"จากโค้ดคอมพิวเตอร์ถึงโรคมะเร็ง: ปัญญาประดิษฐ์พลิกโฉมวงการแพทย์ได้อย่างไร"


Editorial Team
Date: 25/07/2560
0 Share

จากโค้ดคอมพิวเตอร์ถึงโรคมะเร็ง: ปัญญาประดิษฐ์พลิกโฉมวงการแพทย์ได้อย่างไร
Credit: Twimg
 
โรคร้ายที่ทุกคนหวาดกลัวอย่างมะเร็ง อาจมีหนทางตรวจสอบและรักษาได้ทันเวลา ด้วยเทคโนโลยีที่ก้าวหน้าของปัญญาประดิษฐ์
 
สรุปไอเดียสำคัญ
  • ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) มีศักยภาพในการช่วยพัฒนาการวินิจฉัยทางการแพทย์เป็นอย่างมาก
  • บรรดานักลงทุนต่างหลั่งไหลมาลงทุนด้านนี้
  • ทว่าเทคโนโลยีดังกล่าวยังอยู่ระหว่างการทดสอบ
  • ปัญหาความท้าทายอื่น ๆ ของปัญญาประดิษฐ์ ได้แก่ ค่าใช้จ่าย การเข้าถึงข้อมูล รวมไปถึงความเข้าใจเกี่ยวกับวิธีการสรุปผลของคอมพิวเตอร์
เรจิน่า บาร์ซิเลย์ เป็นผู้สอนให้คอมพิวเตอร์รู้จักเรียนรู้ เรจิน่าดำรงตำแหน่งศาสตราจารย์ที่สถาบันเทคโนโลยีแห่งแมสซาชูเซตส์ (Massachusetts Institute of Technology) ผลงานของเรจิน่าเน้นการประมวลผลภาษาธรรมชาติ ซึ่งเป็นการสอนคอมพิวเตอร์ให้เข้าใจภาษาพูดของมนุษย์ จนกระทั่งวันหนึ่งเมื่อสามปีก่อน ที่เรจิน่าถูกวินิจฉัยว่าเป็นมะเร็งเต้านม

"การฝ่ามรสุมนี้ทำให้ทราบดีว่า ทุกวันนี้เรามีเทคโนโลยีในการช่วยคุณเลือกซื้อรองเท้าในอเมซอนที่มีความล้ำหน้ากว่าเทคโนโลยีที่ใช้ปรับเปลี่ยนวิธีการรักษาผู้ป่วยโรคมะเร็ง" เรจิน่ากล่าวในการให้สัมภาษณ์ ณ ที่ทำงานในเคมบริดจ์ "ฉันอยากจะแน่ใจจริง ๆ ว่าความชำนาญที่เรามีอยู่จะถูกนำมาช่วยเหลือผู้คนได้"

ตอนนี้ กลุ่มของเรจิน่า ซึ่งร่วมมือกับโรงพยาบาลกลางแมสซาชูเซตส์ (Massachusetts General Hospital) กำลังใช้ความเชี่ยวชาญด้านปัญญาประดิษฐ์และการเรียนรู้ของคอมพิวเตอร์ เพื่อพัฒนาการวินิจฉัยและรักษาโรคมะเร็ง คนกลุ่มนี้กำลังตั้งคำถาม เช่น คอมพิวเตอร์สามารถตรวจพบร่องรอยของมะเร็งเต้านมจากการตรวจแมมโมแกรมได้ก่อนที่มนุษย์ยุคปัจจุบันจะทำได้หรือไม่ รวมถึงคำถามที่ว่าการเรียนรู้ของคอมพิวเตอร์จะช่วยให้แพทย์สามารถเรียกใช้ข้อมูลเกี่ยวกับผู้ป่วยที่มีอยู่จำนวนมหาศาลมาช่วยตัดสินใจในการหาวิธีรักษาที่เหมาะสมกับผู้ป่วยแต่ละรายได้มากกว่าเดิมหรือไม่

