AI สามารถทำนายผลการวินิจฉัยมะเร็งเต้านมชนิด Triple Negative ได้

นักวิจัยจากสถาบัน Karolinska ในสวีเดนได้ศึกษาว่าโมเดลปัญญาประดิษฐ์ต่างๆ สามารถทำนายการวินิจฉัยมะเร็งเต้านมชนิด Triple-Negative ได้ดีเพียงใด โดยวิเคราะห์เซลล์ภูมิคุ้มกันบางชนิดภายในเนื้องอก การศึกษาดังกล่าวซึ่งตีพิมพ์ในวารสาร eClinicalMedicineถือเป็นก้าวสำคัญในการใช้ปัญญาประดิษฐ์ในการดูแลผู้ป่วยมะเร็งเพื่อปรับปรุงสุขภาพของผู้ป่วย

ลิมโฟไซต์ที่แทรกซึมเข้าไปในเนื้องอกเป็นเซลล์ภูมิคุ้มกันชนิดหนึ่งที่มีบทบาทสำคัญในการต่อสู้กับมะเร็ง เมื่อลิมโฟไซต์เหล่านี้ปรากฏอยู่ในเนื้องอก แสดงว่าระบบภูมิคุ้มกันกำลังพยายามโจมตีและทำลายเซลล์มะเร็ง

เซลล์ภูมิคุ้มกันเหล่านี้อาจมีความสำคัญในการทำนายว่าผู้ป่วยมะเร็งเต้านมชนิด Triple-Negative จะตอบสนองต่อการรักษาอย่างไรและโรคจะดำเนินไปอย่างไร อย่างไรก็ตาม ผลลัพธ์ของการประเมินเซลล์ภูมิคุ้มกันอาจแตกต่างกันไปเมื่อนักพยาธิวิทยาทำการประเมิน ปัญญาประดิษฐ์ (AI) อาจช่วยทำให้กระบวนการนี้เป็นมาตรฐานและทำให้กระบวนการนี้เป็นอัตโนมัติ แต่การพิสูจน์ว่า AI ทำงานได้ดีพอสำหรับการนำไปใช้ในระบบดูแลสุขภาพนั้นเป็นเรื่องยาก

เปรียบเทียบโมเดล AI สิบแบบ

นักวิจัยทดสอบโมเดล AI ที่แตกต่างกัน 10 แบบและเปรียบเทียบความสามารถในการวิเคราะห์ลิมโฟไซต์ที่แทรกซึมเนื้องอกในตัวอย่างเนื้อเยื่อมะเร็งเต้านมชนิด Triple Negative

ผลลัพธ์แสดงให้เห็นว่าโมเดล AI มีประสิทธิภาพการวิเคราะห์ที่หลากหลาย แม้จะมีความแตกต่างเหล่านี้ แต่โมเดล 8 ใน 10 โมเดลกลับมีความสามารถในการทำนายที่ดี ซึ่งหมายความว่าโมเดลเหล่านี้สามารถทำนายสถานะสุขภาพในอนาคตของผู้ป่วยได้ในลักษณะเดียวกัน

แม้แต่โมเดลที่ฝึกด้วยตัวอย่างจำนวนน้อยกว่าก็แสดงให้เห็นถึงความสามารถในการทำนายที่ดี ซึ่งบ่งชี้ว่าลิมโฟไซต์ที่แทรกซึมเนื้องอกเป็นไบโอมาร์กเกอร์ที่เชื่อถือได้" Balázs Aç นักวิจัยจากแผนกมะเร็งวิทยาและพยาธิวิทยาที่ Karolinska Institutet กล่าว

จำเป็นต้องมีการวิจัยอิสระ

การศึกษาวิจัยแสดงให้เห็นว่าจำเป็นต้องมีชุดข้อมูลขนาดใหญ่เพื่อเปรียบเทียบเครื่องมือ AI ต่างๆ และรับรองคุณภาพก่อนนำไปใช้ในระบบดูแลสุขภาพ แม้ว่าผลลัพธ์จะดูมีแนวโน้มดี แต่ก็ยังต้องการการตรวจสอบเพิ่มเติม

Balazs Aç กล่าวว่า "การศึกษาของเราเน้นย้ำถึงความสำคัญของการศึกษาวิจัยแบบอิสระที่เลียนแบบแนวทางปฏิบัติทางคลินิกในโลกแห่งความเป็นจริง เราจึงมั่นใจได้ว่าเครื่องมือ AI นั้นเชื่อถือได้และมีประสิทธิภาพสำหรับการใช้งานทางคลินิกก็ต่อเมื่อผ่านการทดลองดังกล่าวเท่านั้น"