AI กับภาพถ่ายทางการแพทย์ ด้วย NetApp AI Solutions for Healthcare


หนึ่งใน AI แอปพลิเคชั่น ที่มีแนวโน้มเติบโตมากที่สุดในด้านการดูแลสุขภาพ

การใช้ปัญญาประดิษฐ์ (AI) ในการดูแลสุขภาพนับเป็นจุดเปลี่ยนสำคัญของอุตสาหกรรม ด้วยเหตุผลในเรื่องการช่วยรักษาชีวิต ลดค่าใช้จ่ายในอีโคซิสเตมส์ทางการแพทย์ ที่โดดเด่นมากที่สุดคือภาพถ่ายทางการแพทย์ที่มีความสมเหตุสมผลที่สุดจากนักรังสีวิทยาที่ถือได้ว่าเป็นแถวหน้าด้านการแพทย์ในยุคดิจิทัลจากการนำเทคโนโลยีมาใช้งาน อ้างอิงจากสถาบันสุขภาพแห่งชาติสหรัฐฯ (The U.S. National Institute of Health / NIH) ระบุว่าการใช้ AI ในด้านภาพถ่ายทางการแพทย์ในช่วง 10 ปีที่ผ่านมา มีการเติบโตเร็วกว่าด้านอื่นๆ ซึ่งในปัจจุบัน AI จะถูกใช้บ่อยในเรื่องของการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก และการตรวจเอกซเรย์คอมพิวเตอร์ ไปจนถึงการใช้งานด้านอื่นๆ เช่น งานรังสีวิทยา การตรวจคัดกรอง รายงานการรักษา วางแผนติดตาม วางแผนโครงสร้างพื้นฐานและการคาดคะเนสถานการณ์ และอื่นๆ

* กว่า 10 ปีที่ผ่านมาสิ่งพิมพ์โดยสถาบันสุขภาพแห่งชาติสหรัฐฯ
ได้ตีพิมพ์ข้อมูลเกี่ยวกับ AI ในงานรังสีวิทยา เพิ่มขึ้นจาก 100-150 ต่อปี เป็น 700-800 ต่อปี[1]



ความท้าทาย

วงการภาพถ่ายทางการแพทย์อยู่ภายใต้ความกดดันอย่างมากในการที่จะต้องเพิ่มประสิทธิภาพการจัดการ ผู้ป่วยที่มีอายุมากขึ้น หมายถึงปริมาณภาพที่เพิ่มขึ้น ความซับซ้อนและความละเอียดของภาพก็เพิ่มขึ้น แต่จำนวนของเจ้าหน้าที่รังสียังคงมีอยู่ในจำนวนจำกัด แม้แต่ในกลุ่มประเทศที่พัฒนาแล้ว หลายประเทศก็ยังขาดแคลนนักรังสีวิทยาโดยเฉพาะในพื้นที่ชนบท เช่นเดียวกันกับกลุ่มประเทศกำลังพัฒนาก็ขาดความเชี่ยวชาญด้านรังสีวิทยาเป็นอย่างมาก[2] การที่ปริมาณงานด้านรังสีวิทยามีมากขึ้นในขณะที่จำนวนของบุคลากรมีจำกัด AI จึงเป็นตัวช่วยสำคัญที่สามารถช่วยให้แต่ละแผนกสามารถใช้ทรัพยากรที่มีอยู่อย่างจำกัดได้ดีขึ้น โดยใช้ AI ช่วยการเตรียมการ ช่วยคัดกรอง วิเคราะห์ล่วงหน้า ความสามารถของ AI เป็นผู้ช่วยในการทำงานของนักรังสีวิทยาที่เชี่ยวชาญให้มีประสิทธิภาพ และประสิทธิผลเพิ่มขึ้น อีกทั้งสามารถให้เวลาไปกับกรณีที่ผิดปกติ หรือกรณีฉุกเฉินเร่งด่วนก่อน

** ข้อมูลจากสถาบันสุขภาพแห่งชาติสหรัฐฯ การถ่ายภาพด้วยคลื่นสนามแม่เหล็กและการตรวจเอกซเรย์คอมพิวเตอร์เป็นเทคนิคที่ AI มีความเกี่ยวข้องมากที่สุด[3]



