หนึ่งในสามของผู้ป่วยที่เสียชีวิตในโรงพยายาลของสหรัฐอเมริกานั้นคือมีเชื้อแบคทีเรียในร่างกาย ซึ่งเป็นภาวะติดเชื้อแทรกซ้อนที่คุกคามชีวิตได้ เพื่อที่จะช่วยตรวจจับโรคได้อย่างรวดเร็วที่สุดเท่าที่จะเป็นไปได้ นักวิจัยจาก MIT จึงกำลังพัฒนาวิธีการ deep learning ที่ช่วยให้สามารถตรวจจับความเจ็บป่วยในมนุษย์ได้อัตโนมัติเกือบ real-time
โดยทีมได้เทรนโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก PyTorch เพื่อที่จะคัดแยกว่าในภาพคือติดเชื้อหรือไม่ติดเชื้อจากวีดีโอการไหลเวียนของเลือดในเส้นเลือดฝอยของผู้ป่วย
Microcirculation หรือการไหลเวียนของเลือดในเส้นเลือดฝอยนั้นเป็นหลอดเลือดที่มีขนาดเล็กที่สุดและมีอยู่ทั่วร่างกาย ซึ่งเมื่อมีการเปลี่ยนแปลงอย่างทันทีทันในในเส้นเลือดฝอย รวมไปถึงการเปลี่ยนแปลงการไหลเวียนในเลือด นั้นมักจะมีความเกี่ยวข้องกับการติดเชื้อแบคทีเรีย ซึ่งการศึกษาก่อนหน้านี้ได้สามารถตรวจจับความผิดปกติในการไหลเวียนในเส้นเลือดฝอยในวีดีโอของหมูหรือสัตว์อื่นๆ ได้สำเร็จ และสิ่งนี้เป็นครั้งแรกในการศึกษาที่สามารถใช้ระบบ deep learning ในการตรวจจับความผิดปกติของการไหลเวียนในเส้นเลือดฝอยได้ในมนุษย์ที่มีอาการป่วยอย่างหนัก
โดยทีมงานได้เก็บรวบรวมข้อมูลเทรนจากผู้ป่วยที่ยินยอมอนุญาตจากหน่วยงานที่ดูแลอย่างดีในศูนย์ Beth Israel Deaconess Medical Center ในเมืองบอสตัน แมสซาชูเซต ซึ่งเป็นโรงพยาบาลฝึกสอนของมหาวิทยาลัยฮาร์วาร์ด โดยวีดีโอได้เก็บรวบรวมจากผู้ป่วยที่ถูกวินิจฉัยว่ามีอาการติดเชื้อและที่ไม่ติดเชื้อแบคทีเรีย
ทีมได้ใช้ ResNet18 เป็นฐาน และได้สร้างสถาปัตยกรรม 10-layer เข้ามา และวีดีโอที่นำมาเทรนนั้นจะถูกตัดและลดขนาดเหลือ 224x224x3 pixel เพื่อสร้าง dataset ให้มีลักษณะเดียวกัน และจากนั้น ทีมก็นำมาประยุกต์กับ Adam optimizer ซึ่งเมื่อเทรนเสร็จสิ้น ตัว classifier ก็สามารถทำนายได้ด้วยความแม่นยำ 89%
นักวิจัยกล่าวว่ายังคงมีข้อมูลที่ไม่ขึ้นต่อกันที่แปลกแยกอยู่ซึ่งน่าจะเรียนรู้ได้เหลืออยู่ ซึ่งจะสามารถช่วยให้คัดแยกความแตกต่างระหว่างภาพที่มีการติดเชื้อหรือไม่ติดเชื้อได้
“พวกเราสันนิษฐานว่าโครงข่ายของพวกเรานั้นอาจจะสามารถเรียนรู้ฟีเจอร์ที่คัดแยกข้อมูลต่างๆ ได้ อย่างเช่น จำนวนความแตกต่าง ความยาก ความดันของหลอดเลือดในภาพต่างๆ ที่เป็นแบบติดเชื้อกับไม่ติดเชื้อได้” นักวิจัยกล่าวไว้ในงานตีพิมพ์ โดยงานตีพิมพ์นี้ได้เผยแพร่ไว้ใน ArXiv
