ตามข้อมูลสมาคมโรคอัลไซเมอร์ มีผู้คนชาวอเมริกันประมาณ 5.7 ล้านคนในทุกๆ ช่วงวัยนั้นกำลังใช้ชีวิตอยู่กับโรคอัลไซเมอร์อยู่แล้ว ซึ่งสิ่งนี้รวมไปถึงคน 5.5 ล้านคนที่อายุตั้งแต่ 65 ปีขึ้นไป และอีกราวๆ 200,000 คนที่อายุน้อยกว่า 65 ปีที่เริ่มมีอาการสมองเสื่อมคล้ายๆ อัลไซเมอร์ ดังนั้นเพื่อที่จะช่วยให้แพทย์วินิจฉัยโรคดังกล่าวนี้ ทีมวิจัยจากมหาวิทยาลัยแสตนฟอร์ดจึงได้สร้างระบบ deep learning ที่ช่วยให้สามารถตรวจจับโรคอัลไซเมอร์และข้อมูล biomarker จากภาพ MRI ได้อย่างอัตโนมัติ และมีความถูกต้องถึง 94%
“โรคอัลไซเมอร์นั้นเป็นหนึ่งในประเด็นสุขภาพที่มีการเกิดมากขึ้นเรื่อยๆ มากที่สุด ซึ่งทำให้เกิดความสูญเสียในหลายๆ ชีวิต และจำนวนคนที่จะมีอาการคลุ้มคลั่งจากโรคอัลไซเมอร์นั้นถูกคาดการณ์ไว้ว่าจะเพิ่มขึ้นถึง 2 เท่าภายในอีก 20 ปีข้างหน้านี้ในสหรัฐอเมริกา” นักวิจัยกล่าวไว้ในงานตีพิมพ์ “ด้วยการพัฒนาล่าสุดของ deep learning และอัลกอริทึมระบบโครงข่าย Convolutional Neural Network (CNN) ในการศึกษาด้าน Computer Vision และอีกหลายๆ วิธีต่างๆ ที่ได้สร้างมาสำหรับเรื่องแอปพลิเคชัน medical imaging อย่างไรก็ดี โดยส่วนใหญ่ของงานก่อนหน้านี้มักจะมุ่งเน้นไปในเรื่องของการทำ segmentation, registration, landmark หรือ lesion detection” ทีมงานอธิบาย
โดยทีมงานได้เทรนระบบโครงข่าย 3D Convolutional Neural Network บนเฟรมเวิร์ก TensorFlow กับข้อมูล dataset จาก Alzheimer’s Disease Neuroimaging Initiative ซึ่งทำให้ระบบโครงข่ายประสาทเทียมได้เรียนรู้ที่จะตีความ (interpret) จากส่วนในภาพต่างๆ ของสมองและภาพที่เกี่ยวข้องกับโรคที่แตกต่างกันไปได้ รวมถึงข้อมูล biomarker ที่เชื่อมต่อไปสู่โรคอัลไซเมอร์ด้วย
“วิธีการของพวกเรานั้นใช้การประมวลผล preprocessing กับภาพ MRI ให้น้อยที่สุด และใช้ประโยชน์จากกลยุทธ์การทำ data augmentation แบบง่ายๆ ในการทำ downsampling ภาพ MRI เพื่อวัตถุประสงค์ในการเทรนระบบ” นักวิจัยกล่าวไว้ในงานตีพิมพ์
งานนี้ได้ผลลัพธ์ประสิทธิภาพในการทำ classification ที่ดีที่สุดเมื่อเทียบกับ 2 วิธีก่อนหน้านี้ อีกทั้งยังนำไปสู่การค้นพบ biomarker ที่เกี่ยวข้องกับโรคอีกด้วย
“พวกเราค้นพบตรงส่วนฮิปโปแคมปัสในสมองนั้นเป็นส่วนสำคัญมากในการวินิจฉัยโรคอัลไซเมอร์ ด้วยการปรับจูนตัวแปร hyperparameter และการใช้ประโยชน์จากโครงสร้างโมเดลที่ดีที่สุดในการทำ binary classification พวกเรา fine tune โมเดลผลลัพธ์สำหรับการวินิจฉัย Mild Cognitive Impairment เช่นกัน”
ทีมงานยังกล่าวว่าความง่ายของระบบโครงข่าย CNN ของพวกเราน้นให้ผลลัพธ์ที่ดีกว่าในการทดสอบ เมื่อเทียบกับวิธีอื่นๆ ที่มีความซับซ้อนของโครงสร้างมากกว่า ซึ่งแปลว่าระบบนี้จะมีความผิดพลาดที่น้อยกว่า