บางคนมองว่าเรื่องนี้ยังอยู่ในช่วงเปลี่ยนผ่านของวงการแพทย์

"บางทีศักยภาพที่ว่านี้อาจมีมากที่สุดในบรรดาเทคโนโลยีในวงการแพทย์เท่าที่เราเคยมีมา" ดร. เอริค โทโพล ผู้อำนวยการสถาบันวิทยาศาสตร์สคริปปส์ ทรานสเลชั่นแนล (Scripps Translational Science Institute) กล่าว "ความสามารถในการคำนวณอาจเหนือกว่าสิ่งที่มนุษย์ทำได้ในชั่วอายุคนทีเดียว"

การลงทุนเริ่มทะลักเข้ามา ทั้งจากบริษัทเทคโนโลยียักษ์ใหญ่อย่าง IBM's Watson, Alphabet และ Philips ไปจนถึงบริษัทยาและบริษัทสตาร์ทอัพที่เพิ่มจำนวนอย่างรวดเร็ว  คาดว่าตลาดปัญญาประดิษฐ์ด้านการดูแลสุขภาพและวิทยาศาสตร์ชีวภาพจะเติบโตร้อยละ 40 ต่อปี ไปเป็น 6.6 พันล้านดอลลาร์ในปี 2564 ตามการประมาณการณ์ของ Frost & Sullivan

คาดกันว่าแนวทางประยุกต์ใช้ในช่วงเริ่มแรกจะเป็นเรื่องของการวินิจฉัยโรค สำหรับเรจิน่าแล้ว ความสามารถของคอมพิวเตอร์ในการตรวจดูรูปภาพมีศักยภาพในการตรวจจับในระยะแรกเริ่ม ตัวเธอเองเคยผ่านการตรวจแมมโมแกรมมานานกว่าสองปีก่อนมีการวินิจฉัยเมื่อเธออายุได้ 43 ปี
 
how-AI-is-changing-medicine
โจนาธาน วิกกส์ | บอสตัน โกลบ | เก็ตตี้ อิเมจ
จากซ้าย: ทอมมิ จาคโคล่า และเรจิน่า บาร์ซิเลย์ ศาสตราจารย์จากเอ็มไอที เคมบริดจ์ รัฐแมสซาชูเซตส์ รูปถ่ายเมื่อวันที่ 5 เมษายน 2560 ทั้งสองสอนหลักสูตรยอดนิยมเกี่ยวกับการเรียนรู้ของคอมพิวเตอร์

"เมื่อมองย้อนกลับไป ชัดเลยว่าไม่พบเนื้องอกในการตรวจแมมโมแกรมครั้งก่อน ๆ แต่ในรูปภาพที่มีความซับซ้อนมากเหล่านี้มีอะไรที่บ่งบอกถึง…พัฒนาการที่ผิดปกติหรือเปล่า?" เรจิน่าถาม "เรารู้ว่าจู่ ๆ มันคงไม่ปรากฏให้เห็นหรอก กระบวนการทางชีวภาพมีผลทำให้มันเติบโตและมันส่งผลต่อเนื้อเยื่ออย่างชัดเจน การประเมินการเปลี่ยนแปลงออกมาเป็นเชิงตัวเลขสำหรับคนที่ตรวจดูเนื้อเยื่อจึงเป็นไปอย่างยากลำบาก แต่เครื่องคอมพิวเตอร์สามารถตรวจดูภาพพวกนี้เป็นจำนวนหลายล้านภาพได้ ส่วนนี้น่าจะช่วยให้พวกเขามองเห็นสัญญาณเหล่านี้ได้มากทีเดียว"

