การเรียนรู้เชิงลึกสำหรับการตรวจคัดกรองและจำแนกประเภทโรคมะเร็งปอดและวัณโรค

Abstract

แต่ละปีมีผู้ป่วยและผู้เสียชีวิตจากวัณโรค มะเร็งปอด และหัวใจผิดปกติเป็นจำนวนมาก องค์การอนามัยโลกได้ทำการประมาณว่า มีจำนวนผู้ติดเชื้อวัณโรค (Mycobacterium tuberculosis) สูงถึง 1,800 ล้านคนทั่วโลก(เทียบเท่า 1 ใน 4 ของจำนวนประชากรโลก) โดยในปี พ.ศ. 2561 มีผู้ป่วยวัณโรคมากกว่า 10 ล้านคนทั่วโลกและมีผู้เสียชีวิตจากโรคนี้ 1.6 ล้านคน สำหรับมะเร็งปอด มีผู้ป่วยเกิดขึ้นใหม่ประมาณ 2.1 ล้านคนทั่วโลกและมีผู้เสียชีวิตจากโรคนี้ 1.8 ล้านคน สำหรับหัวใจผิดปกติ (heart failure) มีผู้ป่วยมากว่า 26 ล้านคนทั่วโลกเอกซ์เรย์ทรวงอกเป็นวิธีที่ถูกนำมาใช้อย่างแพร่หลายเพื่อใช้วินิจฉัยโรคต่าง ๆ ดังกล่าว อย่างไรก็ตามการวินิจฉัยภาพถ่ายเอกซ์เรย์ในปัจจุบันต้องอาศัยรังสีแพทย์ ซึ่งในหลาย ๆ ประเทศทั่วโลกรวมทั้งประเทศไทยมีรังสีแพทย์ไม่เพียงพอต่อความต้องการ ส่งผลให้มีผู้ป่วยเป็นจำนวนมากไม่สามารถเข้ารับการตรวจคัดกรองและได้รับการรักษาอย่างทันท่วงที โดยเฉพาะอย่างยิ่งในพื้นที่ห่างไกล คณะผู้วิจัยจึงมีแนวคิดในการพัฒนาซอฟต์แวร์การเรียนรู้เชิงลึก (deep learning) ซึ่งเป็นปัญญาประดิษฐ์ที่สามารถสกัดลักษณะเด่นของโรคทรวงอกที่สำคัญต่าง ๆ ดังกล่าวได้อย่างอัตโนมัติ โดยอาศัยการเรียนรู้รูปแบบของโรคต่าง ๆ จากภาพถ่ายเอกซ์เรย์จำนวนมากกว่า 2 แสนภาพ สามารถจำแนกประเภทของภาพเอกซ์เรย์ออกเป็น 5 ประเภท คือ 1. ภาพถ่ายเอกซ์เรย์ปกติ (no finding) 2. วัณโรค (Suspected Active TB: Included Miliary TB) 3. หัวใจผิดปกติ (Abnormal Heart and Great Vessels: Cardiomegaly (Cardiothoracic Ratio > 55%), Abnormal Chamber Enlargement, Abnormal Position, Significant Artherosclerotic Aorta, Prominent Pericardial Fat Pad) 4. มะเร็งปอด (Suspected Lung Malignancy: Primary CA, Metastasis) 5. โรคอื่น ๆ (Other Abnormal Findings: Abnormal Lung Parenchymal Lesions, Abnormal Mediastinum and Hilar Region, Abnormal Pleura and Pleural Cavity, Abnormal Bony Structures, Other non-specific finding) มีความถูกต้องแม่นยำมากกว่า 90% สำหรับการคัดกรองวัณโรค มะเร็งปอด และหัวใจผิดปกติ เทียบเท่าการตรวจวินิจฉัยโดยรังสีแพทย์ผู้เชี่ยวชาญ สามารถทราบผลการตรวจคัดกรองได้ในเวลาไม่ถึง 1 นาที เพิ่มการเข้าถึงการตรวจคัดกรองโรคทางทรวงอกของประชาชน และเพิ่มประสิทธิภาพการทำงานของเจ้าหน้าที่สาธารณสุขและแพทย์ โดยเฉพาะอย่างยิ่ง ในพื้นที่ห่างไกลที่ขาดแคลนบุคลากรทางการแพทย์ Each year, there are a large number of patients and deaths from tuberculosis, lung cancer, and abnormal heart disease. The World Health Organization estimates that a lot of people infected with tuberculosis. (Mycobacterium tuberculosis) up to 1,800 million people around the world (equivalent to a quarter of the world's population). In 2018, more than 10 million TB patients worldwide and 1.6 million people died from this disease. For lung cancer, there are an estimated 2.1 million new cases worldwide and 1.8 million deaths from the disease. For heart failure, there are more than 26 million patients worldwide. Chest X-ray is a method widely used to diagnose such diseases. However, X-rays needs to be diagnosed by radiologists. In many countries around the world, including Thailand, there are not enough radiologists to meet their needs resulting in a large number of patients unable to undergo screening and receive timely treatment especially in remote areas. Therefore, our research team has the idea of developing deep learning software, which is an artificial intelligence that can automatically extract the important features of these important diseases. By learning the patterns of diseases from more than 200,000 x-ray images, the x-ray images can be categorized into 5 types that are 1. No finding 2. Suspected Active TB: Included Miliary TB 3. Abnormal Heart and Great Vessels: Cardiomegaly (Cardiothoracic Ratio > 55%), Abnormal Chamber Enlargement, Abnormal Position, Significant Artherosclerotic Aorta, Prominent Pericardial Fat Pad 4. Suspected Lung Malignancy: Primary CA, Metastasis 5. Other Abnormal Findings: Abnormal Lung Parenchymal Lesions, Abnormal Mediastinum and Hilar Region, Abnormal Pleura and Pleural Cavity, Abnormal Bony Structures, Other non-specific finding with more than 90% accuracy for screening for tuberculosis, lung cancer and abnormal heart equivalent to diagnosis by a specialist radiologist. The screening results can be known in less than 1 minute that can increase the access to the screening of breast diseases in the public and increase the efficiency of the health workers and doctors especially In remote areas that lack medical personnel.