ทีมวิจัยจาก Google Health เผยแพร่รายงานลงในวารสาร Nature รายงานถึงการพัฒนาซอฟต์แวร์ปัญญาประดิษฐ์ตรวจจับมะเร็งเต้านมจากภาพแมมโมแกรมจากชุดข้อมูลผู้ป่วยในสหรัฐฯ และในสหราชอาณาจักร โดยผลการทดสอบพบว่าปัญญาประดิษฐ์สามารถอ่านภาพได้แม่นยำกว่ารังสีแพทย์ทั้ง false positive (อ่านผลว่าเป็นมะเร็งแม้ไม่เป็น) และ false negative ความแม่นยำ AUC-ROC แม่นยำกว่ารังสีแพทย์เฉลี่ย 11.5%
ข้อมูลสำหรับการฝึกปัญญาประดิษฐ์ใช้ฐานข้อมูลภาพแมมโมแกรมจากหญิงในอังกฤษ 25,856 ภาพ และในสหรัฐฯ 3,087 ภาพ โดยภาพใช้ข้อมูลเฉลยผลจากการตัดชิ้นเนื้อยืนยันการเป็นมะเร็ง หรือภาพแมมโมแกรมยืนยันผลภายหลังภายในหนึ่งปี ส่วนการเปรียบเทียบประสิทธิภาพกับรังสีแพทย์อาศัยการสุ่มภาพ 500 ภาพให้รังสีแพทย์อ่าน
ภาพที่ใช้เกือบทั้งหมดมาจากเครื่องแมมโมแกรมโดยผู้ผลิตรายเดียว และใช้ภาพแมมโมแกรมทั้งแบบสองมิติและสามมิติ โดยไม่มีการรายงานผลว่ามีประสิทธิภาพต่างกันหรือไม่
รายงานของกูเกิลจำลองกระบวนการ double-reading ที่รังสีแพทย์สองคนวินิจฉัยจากภาพแมมโมแกรมร่วมกัน โดยผลการจำลองระบุว่าซอฟต์แวร์ช่วยลดภาระงานของรังสีแพทย์ที่สองได้ถึง 88%
Etta D. Pisano ศาสตราจารย์จาก Harvard Medical School เขียนบทความลงใน Nature ระบุว่าแม้งานวิจัยนี้ผลจะน่าประทับใจ แต่ที่ผ่านมางานวิจัยแบบเดียวกันเมื่อนำไปทดสอบในโลกความเป็นจริงก็พบว่าไม่ได้ทำให้ประสิทธิภาพการวินิจฉัยโดยรวมดีขึ้น และอาจจะทำให้รังสีแพทย์วินิจฉัยได้แย่ลง นอกจากนี้ก่อนนำระบบเหล่านี้มาใช้งานจริงก็ควรมีกระบวนการตรวจสอบความแม่นยำของปัญญาประดิษฐ์อย่างต่อเนื่อง และพัฒนาการรักษาความเป็นส่วนตัวข้อมูลคนไข้ที่นำมาฝึกปัญญาประดิษฐ์
ที่มา - Nature
ตัวอย่างภาพแมมโมแกรมจาก National Cancer Institute