ดร.แอนดี้ เบ็ค นักพยาธิวิทยาจากโรงเรียนแพทย์ฮาร์วาร์ด (Harvard Medical School) และศูนย์การแพทย์เบธอิสราเอล (Beth Israel Deaconess) และอดิตยา คอสลา (Aditya Khosla) นักวิทยาศาสตร์คอมพิวเตอร์ซึ่งร่ำเรียนมาจากเอ็มไอทีและคาลเท็ค ก็กำลังจัดการกับการวินิจฉัยโรคมะเร็งโดยใช้รูปภาพด้วยเช่นกัน คนกลุ่มนี้กำลังสอนคอมพิวเตอร์ให้ตรวจดูภาพสไลด์ดิจิทัล และเรียนรู้วิธีแยกแยะความแตกต่างของเซลล์มะเร็งออกจากเซลล์ที่ไม่ใช่เซลล์มะเร็ง

ทั้งสองก่อตั้งบริษัทสตาร์ทอัพในชื่อ PathAI เมื่อปีที่แล้ว หลังจากเทคโนโลยีของทั้งสองชนะการแข่งขันในการตรวจหามะเร็งเต้านม

แอนดี้ได้ให้คำอธิบายจากสำนักงานใหญ่ของ PathAI ในเคมบริดจ์ แมสซาชูเซตส์ ว่า ในการแข่งขันเมื่อเดือนเมษายนปี พ.ศ.2559 นักพยาธิวิทยาผู้เชี่ยวชาญ ซึ่งได้รับมอบภารกิจเดียวกันกับทีมคอมพิวเตอร์ มีอัตราความผิดพลาด (error rate) อยู่ที่ประมาณร้อยละ 3.5 ส่วนทีมของทั้งสองมีอัตราความผิดพลาด (error rate) ใกล้เคียงร้อยละ 7.5 ซึ่งดีที่สุดในการแข่งขัน

แอนดี้กล่าวว่า เรื่องที่น่าสนใจที่สุด คือ การจับคอมพิวเตอร์กับนักพยาธิวิทยามาอยู่ด้วยกัน

"การรวมมนุษย์กับปัญญาประดิษฐ์ในตัวอย่างนี้ช่วยลดอัตราความผิดพลาดของผู้เชี่ยวชาญลงได้ถึงร้อยละ 85" แอนดี้กล่าว "ถือเป็นการค้นพบที่น่าตื่นเต้นจริง ๆ"

และเพราะความที่คอมพิวเตอร์ซึ่งถูกสอนมาแล้วเหล่านี้ฉลาดขึ้นเวลาข้อมูลที่ถูกป้อนมีมากขึ้น และเมื่อเวลาผ่านไปเทคโนโลยีของทีม PathAI ก็จะพัฒนาตามไปเรื่อย ๆ เมื่อเดือนพฤศจิกายน ระบบของแอนดี้และอดิตยาก็แซงหน้าผู้เชี่ยวชาญที่เป็นมนุษย์ไปแล้ว

นักวิจัยยังใช้การเรียนรู้ของคอมพิวเตอร์เพื่อเชื่อมโยงข้อมูลที่คนอาจมองไม่เห็น ทีมของโจแอล ดัดลีย์ จากเมาท์ซินาย รัฐนิวยอร์ก พัฒนาระบบที่ชื่อว่า Deep Patient ซึ่งสืบค้นข้อมูลด้านสุขภาพที่ไม่ได้ระบุตัวตนของผู้ป่วยในระบบโรงพยาบาล และรวบรวมข้อมูลต่าง ๆ ไว้หลายทาง

"หนึ่งในแง่มุมที่มีประสิทธิผลของการเรียนรู้เชิงลึกคือการเรียนรู้ลักษณะต่าง ๆ โดยไม่จำเป็นต้องอยู่ภายใต้การควบคุม" โจแอลอธิบาย "หมายความว่า คุณไม่ต้องจำกัดสิ่งที่คุณคิดว่าจำเป็นในการทำนายหรือทำโมเดลไว้ล่วงหน้า"

ยกตัวอย่างเช่น แพทย์หรือนักวิจัยที่เน้นเรื่องโรคเบาหวานประเภท 2 อาจพัฒนาโมเดลที่เน้นเรื่องระดับน้ำตาลในเลือดหรือน้ำหนักเพื่อพยายามทำนายคนที่อาจเสี่ยงเป็นโรคดังกล่าว

