มะเร็งตับอ่อนเป็นโรคที่ยากในการตรวจพบ เนื่องจากตำแหน่งของตับอ่อนที่กับอวัยวะอื่นๆ ภายในช่องท้อง ทำให้ยากต่อการมองเห็นก้อนมะเร็ง ผู้ป่วยส่วนใหญ่มักไม่มีอาการใด ๆ ในระยะแรก ส่วนใหญ่จะตรวจพบเมื่อโรคอยู่ในระยะลุกลามไปยังส่วนอื่นของร่างกายแล้ว ส่งผลให้การรักษายากยิ่งขึ้น
ดังนั้น การตรวจพบมะเร็งตับอ่อนตั้งแต่เนิ่น ๆ จึงมีความสำคัญอย่างยิ่ง ทีมนักวิจัยจากห้องปฏิบัติการวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์ (CSAIL) แห่งสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ร่วมกับ Limor Appelbaum นักวิทยาศาสตร์จากศูนย์รังสีรักษาโรคมะเร็ง Beth Israel Deaconess Medical Center ในเมืองบอสตัน พัฒนาระบบ AI ที่คาดการณ์โอกาสของผู้ป่วยในการเป็นมะเร็งตับอ่อนชนิด pancreatic ductal adenocarcinoma (PDAC) ซึ่งเป็นชนิดที่พบบ่อยที่สุด
ระบบนี้แสดงผลลัพธ์เหนือกว่ามาตรฐานการวินิจฉัยปัจจุบัน และอาจถูกนำไปใช้ในโรงพยาบาลเพื่อคัดเลือกผู้ป่วยที่ควรได้รับการตรวจคัดกรองหรือตรวจแบบละเอียดตั้งแต่เนิ่น ๆ ช่วยให้ตรวจพบโรคได้เร็วขึ้นและส่งผลต่อการรักษาได้ดีขึ้น โดยงานวิจัยนี้ได้รับการตีพิมพ์ในวารสาร eBioMedicine เมื่อเดือนที่ผ่านมา
เป้าหมายของการวิจัย คือ สร้างโมเดลคาดการณ์ความเสี่ยงการเป็นมะเร็งตับอ่อนชนิด PDAC ภายใน 6-18 เดือน เพื่อเพิ่มโอกาสตรวจพบในระยะเริ่มต้นและรักษาหายได้
ระบบที่สร้างขึ้นชื่อว่า “PRISM” ประกอบด้วยโมเดล AI สองตัว ตัวแรกใช้โครงข่ายประสาทเทียม (Artificial Neural Networks) ในการค้นหาแพทเทิร์นในข้อมูล เช่น อายุ ประวัติการรักษา และผลแลป จากนั้นคำนวณคะแนนความเสี่ยงของแต่ละคน โดยโมเดล AI ตัวที่สองใช้ข้อมูลเดียวกันเพื่อสร้างคะแนน แต่ใช้อัลกอริทึมที่ง่ายกว่า
โดยใช้ข้อมูลประวัติสุขภาพอิเล็กทรอนิกส์แบบไม่ระบุตัวตน (anonymized data) จำนวน 6 ล้านรายการ จาก 55 โรงพยาบาลและองค์กรสุขภาพในสหรัฐฯ ในการพัฒนาโมเดลทั้งสอง โดย 35,387 จาก 6 ล้านรายการดังกล่าวเป็นมะเร็งตับอ่อนชนิด PDAC
ทีมงานใช้โมเดลประเมินความเสี่ยงมะเร็งตับอ่อนชนิด PDAC ของผู้ป่วยทุก ๆ 90 วัน จนกว่าข้อมูลไม่เพียงพอหรือได้รับการวินิจฉัยว่าเป็นมะเร็งตับอ่อน โดยติดตามผู้ป่วยทุกคนตั้งแต่ 6 เดือนหลังการประเมินความเสี่ยงครั้งแรกจนถึง 18 เดือนหลังการประเมินความเสี่ยงครั้งสุดท้าย เพื่อดูว่ามีการวินิจฉัย พบโรคดังกล่าวในช่วงเวลานั้นหรือไม่