โซลูชั่น

มีการนำแมชชีนเลิร์นนิ่งมาใช้ในทุกกระบวนการทำงานของเวิร์คโฟลว์ภาพทางการแพทย์ตั้งแต่การเก็บภาพ วิเคราะห์ จนถึงการรายงาน เช่น บริษัทสตาร์ทอัพด้านการแพทย์กำลังพัฒนาแอปพลิเคชั่นภาพทางการแพทย์ที่ช่วยลดค่าคอนทราสต์ สแกนได้เร็วขึ้นสูงสุด 4 เท่า หรือสามารถทำได้ทั้งสองอย่าง สิ่งนี้จะช่วยเพิ่มความสะดวกสบายและความปลอดภัยให้กับผู้ป่วย ในขณะที่เพิ่มผลงานให้กับแผนกรังสีวิทยา

โมเดล Deep Learning ได้รับการพัฒนาเพื่อรองรับเงื่อนไขการใช้งานที่หลากหลาย การเพิ่มความเร็ว ความแม่นยำในการวิเคราะห์เพื่อให้สามารถในการตรวจพบโรคได้เร็วขึ้น สำหรับพื้นที่ๆ มีรายละเอียดสูงอยู่ระหว่างการศึกษา ได้แก่ การตรวจหาก้อนเนื้อในปอด มะเร็งสมอง โรคปลอกประสาทเสื่อมแข็ง (Multiple Sclerosis / MS) และมะเร็งต่อมลูกหมาก

เทคนิคการวินิจฉัยที่ใช้ AI บางอย่างได้ก้าวหน้าไปไกล อาทิ ศูนย์โรคตา Kellogg โดยมหาวิทยาลัยมิชิแกน ได้รวมอุปกรณ์ที่ติดตั้งบนสมาร์ทโฟนเพื่อการถ่ายภาพจอประสาทตา เข้ากับอัลกอริทึม AI อัตโนมัติอย่าง EyeArt[4] วิธีนี้จะช่วยระบุได้แบบเรียลไทม์ว่าผู้ป่วยเบาหวาน ควรไปพบจักษุแพทย์เพื่อติดตาม/ทำการรักษาหรือไม่

โดยขั้นตอนแรกคือการรวบรวมชุดข้อมูลพร้อมตัวอย่างทั้งที่เป็นโรค /เสียหาย และเนื้อเยื่อที่แข็งแรงสำหรับเป้าหมาย การจัดเตรียมชุดข้อมูล เคสส่วนใหญ่ที่ได้เจอโดยจะต้องมีคำอธิบายประกอบที่ชัดเจน ซึ่งในปัจจุบันคำอธิบายประกอบยังคงเป็นขั้นตอนที่ต้องใช้เวลานาน

ปัจจุบันงาน AI ที่สำคัญส่วนใหญ่เร่งความเร็วผ่านการใช้ชุดข้อมูลที่มีคำอธิบายประกอบที่เปิดเผยต่อสาธารณะ เช่น การศึกษาเกี่ยวกับจุดในปอด (Lung Nodule Studies) คอลเลคชั่นภาพ Lung Image Database Consortium (LIDC-IDRI) จะจัดเตรียมผลการสแกนเอกซเรย์คอมพิวเตอร์ (CT) พร้อมรอยโรคและคำอธิบายประกอบ ชุดข้อมูลนี้ใช้ในการวิเคราะห์ Lung Nodule Analysis 2016 (LUNA16) ซึ่งได้สรุปผลลัพธ์สำคัญไว้ในต้นปี 2561[5]

นอกจากนี้การใช้การเรียนรู้แบบร่วมมือกัน (Federated Learning) (หรือการเรียนรู้แบบร่วมกัน: Collaborative Learning) ช่วยให้สถาบันหรือนักวิจัยสามารถสร้างโมเดลแมชชีนเลิร์นนิ่งที่มีประสิทธิภาพโดยไม่ต้องแชร์ข้อมูล อีกนัยนึงคือชุดข้อมูลจะไม่ถูกนำออกจากโรงพยาบาลเพื่อความปลอดภัยของข้อมูล และความเป็นส่วนตัว

*** ความเชี่ยวชาญเฉพาะด้านที่ภาพถ่ายทางการแพทย์เกี่ยวข้องมากที่สุด จากเอกสารเผยแพร่โดยสถาบันสุขภาพแห่งชาติสหรัฐฯ (The U.S. National Institute of Health / NIH)[6] ได้แก่