"แต่ถ้างั้นแล้ว มันจะเป็นการเพิกเฉยต่อข้อมูลอื่น ๆ ทั้งหมดในประวัติสุขภาพที่อาจเป็นประโยชน์ต่อการทำนายผู้ที่มีความเสี่ยง" โจแอลกล่าวว่า "เราก็เลยใช้แนวทางการเรียนรู้เชิงลึก ที่เราเพียงแค่ใส่ข้อมูลทั้งหมดที่เรามีเกี่ยวกับผู้ป่วย 5 ล้านคนในระบบสุขภาพของเรา จากการทดสอบอะไรก็ได้ที่เคยทำกับผู้ป่วย"

ผลการวิจัยที่ตีพิมพ์เมื่อปีที่แล้วในวารสารเนเจอร์ (Nature) ทีมของโจแอลได้แสดงให้เห็นว่า Deep Patient ได้พัฒนาการทำนายโรค ตั้งแต่โรคจิตเภท มะเร็ง ไปจนถึงโรคเบาหวานแบบรุนแรง

นอกจากนี้ เรจิน่าจากเอ็มไอทียังรู้สึกขัดใจกับโมเดลทางการแพทย์ที่ไม่ค่อยจะทันสมัย ระหว่างเธอเข้ารับการรักษามะเร็งเต้านม เธอตั้งคำถามเกี่ยวกับผลของยาแต่ละขนานสำหรับผู้ป่วยอย่างเธอ
 
how-AI-is-changing-medicine-connent
มีเดียฟอร์เมดิคัล | เก็ตตี้ อิเมจ
สตรีเข้ารับการตรวจแมมโมแกรม

"พวกเขาได้ศึกษาเรื่องนี้ ซึ่งได้รับการตีพิมพ์ในวารสารการแพทย์นิวอิงแลนด์ (New England Journal of Medicine) และผู้หญิงที่เป็นแบบฉันก็มีจำนวนน้อยมาก" เรจิน่าเล่า "ดิฉันไม่มีทางได้คำตอบสำหรับข้อมูลชุดนี้ และที่ทราบในเวลาต่อมาก็คือ การตัดสินใจเกี่ยวกับการรักษาส่วนใหญ่ในประเทศนี้ขึ้นอยู่กับการวิจัยทางคลินิก แล้วทำไมแต่นี้ไป เราจะไม่ใช้บรรดาข้อมูลเกี่ยวกับสิ่งที่เคยเกิดขึ้นกับผู้คนมาแล้วล่ะคะ?"

นั่นเป็นอีกปัญหาหนึ่งที่เธอวางแผนจะหาคำตอบโดยอาศัยความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติเพื่อสอนคอมพิวเตอร์ให้อ่านประวัติสุขภาพ เรจิน่าและผู้ร่วมงานกล่าวว่า การดำเนินงานในทั้งสองโครงการมีความคืบหน้า

"เราก็ได้ขยับไปที่คำถามสำคัญโดยไม่รีรอ ซึ่งก็คือ 'คอมพิวเตอร์สามารถอ่านแมมโมแกรมได้หรือไม่?' ซึ่งผมคิดว่าได้" ดร.คอนสแตนซ์ เลห์แมน (Constance Lehman) ศาสตราจารย์แห่งภาควิชารังสีวิทยา โรงเรียนแพทย์ฮาร์วาร์ด (Harvard Medical School) และหัวหน้าแผนกภาพถ่ายทรวงอกที่โรงพยาบาลกลางแมสซาชูเซตส์ กล่าว "สิ่งเหล่านี้จะนำไปสู่การปฏิวัติในด้านการดูแลสุขภาพ"

