AI อาจช่วยชดเชยการขาดแคลนแพทย์ผู้เชี่ยวชาญด้านการถ่ายภาพรังสีในการต่อสู้กับมะเร็งเต้านม แต่ยังไม่พร้อมใช้งาน

ทีมนักวิจัยจาก Imperial College London และ Google (GOOGL ) Health ได้สร้างโมเดลการมองเห็นของคอมพิวเตอร์ที่มีจุดมุ่งหมายเพื่อวินิจฉัยกรณีมะเร็งเต้านมจากภาพรังสี ตามรายงานของ CNN โมเดลนี้ได้รับการฝึกฝนจากภาพรังสีของหญิงมากกว่า 29,000 คน และเมื่อเปรียบเทียบกับแพทย์ผู้เชี่ยวชาญด้านการถ่ายภาพรังสี 6 คน โมเดลนี้สามารถทำได้ดีกว่าแพทย์

ปัจจุบัน NHS ใช้การตัดสินใจร่วมกันของแพทย์ 2 คนเพื่อวินิจฉัยมะเร็งเต้านมจากภาพรังสี หากแพทย์ทั้งสองไม่เห็นด้วย จะมีการเรียกแพทย์คน thứ 3 มาให้คำปรึกษาต่อภาพรังสี แม้ว่าแพทย์จะมีการเข้าถึงบันทึกทางการแพทย์ของผู้ป่วย แต่เครื่องมือ AI มีเพียงภาพรังสีเท่านั้นที่ใช้ในการตัดสินใจ尽管มีข้อจำกัดนี้ โมเดล AI ได้แสดงผลลัพธ์ที่ดีเท่ากับแพทย์ 2 คน ในความเป็นจริง โมเดลนี้ทำได้ดีกว่าแพทย์คนเดียวในการตรวจพบมะเร็งเต้านม เมื่อเปรียบเทียบอัตราผลลัพธ์เท็จระหว่าง AI และแพทย์ AI มีการลดอัตราผลลัพธ์เท็จลงเล็กน้อย โดยมีความแม่นยำมากกว่า 1.2% โดยรวม ตามผลการวิจัย โมเดล AI ยังลดอัตราผลลัพธ์เท็จลบ (กรณีที่มะเร็งแท้จริงถูกพลาด) ลงประมาณ 2.7% ด้วย

หนึ่งในผู้เขียนบทความนี้ คือ Ara Darzi ผู้อำนวยการ Cancer Research UK Imperial Center อธิบายว่าทีมวิจัยไม่คาดว่าระบบของพวกเขาจะให้ผลลัพธ์ที่มีคุณภาพสูงขนาดนี้ อย่างไรก็ตาม Darzi ตื่นเต้นกับโอกาสที่จะปรับปรุงประสิทธิภาพและความแม่นยำในการตรวจคัดกรองมะเร็ง

mะเร็งเต้านมเป็นมะเร็งอันดับสองที่เป็นสาเหตุของการเสียชีวิตในผู้หญิง แต่ผลลัพธ์สามารถปรับปรุงได้อย่างมากหากมีการวินิจฉัยโรคในระยะแรก ตามที่ American Cancer Society ระบุ ปัจจุบันแม้แต่โปรแกรมการตรวจคัดกรองขนาดใหญ่ก็พลาดกรณีมะเร็งเต้านมประมาณ 1 ใน 5

ด้วยเหตุนี้ ทีมวิจัยจึงมีความหวังว่าระบบของพวกเขาจะได้รับการปรับปรุงและสามารถทำได้ดีกว่าแพทย์ที่ดีที่สุด ทีมวิจัยยังระบุด้วยว่าแอลกอริทึมของพวกเขาอาจช่วยแก้ปัญหาการขาดแคลนแพทย์ผู้เชี่ยวชาญด้านการถ่ายภาพรังสี ตามรายงานของ Royal College of Radiologists ในสหราชอาณาจักร คาดว่าจะมีการขาดแคลนแพทย์ผู้เชี่ยวชาญด้านการถ่ายภาพรังสีเกือบ 2,000 คนภายในปี 2023 หากไม่มีการดำเนินการใดๆ เพื่อแก้ไขปัญหานี้

อย่างไรก็ตาม Darzi ยอมรับว่าในขณะนี้ระบบยังไม่พร้อมที่จะเริ่มแทนที่มนุษย์และใช้เป็นตัวตัดสินรองที่สอง เครื่องมือ AI ในสาขาสุขภาพมักจะล้มเหลวในการให้ผลลัพธ์ที่สัญญาไว้เนื่องจากปัจจัยที่ซับซ้อนซึ่งไม่สามารถจำลองได้ในกระบวนการฝึกอบรม ข้อจำกัดหลักของการศึกษานี้คือภาพรังสีทั้งหมดมาจากเครื่องมือการถ่ายภาพรังสีเดียว และภาพเหล่านั้นขาดความหลากหลาย ตาม QZ ทีมวิจัยไม่มีการเข้าถึงข้อมูลที่สามารถใช้เพื่อกำหนดความหลากหลายของภาพในฐานข้อมูล และด้วยเหตุนี้จึงไม่สามารถรู้ได้ว่าระบบยังคงมีความแม่นยำสูงเมื่อถูกขอให้ตรวจสอบภาพรังสีของคนกลุ่มน้อย มีความไม่เท่าเทียมกันทางเชื้อชาติในการวินิจฉัยมะเร็งเต้านมทั้งในสหราชอาณาจักรและสหรัฐอเมริกา โดยผู้หญิงสีดำมีโอกาสที่จะไม่ได้รับการตรวจคัดกรองมะเร็งเต้านมน้อยกว่าในประเทศอังกฤษ

Google มีแผนที่จะใช้เวลาในการแก้ไขความไม่เท่าเทียมกันในข้อมูลที่โมเดลได้รับการฝึกฝน ก่อนที่จะนำไปใช้กับหุ้นส่วนด้านสุขภาพ โดยมีเป้าหมายที่จะสร้างฐานข้อมูลที่ใหญ่ขึ้นและครอบคลุมมากขึ้น ระบบจะจำเป็นต้องได้รับการทดสอบในงานวิจัยทางคลินิกก่อนที่จะพร้อมสำหรับการใช้งานในสถานพยาบาล แอลกอริทึมที่พัฒนาโดยทีมวิจัยมีพลังในการปรับปรุงผลลัพธ์ด้านสุขภาพและช่วยชีวิต แต่เฉพาะหากได้รับการทดสอบอย่างรอบคอบและเข้มงวดเท่านั้น