#1 ประสาทวิทยา #4 เต้านม

#2 กระดูกและกล้ามเนื้อ #5 ทางเดินปัสสาวะ

#3 หัวใจและหลอดเลือด #6 ปอดและทรวงอก

#7 รังสีวิทยาช่องท้อง



ประโยชน์ที่ได้

แอคเซนเจอร์ (NYSE:ACN) คาดการณ์ว่าภายในปี 2026[7] AI ในอุตสาหกรรมเฮลท์แคร์จะช่วยประหยัดค่าใช้จ่ายของรัฐในการรักษาพยาบาลได้ถึง 150 พันล้านเหรียญสหรัฐต่อปี นอกจากนี้ศักยภาพของ AI ยังสามารถเข้ามาแทนที่งานอันตรายต่างๆ ที่นักรังสีวิทยาต้องพบเจอในปัจจุบัน รวมถึงการบูรณาการชุดข้อมูลให้เข้ากับกระบวนการเวชระเบียนอิเลคทรอนิกส์

การประหยัดเวลาเป็นสิ่งสำคัญ การเพิ่มขึ้นของงานรังสีวิทยา และจำนวนภาพในแต่ละเคสที่ต้องทำการศึกษา กำลังทำให้เกิดปัญหาการขาดแคลนนักรังสีวิทยาที่สามารถอ่านผลเหล่านี้ได้ AI จะช่วยให้นักรังสีวิทยาสามารถจัดลำดับความสำคัญที่จะต้องศึกษาหรืออ่านผลภาพถ่ายก่อน เลี่ยงการทำงานซ้ำซาก และมีสมาธิกับงานที่ท้าทายมากขึ้น

ข้อดีของการใช้งาน AI ในงานภาพถ่ายทางการแพทย์มีมากมาย

- รายงานได้เร็วขึ้น ด้วยการรายงานล่วงหน้าจาก AI ที่นักรังสีวิทยาสามารถแก้ไขเพื่อความถูกต้อง
- ศึกษาตามกลุ่มได้ง่ายขึ้นจากภาพถ่าย / ความคล้ายคลึงกันของผู้ป่วย
- AI ไม่ได้ทำหน้าที่ได้ดีแค่ค้นหาความผิดปกติเท่านั้น แต่ประโยชน์ที่มากกว่าคือ การจำแนกประเภทของการศึกษาปกติหรือเชิงลบได้เร็วขึ้น นั่นทำให้นักรังสีวิทยามีเวลามากขึ้นในการตรวจสอบสิ่งผิดปกติ ช่วยให้ระบุผลการศึกษาได้ดีขึ้น โดยไม่ต้องมีการค้นพบที่สำคัญ
- ประมวลผลเวชระเบียนอิเลคทรอนิกส์ที่ดีขึ้น นำเสนอนักรังสีวิทยาด้วยข้อมูล / สารสนเทศทางคลินิค (Clinical Information) ของผู้ป่วยได้อย่างทันท่วงที
- ติดตั้งกลไกสำหรับการควบคุมคุณภาพ และการสื่อสารระหว่างรังสีแพทย์และนักเทคนิคการแพทย์

ข้อสรุป


AI มีผลกระทบต่องานด้านรังสีวิทยารวดเร็วกว่าการแพทย์สาขาอื่น ความกังวลของนักรังสีวิทยาในการยอมรับ AI คล้ายกับการที่นักบินของสายการบินไม่พร้อมยอมรับเทคโนโลยีการบินอัตโนมัติในช่วงแรกๆ เราจะเห็นได้ว่า AI ไม่ได้เข้ามาแทนที่รังสีแพทย์ แต่เข้ามาช่วยนักรังสีวิทยาและระบบการดูแลสุขภาพทั่วไป

นักรังสีแพทย์ควรต้องทราบถึงหลักการพื้นฐานในการสังเกต และวิธีการตีความของ AI ว่าในแต่ละขั้นตอนได้มาอย่างไร ชุดข้อมูลที่ใช้ในการเซ็ทอัพ AI ที่มีข้อจำกัดรวมไปถึงมีการมองข้ามอคติ ในการปฏิบัติแนวใหม่นั้นนักรังสีวิทยาจะต้องรู้วิธีการโต้ตอบกับโซลูชั่นของ AI, การตั้งค่าสถานะที่ให้ผลลัพธ์ที่ไม่ถูกต้อง หรือการประมวลผลล้มเหลว และวิธีการโต้ตอบกับนักวิทยาศาสตร์ข้อมูล และไอทีซัพพอร์ทของโซลูชั่นเหล่านี้

