ในสหรัฐอเมริกานั้นมีสตรีถึงประมาณ 3.1 ล้านคนที่มีประวัติเกี่ยวกับมะเร็งเต้านม และในปีนี้ก็มีถึง 266,000 คนแล้วที่คาดว่าจะถูกวินิจฉัยว่ามีมะเร็งเต้านมอยู่ เพื่อช่วยให้แพทย์สามารถที่จะตรวจจับและรักษาโรคดังกล่าวนี้ได้ ทีมนักวิจัยจึงได้กำลังมุ่งเน้นไปที่เรื่องระบบปัญญาประดิษฐ์ (Artificial Intelligence) กันมากขึ้นและในเร็วๆ นี้จึงได้มีงานตีพิมพ์จากมหาวิทยาลัย University of North Carolina โดยนักวิจัยได้อธิบายตัวระบบที่ใช้ deep learning ที่พวกเขาได้พัฒนาเพื่อวิเคราะห์โรคมะเร็งเต้านมจากภาพถ่ายพยาธิวิทยาทางดิจิทัล (digital pathology image) แล้วคัดแยกเนื้องอกได้ด้วยความแม่นยำสูง
“รายละเอียดเกี่ยวกับภาพของโรคมะเร็งนั้นเป็นส่วนที่สำคัญในการวินิจัยคาดคะเนในคลินิก” นักวิจัยกล่าวไว้ในงานตีพิมพ์ “ตัวอย่างเช่น เกรดของก้อนเนื้อนั้นจะส่งผลต่อการอยู่รอดได้ ถึงแม้ว่านงอกจากดูเรื่อก้อนเนื้อแล้วยังจะต้องดูรายละเอียดในการคาดคะเนอื่นๆ อีก อย่างเช่นความสามารถในการรับฮอร์โมนเอสโตรเจน (estrogen receptor positivity)”
โดยวิธีการวินิจฉัยที่ก้าวหน้าไปแล้วส่วนใหญ๋นั้นจะขึ้นกับวิธ๊การเชิงโมเลกุล ซึ่งจะมีค่าใช้จ่ายสูงและไม่สามารถดำเนินการได้เป็นประจำกับผู้ป่วยในคลินิกได้ทั้งหมด เนื่องจากบางคนอาจจะไม่สามารถที่จะจ่ายได้ นักวิจัยกล่าว
ทีมวิจัยได้เทรนระบบโครงข่าย Convolutional Neural Network บนภาพถ่ายพยาธิวิทยาของก้อนเนื้อโรคมะเร็งถึง 500 ภาพจากการศึกษาโรคมะเร็งของแคโรไลนา (Carolina Breast Cancer Study) ในการคัดแยกเกรดของก้อนเนื้อ สถานะตัวรับฮอร์โมนเอสโตรเจน (estrogen receptor status) PAM50 intrinsic subtype และ histologic subtype ซึ่งสิ่งนี้จึงทำให้สามารถคำนวนค่าความเสี่ยงที่จะเกิดขึ้นใหม่โดยอิงจากข้อมูลชุดนี้ได้
ทีมงานได้ทดสอบความแม่นยำของโครงข่ายนี้โดยทดสอบกับข้อมูลภาพที่แยกออกมา 288 ภาพ ซึ่งอัลกอริทึมนั้นสามารถที่จะคัดแยกเนื้องอกที่เป็นเกรดไม่อันตรายมาก (low-intermediate) และอันตราย (high) ด้วยความแม่นยำ 82%
“การใช้ระบบปัญญาประดิษฐ์ (Artificial Intelligence) หรือระบบการเรียนรู้ของเครื่อง (Machine Learning) นั้นจึงทำให้พวกเราสามารถที่จะดำเนินการได้หลายสิ่งที่นักพยาธิวิทยาสามารถทำได้ในลักษณะเดียวกันด้วยความแม่นยำที่ใกล้เคียง แต่พวกเราสามารถที่จะทำสิ่งนั้นหรือสองสิ่งที่นักพยาธิวิทยาไม่สามารถดำเนินการได้ภายในวันเดียว” ดร. Charles M. Perou แห่ง UNC Lineberger ศาสตราจารย์ด้านพันธุศาสตร์และพยาธิวิทยาและห้องปฏิบัติการยาในโรงเรียนแพทย์ของมหาวิทยาลัยกล่าว
ทีมงานหวังว่าวันหนึ่งอัลกอริทึมนี้จะสามารถถูกนำเอาไปใช้งานเพื่อที่จะแยกแยะให้กับผู้ป่วยได้ อีกส่วนหนึ่งที่จะนำไปใช้งานได้คือการคัดแยกสถานะตัวรับฮอร์โมนเอสโตรเจนของก้อนเนื้อได้โดยตรงจากภาพถ่ายพยาธิวิทยา สิ่งนี้จะเป็นประโยชน์ได้อย่างมากในประเทศที่มีทรัพยากรในห้องปฏิบัติการจำกัด
Source : https://news.developer.nvidia.com/deep-learning-helps-doctors-classify-breast-cancer-tumors/