โมเดลโครงข่ายประสาทเทียม (Artificial Neural Networks) ระบุว่า 35% ของผู้ป่วยที่ติดตามมีความเสี่ยงสูงในการเป็นโรคมะเร็งตับอ่อนตั้งแต่ 6-18 เดือนก่อนได้รับการวินิจฉัยว่าเป็นโรค ซึ่งนักวิจัยระบุว่าเป็นการพัฒนาที่เหนือกว่าระบบการตรวจคัดกรองแบบเดิมอย่างมาก เนื่องจากคนส่วนใหญ่ไม่ได้รับคำแนะนำให้ตรวจคัดกรองมะเร็งตับอ่อนเป็นประจำเหมือนกับมะเร็งเต้านมหรือมะเร็งลำไส้ และเกณฑ์การตรวจคัดกรองในปัจจุบันสามารถตรวจพบได้เพียง 10% เท่านั้น
Michael Goggins ศาสตราจารย์ด้านพยาธิวิทยาและผู้เชี่ยวชาญด้านมะเร็งตับอ่อนจาก Johns Hopkins University School of Medicin กล่าวว่า “เนื่องจากการตรวจพบโรคในระยะเริ่มต้นมีความสำคัญมาก โมเดลนี้จึงมีแนวโน้มที่ดี และหวังว่าจะยกระดับการตรวจวินิจฉัยโรคมะเร็งตับอ่อนในปัจจุบันได้ แต่เพื่อสร้างผลกระทบที่ดีที่สุด การคาดการณ์ต้องรวดเร็วและแม่นยำมาก เป็นไปได้ว่าบางคนอาจเป็นมะเร็งตับอ่อนขั้นรุนแรงได้ภายในระยะเวลา 6-18 เดือน ซึ่งหมายความว่าอาจสายเกินไปที่จะรักษาอย่างมีประสิทธิภาพเมื่อได้รับการประเมินความเสี่ยงแล้ว“
แม้งานวิจัยนี้จะเป็นการศึกษาแบบย้อนหลัง (retrospective) โดยใช้ข้อมูลที่มีอยู่และให้โมเดลวิเคราะห์เพื่อทำนายผลลัพธ์ในอดีต ทีมผู้พัฒนาได้เริ่มต้นการศึกษารูปแบบใหม่ที่รวบรวมข้อมูลของผู้ป่วยจริง คำนวณปัจจัยความเสี่ยง และรอติดตามผล เพื่อพิสูจน์ความแม่นยำของการคาดการณ์ Martin Rinard ศาสตราจารย์วิศวกรรมไฟฟ้าและวิทยาการคอมพิวเตอร์ มหาวิทยาลัย MIT ผู้ร่วมโครงการกล่าว
ในอดีตโมเดล AI บางรุ่นที่สร้างจากข้อมูลของโรงพยาบาลแห่งใดแห่งหนึ่ง บางครั้งอาจไม่สามารถทำงานได้อย่างมีประสิทธิภาพเมื่อป้อนข้อมูลจากโรงพยาบาลอื่น นี่อาจเกิดจากหลายสาเหตุ เช่น กลุ่มประชากร ขั้นตอนการรักษา และแนวปฏิบัติที่แตกต่างกัน
“เนื่องจากข้อมูลนี้ครอบคลุมประชากรส่วนใหญ่ของสหรัฐฯ เราจึงคาดหวังว่าโมเดลจะทำงานได้ดีในหลายโรงพยาบาลและองค์กรสุขภาพ ไม่ถูกจำกัดเฉพาะองค์กรใดองค์กรหนึ่ง และเนื่องจากเราร่วมมือกับหลายองค์กร ทำให้เรามีชุดข้อมูลขนาดใหญ่สำหรับการฝึกฝนโมเดลด้วย” Martin Rinard กล่าว
Limor Appelbaum ผู้ร่วมพัฒนา PRISM กล่าวว่า ระบบนี้มีแนวโน้มที่จะถูกนำไปใช้จริงในสองลักษณะ ประการแรกสามารถช่วยคัดเลือกผู้ป่วยที่ควรเข้ารับการตรวจมะเร็งตับอ่อน และใช้คัดกรองโรคในกลุ่มกว้างกว่า โดยแนะนำให้ผู้ที่ไม่มีอาการตรวจเลือดหรือน้ำลายเพื่อประเมินความจำเป็นในการตรวจเพิ่มเติม
“มีโมเดลสำหรับมะเร็งชนิดต่าง ๆ มากมาย แต่ส่วนใหญ่ยังอยู่ในบทความทางวิชาการ และย่อมมีหนทางในการนำงานวิจัยเหล่านั้นไปสู่การใช้งานจริง นั่นคือจุดเริ่มต้นของ PRISM เพื่อให้ผู้คนสามารถเข้าถึงและตรวจจับมะเร็งได้ตั้งแต่เนิ่น ๆ ระบบนี้มีศักยภาพที่จะช่วยชีวิตผู้คนมากมาย” Limor Appelbaum กล่าว