ในสัปดาห์ที่ผ่านมา บริษัท startup นาม Qure.ai บริษัทด้านการดูแลสุขภาพ (healthcare) และสมาชิกของโปรแกรม NVIDIA Inception นั้นได้เปิดตัวเทคโนโลยี deep learning เพื่อที่จะตรวจหาจุดเลือดออก จุดกระดูกร้าวหัก หรือความผิดปกติอื่นๆ ที่ร้ายแรงจากภาพ CT scan ของศีรษะคนได้อย่างถูกต้อง
ระบบนั้นมีศักยภาพที่จะช่วยผู้ป่วยที่มีอาการบาดเจ็บตรงศีรษะอย่างรุนแรงหรือเริ่มแสดงให้เห็นว่ามีภาวะสมองขาดเลือด (stroke) ได้เป็นอย่างมาก โดยระบบสามารถอ่านข้อมูลจากภาพ CT scan เพื่อทำนายได้ทันที ซึ่งวิธีการของ startup เจ้านี้สามารถลดระยะเวลาลงไปได้มาก โดยไม่จำเป็นจะต้องรอรังสีแพทย์ (radiologist) มีเวลาที่จะดำเนินการตรวจสอบวิเคราะห์ภาพจำนวนมากได้
“เทคโนโลยีสแกนจากภาพ CT scan แบบใหม่ของบริษัท Qure.ai นั้น สามารถที่จะแสดงผลการตรวจสอบได้สำเร็จภายในระยะเวลาน้อยกว่า 10 วินาที ซึ่งจะสามารถหาจำนวนจุดที่มีอาการผิดปกติได้พร้อมกับสามารถประเมินความรุนแรงในแต่ละจุดอีกด้วย” คุณ Prashant Warier ผู้ร่วมก่อตั้งและ CEO บริษัท Qure.ai กล่าว “สิ่งนี้เองจึงทำให้เกิดการจัดเรียงความสำคัญของคนไข้และสามารถสลับคิวรักษาได้อย่างเหมาะสม”
ทีมงาน Qure.ai นั้นได้ดำเนินการเทรนระบบของพวกเขาบนเฟรมเวิร์ก PyTorch โดยใช้ข้อมูลภาพ CT scan ประมาณ 300,000 ตัวอย่างโดยมีการติดป้าย (label) ข้อมูลเพื่อเทรนไว้ ซึ่งทีมได้แบ่งข้อมูลเพื่อตรวจสอบโมเดลไว้ที่ 491 ตัวอย่าง โดยเมื่อเทียบกับผลลัพธ์จากรังสีแพทย์อาวุโสที่อยู่สถาบันการศึกษาชั้นนำนั้นพบว่า วิธีการของระบบ Qure.ai นั้นได้ผลความถูกต้อง (accuracy) ถึง 95% ในการตรวจหาสิ่งผิดปกติ
“ในการเทรนโมเดล deep learning โดยเฉพาะในด้านสุขภาพนั้นเป็นเพียงส่วนหนึ่งในการสร้างผลิตภัณฑ์ระบบ AI ที่ประสบความสำเร็จได้ โดยการนำมาสู่ผู้ปฏิบัติงานในด้านสุขภาพนั้นเป็นความท้าทายและน่าสนใจอย่างมาก” คุณ Ankit Modi นักวิทยาศาสตร์ AI และสมาชิกผู้ก่อตั้ง Qure.ai เขียนใน blog “ยังมีอีกหลากหลายกระบวนงานที่จะโน้มน้าวให้แพทย์นั้นเริ่มใช้งานระบบ AI เนื่องจากการทำงานแบบเดิมๆ ในบางโรงพยาบาลที่ยังขาดโครงสร้างพื้นฐานสมัยใหม่ของศูนย์รังสีวิทยา (raidology center) นั้น จะทำให้กระบวนการสแกนออกมานั้นมีขั้นตอนที่แตกต่างกันไปในแต่ละที่ได้”
โดยผลของงานวิจัยของบริษัท startup นี้สามารถดาวน์โหลดได้จากที่นี่
Source : https://news.developer.nvidia.com/startup-launches-ai-system-to-detect-brain-abnormalities/