การประยุกต์ใช้ปัญญาประดิษฐ์ในทางการแพทย์นั้นครอบคลุมถึงด้านสุขภาพของผู้บริโภคด้วย Philips ซึ่งจับมือกับ PathAI เพื่อการปรับปรุงการวินิจฉัยโรคมะเร็ง ยังเล็งเห็นศักยภาพของข้อมูลจากบรรดาแกตเจ็ตที่ออกแบบมาให้สวมใส่ รวมถึงแปรงสีฟันอัจฉริยะในการปรับปรุงวิธีดูแลสุขภาพ ไม่ว่าเราจะอยู่ที่ไหนก็ตาม

"เทคโนโลยีเซนเซอร์จะคัดเลือกข้อมูลเฉพาะของบุคคลจำนวนมาก และข้อมูลเหล่านี้สามารถนำมาใช้เพื่อวางแผนการรักษาที่เหมาะในแต่ละบุคคลได้" ฟรานซ์ แวน ฮูเทน ซีอีโอของ Philips กล่าว "มันจะช่วยให้การวินิจฉัยดีขึ้น และการที่เราใช้ปัญญาประดิษฐ์และการเรียนรู้ของคอมพิวเตอร์ เราจะสามารถระดมข้อมูลจำนวนมหาศาลเหล่านี้และตีความสิ่งที่ปรากฏ และทำการรักษาเบื้องต้นอย่างถูกวิธี"

หากแต่ความกังขาสงสัยก็ยังคงมีมากมาย และการประโคมข่าวเกี่ยวกับปัญญาประดิษฐ์ก็มิขาดสาย

"ไม่ต้องสงสัยเลยว่า ตอนนี้พวกเราอาจอยู่ในจุดสูงสุดของวัฎจักร hype cycle" เอริคกล่าว

เทคโนโลยีนี้ยังต้องผ่านการทดสอบ และยังคงมีความท้าทายปัญหาต่าง ๆ ได้แก่ ค่าใช้จ่าย การเข้าถึงข้อมูล และความเข้าใจเกี่ยวกับการสรุปผลของคอมพิวเตอร์

"แต่ถ้าเรื่องนี้เป็นจริงขึ้นมาได้ตามศักยภาพที่มันมี" เอริคกล่าว "มันอาจส่งผลเปลี่ยนแปลงครั้งสำคัญที่สุดเท่าที่เราเคยพบเห็นในวิชาชีพแพทย์"

จะเห็นได้ว่าทุกวันนี้ การโค้ดคอมพิวเตอร์ รวมทั้งระบบ Machine Learning ช่วยพัฒนาให้หุ่นยนต์และปัญญาประดิษฐ์มีความก้าวหน้าอย่างต่อเนื่อง สร้างความเปลี่ยนแปลงให้แก่วงการต่าง ๆ ไม่ว่าจะเป็นวงการแพทย์ตามที่กล่าวไป ซึ่งดึงดูดให้นักลงทุนที่มองเห็นโอกาสและความเป็นไปได้หันมาสนใจมากขึ้น หรือแม้แต่บทบาทในการช่วยเหลือให้นักลงทุนสามารถตัดสินใจทำธุรกรรมต่าง ๆ ได้ง่ายดาย ก็เพิ่มขึ้นเรื่อย ๆ เช่นกัน ถือเป็นหนึ่งในเทรนด์เทคโนโลยีสำคัญที่นักลงทุนทั้งหลายไม่ควรพลาด

บทความเพิ่มเติมจาก Modern Medicine:
  • 10 อันดับยาแพทย์สั่งราคาแพงที่ทำให้คุณตะลึง (America’s 10 most expensive prescription drugs will blow your mind)
  • ราคาใหม่ยารักษาโรคกล้ามเนื้อเติบโตผิดปกติเรียกกระแสวิพากษ์วิจารณ์ (New price for muscular dystrophy drug draws criticism)
  • ก้าวสำคัญในการต่อสู้กับโรคอัลไซเมอร์ (A major step forward in fighting Alzheimer’s)
 
ที่มา: CNBC International
Related Content