AI ช่วยให้โรงพยาบาลทำงานได้ง่ายขึ้นได้อย่างไร ?

ปัจจุบันมีเพียง 10% ของประชากร 7 พันล้านคนทั่วโลกเท่านั้นที่สามารถเข้าถึงบริการด้านการดูแลสุขภาพที่ดีและอีกครึ่งหนึ่งของโลกไม่สามารถเข้าถึงบริการด้านสุขภาพที่จำเป็นได้ด้วยซ้ำ แม้แต่ในประเทศที่พัฒนาแล้วระบบการดูแลสุขภาพยังอยู่ในภาวะตึงเครียดโดยมีค่าใช้จ่ายที่เพิ่มขึ้นและต้องรอนาน

อีกทั้งการการฝึกอบรมแพทย์และผู้ให้บริการด้านการดูแลให้เพียงพอ ใช้ทรัพยากร และเวลามาก หากต้องการรับมือกับความท้ายทายทางการแพทย์ในปัจจุบันให้ดีขึ้น จำเป็นต้องใช้เทคโนโลยีเข้ามาช่วย Machine Learning (ML) และปัญญาประดิษฐ์ (AI) สามารถสร้างผลกระทบที่ยิ่งใหญ่ได้

มีการเอกซ์เรย์ทรวงอก (CXR) จำนวนมาก CXR เป็นภาพทางการแพทย์ที่พบมากที่สุดโดยมักจะมากกว่าวิธีการถ่ายภาพขั้นสูงอื่น ๆ ถึง 2 เท่า 10 เท่าเช่น MRI, CT scan, PET เหตุผลบางประการที่ทำให้ CXR เป็นที่นิยม ได้แก่ : (1) ปริมาณรังสีที่ต่ำกว่า; (2) ต้นทุนต่ำกว่า (3) ใช้เวลาเพียงไม่ถึงหนึ่งนาทีในการถ่ายภาพ (เทียบกับการทำ CT scan หนึ่งชั่วโมงหรือมากกว่านั้น) ด้วยเหตุนี้จึงมีการใช้ CXR เป็นเครื่องมือในการคัดกรอง หากมีสิ่งผิดปกติในปอดของคุณที่ต้องการหลักฐานเพิ่มเติมในการวินิจฉัยแพทย์ของคุณมักจะสั่งจ่าย CXR ก่อน CXR ให้มุมมองที่มีความเที่ยงตรงต่ำซึ่งปูทางไปสู่วิธีการถ่ายภาพที่ซับซ้อนกว่าอื่น ๆ

โรงพยาบาลขนาดใหญ่ มี CXR หลายร้อยฟิลม์ในแต่ละวัน ซึ่งฟิมล์ทั้งหมดนี้จำเป็นต้องได้รับการอ่านโดยนักรังสีวิทยา หรือแพทย์อื่น ๆ การอ่านผลฟิลม์ให้ทันเวลาเป็นเรื่องสำคัญเพื่อตรวจจับสภาวะเร่งด่วนที่เกิดขึ้นกับผู้ป่วย

การอ่าน CXR เกี่ยวข้องกับหลายขั้นตอนและอาจต้องเสียเวลา
เวลาโดยเฉลี่ยที่นักรังสีวิทยาที่ได้รับการฝึกฝนมาเป็นอย่างดีในการอ่าน CXR คือประมาณ 1-2 นาที เป็นการยากที่จะเร่งความเร็วให้เร็วขึ้นเนื่องจากการอ่าน CXR เป็นกระบวนการที่เป็นระบบมาก การช่วยจำที่ได้รับความนิยมอย่างหนึ่งสำหรับการอ่าน CXR มีดังต่อไปนี้: ABCDEFGHI A สำหรับทางเดินหายใจ, B สำหรับกระดูก, C สำหรับหัวใจ เป็นต้นอ่าน CXR นั้นยากมาก มีการนำ CXRs ที่มีการวินิจฉัยวัณโรคไปพบแพทย์ทั่วไป และแพทย์ทั่วไปไม่สามารถบอกได้ว่าส่วนใหญ่ผู้ป่วยรายใดเป็นวัณโรค (tuberculosis) แพทย์ด้านรังสีวิทยา บอกฉันต้องอ่านภาพ CXR ประมาณ 10,000 ภาพเพื่อให้มีความเชี่ยวชาญ ดูเหมือนว่ามนุษย์จะต้องใช้ข้อมูลการฝึกอบรมจำนวนมากในการเริ่มรับรู้รูปแบบใน CXR เส้นโค้งการเรียนรู้ที่สูงชันนี้อาจเกิดจากข้อเท็จจริงที่ว่า CXR แตกต่างจากภาพธรรมชาติที่เราได้รับการฝึกฝนมาตลอดชีวิต สิ่งนี้กลายเป็นอุปสรรคสำหรับระบบ AI

นักรังสีวิทยากำลังขาดแคลน
เรากำลังพูดถึง CXR เท่านั้น เนื่องจากการสแกน CT และเทคโนโลยีการถ่ายภาพอื่น ๆ ได้รับความนิยมมากขึ้นปริมาณงานของนักรังสีวิทยาจะเพิ่มขึ้นอย่างมาก ปัญหาการขาดแคลนรังสีแพทย์เกิดขึ้นมานานแล้วในประเทศที่พัฒนา เช่นสหราชอาณาจักร เผยแพร่รายงานเกี่ยวกับรังสีวิทยาคลินิกในสหราชอาณาจักรและผลการวิจัยหลักที่พบมาหลายปีคือ“ การขาดแคลนแรงงานที่เพิ่มขึ้นและค่าใช้จ่ายที่เพิ่มขึ้น เจ้าหน้าที่รังสีวิทยากำลังแสดงอาการเครียดและเหนื่อยหน่าย” ปัญหาการขาดแคลนนักรังสีวิทยาที่ได้รับการฝึกฝนนั้นรุนแรงยิ่งขึ้นในประเทศกำลังพัฒนาที่โครงสร้างพื้นฐานด้านการดูแลสุขภาพล้าหลัง

การแบ่งส่วนอวัยวะใน CXR
ภารกิจพื้นฐานในการทำความเข้าใจ CXR คือการรับรู้บริเวณปอดและบริเวณหัวใจ:มีข้อมูลมากมายที่คุณจะได้รับจากรูปร่างปอด: หัวใจที่โตผิดปกติอาจบ่งบอกถึงภาวะหัวใจโต (การขยายตัวของหัวใจผิดปกติ); การหักมุมของ costophrenic (# 3 ในภาพด้านขวา) อาจบ่งบอกถึงการไหลของเยื่อหุ้มปอด นอกจากนี้ยังมีประโยชน์ในการแยกอัลกอริทึม AI ในการวินิจฉัยให้เหลือเฉพาะช่องปอดโดยลดสัญญาณปลอมจากส่วนอื่น ๆ ของภาพ

Leave a Comment

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *

Shopping Cart