ตามที่ศูนย์ควบคุมโรคแห่งสหรัฐอเมริกา (Centers for Disease Control) ได้ประมาณการณ์ไว้ว่าประชากรในสหรัฐอเมริกาประมาณ 2.7 – 6.1 ล้านคนจะมีภาวะหัวใจห้องบนสั่นพลิ้ว (Atrial Fibrillation) ซึ่งเป็นประเภทที่พบมากที่สุดของอาการสัญญาณหัวใจเต้นผิดจังหวะ ดังนั้นเพื่อช่วยให้คัดแยกความผิดปกติของสัญญาณหัวใจที่ยังไม่เป็นอันตรายกับแบบที่จะส่งผลกระทบถึงชีวิตได้นั้น นักวิจัยจากมหาวิทยาลัยแสตนฟอร์ด (Stanford University) มหาวิทยาลัยแคลิฟอร์เนีย ซานฟรานซิสโก (University of California, San Francisco: UCSF) และ Rhythm Technologies จึงรวมกันพัฒนาระบบ deep learning ที่จะช่วยสามารถคัดแยกภาวะสัญญาณหัวใจเต้นผิดปกติแบบต่างๆ ได้อัตโนมัติ ซึ่งงานวิจัยนี้เพิ่งได้ตีพิมพ์ในวารสาร Nature Medicine อีกด้วย
โดยทีมวิจัยได้ใช้เฟรมเวิร์ก TensorFlow เพื่อเทรนระบบโครงข่ายประสาทเทียม deep neural network เพื่อสามารถตรวจจับสัญญาณหัวใจ 12 แบบจากข้อมูลภาพคลื่นไฟฟ้าหัวใจ (Electrocardiogram : ECG) ที่ทำให้กลายเป็นข้อมูลในคอมพิวเตอร์ ซึ่งข้อมูล data set ที่ใช้เทรนนั้นได้รวบรวมมาจากการบันทึกข้อมูล ECG 91,000 ข้อมูลจากผู้ป่วย 53,549 คน
“ในงานวิจัยนี้ พวกเราสร้างฐานข้อมูล ECG ขนาดใหญ่และไม่เคยมีมาก่อน ที่ซึ่งข้อมูล ECG ที่หลากหลายแบบนั้นได้ผ่านการ annotate จากผู้เชี่ยวชาญต่างๆ มา” นักวิจัยกล่าวไว้ในงานตีพิมพ์ “งานวิจัยนี้คือการจำลองให้เห็นอย่างเข้าถึงวิธีการ deep learning ที่สามารถดำเนินการคัดแยกคัดกรองวินิจฉัยสัญญาณไฟฟ้าหัวใจ ECG ในประเภทที่พบมากที่สุดได้เป็นครั้งแรก”
นักวิจัยยังได้กล่าวว่าโครงข่าย deep neural network นั้นสามารถคัดแยกภาวะหัวใจห้องบนสั่นพลิ้วได้ 10 แบบ รวมทั้งเสียงของไซนัสและเสียงรบกวนได้ด้วยความแม่นยำ 97% แต่การทดสอบกับชุดข้อมูลทดสอบนั้นยังได้ต่ำกว่า 97%
โครงสร้างของ deep neural network ตามภาพด้านบนนั้นประกอบไปด้วย 33 convolutional layer ซึ่งตามมาด้วย output layer 1 ชั้นและ softmax ซึ่งโครงข่ายจะรับข้อมูล ECG เข้าไป (ด้วยความถี่ 200 Hz) และผลลัพธ์ที่ได้จะออกมาเป็น 1 ใน 12 แบบสัญญาณหัวใจที่เป็นไปได้ที่กำหนดไว้
งานวิจัยนี้นำโดยคุณ Awni Hannun และคุณ Andrew Ng จากมหาวิทยาลัยแสตนฟอร์ด ซึ่งคุณ Hannun ได้รับทุนจากทาง NVIDIA และทางสถาบันวิจัยวิทยาศาสตร์สาธารณสุขแห่งสหรัฐอเมริกา (National Institutes of Health) ก็สนับสนุนงานนี้เช่นกัน
Source : https://news.developer.nvidia.com/ai-helps-detect-irregular-heartbeats/