวลานานเช่นกัน การวิจัยโรคมะเร็งในปัจจุบันมักกระจัดกระจายไปตามสาขาวิชาต่างๆ โดยการวิเคราะห์ภาพได้รับการจัดการโดยช่างเทคนิคด้านภาพและวิศวกรรม ในขณะที่ข้อมูลทางพันธุกรรมได้รับการประมวลผลโดยพยาธิวิทยาระดับโมเลกุลหรือบุคลากรด้านชีวสารสนเทศ การทำลายอุปสรรคระหว่างระเบียบวินัยและการบูรณาการข้อมูลยังคงเป็นความท้าทายที่ยิ่งใหญ่
"ข้อมูลเป็น 'สารอาหาร' พื้นฐานที่ทำให้ AI สามารถมีบทบาทในการดูแลรักษาทางการแพทย์ได้อย่างเต็มที่หรือไม่" ในมุมมองของ Xu Zhonghuang ความสามารถในการปรับขนาด การสร้างมาตรฐาน และความปลอดภัยของข้อมูล ถือเป็นข้อพิจารณาที่สำคัญสำหรับโรงพยาบาลเมื่อปรับใช้ AI ทางการแพทย์ โรงพยาบาลต้องเริ่มต้นจากปัจจุบันเมื่อวางแผนโครงร่าง AI รับรองมาตรฐานของการป้อนข้อมูล การเก็บถาวรและการจัดการ ออกแบบกรอบงานการจัดการข้อมูลที่สมเหตุสมผลล่วงหน้า และสำรองอินเทอร์เฟซสำหรับการประมวลผลข้อมูลในอนาคต ข้อดีของ AI ก็คือสามารถดูดซับข้อมูลใหม่ๆ และเพิ่มประสิทธิภาพตัวเองได้อย่างต่อเนื่อง สิ่งนี้กำหนดให้ระบบจัดเก็บข้อมูลของโรงพยาบาลต้องปรับขนาดได้เพื่อรองรับความต้องการข้อมูลหลายรูปแบบที่เพิ่มขึ้น
ในแง่ของความปลอดภัยของข้อมูล Xu Zhonghuang เชื่อว่าโรงพยาบาลจำเป็นต้องสร้างกลไกการเข้ารหัสข้อมูลและความเป็นส่วนตัวที่เข้มงวด เพื่อให้แน่ใจว่าแอปพลิเคชันเทคโนโลยีสามารถให้การสนับสนุนที่เชื่อถือได้สำหรับการวินิจฉัยทางคลินิกและการรักษาภายใต้สถานที่ตั้งของการปฏิบัติตามกฎหมาย กฎระเบียบ และจริยธรรมทางสังคม