ด้วยเหตุเหล่านี้ NetApp และ NVIDIA ได้ร่วมกันส่งมอบโซลูชั่น AI ที่เหมาะสมสำหรับกลุ่มอุตสาหกรรมเฮลท์แคร์[8]เน้นให้ความสำคัญกับการแก้ปัญหาคอขวดของ AI เพื่อให้ก้าวไปสู่ขอบเขตที่สามารถเป็นไปได้อย่างรวดเร็ว. NetApp ใส่ใจในเรื่อง data pipeline ที่จะขยายความสามารถในการเร่งการประมวลผลของ NVIDIA

ด้วยการผสมผสานเทคโนโลยีของ NetApp และ NVIDIA ทำให้ NetApp ONTAP AI ช่วยเร่งกระบวนการฝึกอบรม และการวินิจฉัย AI ในทุกด้าน เพื่อให้ได้ผลลัพธ์ที่ดีขึ้นอย่างรวดเร็วโซลูชั่นนี้มาพร้อมกับ NVIDIA DGX supercomputers, NetApp cloud-connected all-flash storage และ Cisco Nexus switches ได้พิสูจน์แล้วว่าช่วยลดความซับซ้อน และเร่งกระบวนการทั้งแมชชีนเลิร์นนิ่งและอัลกอริทึมของดีพเลิร์นนิ่ง จะช่วยให้เริ่มต้นได้ง่ายจากจุดเล็กๆ และเติบโตได้อย่างต่อเนื่อง. ONTAP AI Toolkit นำเสนอเครื่องมือและฟังก์ชั่นต่างๆมากมายเพื่อลดความซับซ้อนในการตั้งค่าและการใช้งานให้ผลผลิตในทันที

เรียนรู้เกี่ยวกับ AI Solutions for healthcare ได้ที่ Take the next step.

COMMENTS

Name

$type=slider,1,Audio Video,68,Audio Visual,72,automotive,141,beauty,2,Business,29,CSR,10,Economic,7,Electronics,36,Entertainment,42,FinTech,40,Food,36,Health & Beauty,44,Home Appliance,39,Interview,4,IT & DeepTech,264,Lifestyle,94,Marketing,29,Mobile Device,273,Motorbike,20,PR News,54,PropTech,48,Real Estate,94,Review,49,Sports,3,Telecom,57,Travel,4,
ltr
item
nexttopbrand.com: AI กับภาพถ่ายทางการแพทย์ ด้วย NetApp AI Solutions for Healthcare
AI กับภาพถ่ายทางการแพทย์ ด้วย NetApp AI Solutions for Healthcare
https://1.bp.blogspot.com/-NO9hPDTIaRw/X1hJt7oqF3I/AAAAAAACd9w/Ye2W2A3Cagcjz6b4wknQEmAxgQPxZtRSQCLcBGAsYHQ/s16000/Screen%2BShot%2B2020-09-09%2Bat%2B10.13.56%2BAM.png
https://1.bp.blogspot.com/-NO9hPDTIaRw/X1hJt7oqF3I/AAAAAAACd9w/Ye2W2A3Cagcjz6b4wknQEmAxgQPxZtRSQCLcBGAsYHQ/s72-c/Screen%2BShot%2B2020-09-09%2Bat%2B10.13.56%2BAM.png
nexttopbrand.com
https://www.nexttopbrand.com/2020/09/ai-netapp-ai-solutions-for-healthcare.html
https://www.nexttopbrand.com/
https://www.nexttopbrand.com/
https://www.nexttopbrand.com/2020/09/ai-netapp-ai-solutions-for-healthcare.html
true
673143005888157321
UTF-8
Loaded All Posts Not found any posts VIEW ALL Readmore Reply Cancel reply Delete By Home PAGES POSTS View All RECOMMENDED FOR YOU LABEL ARCHIVE SEARCH ALL POSTS Not found any post match with your request Back Home Sunday Monday Tuesday Wednesday Thursday Friday Saturday Sun Mon Tue Wed Thu Fri Sat January February March April May June July August September October November December Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec just now 1 minute ago $$1$$ minutes ago 1 hour ago $$1$$ hours ago Yesterday $$1$$ days ago $$1$$ weeks ago more than 5 weeks ago Followers Follow THIS PREMIUM CONTENT IS LOCKED STEP 1: Share. STEP 2: Click the link you shared to unlock Copy All Code Select All Code All codes were copied to your clipboard Can not copy the codes / texts, please press [CTRL]+[C] (or CMD+C with Mac) to copy