ท่ามกลางสถานการณ์การแพร่ระบาดของ COVID-19 ที่ผ่านมาทำให้เราได้เห็นการหยิบจับเอาเทคโนโลยีต่างๆ มาใช้ให้เกิดประโยชน์ในทิศทางที่ดีขึ้น มีหลายคน และ หน่วยงานต่างๆ หันมองเทคโนโลยีที่สามารถสนับสนุนการทำงานในรูปแบบต่างๆ และแน่นอนว่าสิ่งหนึ่งเราได้เห็นอย่างชัดเจนและบ่อยๆ นั้นก็คือบทบาทที่สำคัญของ AI ที่มีมากขึ้น ไม่ว่าจะเป็น “การเตือนภัยล่วงหน้า” ซึ่งเป็น AI กลุ่มแรกๆ ที่พบการเกิดขึ้นของเชื้อโรคชนิดใหม่

Cr.Pixabay

และอีกหน่วยงานที่มีการหยิบนำเทคโนโลยีเข้ามาใช้ในการทำงานเป็นอย่างคงหนีไม่ภาคของโรงพยาบาล ซึ่งหากพูดถึงข้อมูลที่รวบรวมสถิติที่โรงพยาบาลใช้ AI ในการรับมือกับ COVID-19 ก็จะมีดังนี้

  • คัดกรองผู้มีความเสี่ยงในการติดเชื้อ
  • ระบุผู้ป่วยที่มีความเสี่ยงสูง
  • การคัดกรองเจ้าหน้าที่ บุคลากรทางการแพทย์ที่เป็นแนวหน้าในการเผชิญกับผู้มีความเสี่ยงและผู้ป่วย
  • การแยก COVID-19 จากโรคระบบทางเดินหายใจอื่น ๆ ด้วยวิธีการ X-rays หรือ CT scan

อย่างไรก็ตาม AI ถือเป็นหนึ่งในกลไกสำคัญอันดับแรกที่โรงพยาบาลใช้ในการตรวจสอบคัดกรองผู้ป่วยและระบุผู้มีแนวโน้มเสียงต่อการติดเชื้อ รวมถึงใช้ในการประเมินสถานการณ์เพื่อเตรียมพร้อมรับมือ ไปจนถึงการคาดการณ์และวางแผนด้านอุปกรณ์ทางการแพทย์ที่ต้องใช้เพื่อให้เพียงพอกับสถานการณ์ที่เกิดขึ้น

ภาพถ่ายทางการแพทย์กับ COVID–19

การคัดแยก COVID–19 จากโรคปอดอื่น โดยใช้ภาพถ่ายทางการแพทย์เป็นความหวังสำคัญ เพราะเป็นทางเลือกในการทดสอบในช่วงเวลาที่การตรวจหาสารพันธุกรรมของไวรัสด้วยวิธี Real-time (RT PCR) หรือทางแล็บขาดแคลน หรือใช้ในการสนับสนุนผลจากการทดสอบจากแล็บอีกชั้นหนึ่ง

ในช่วงเดือนมีนาคม โอเพนซอร์สชื่อว่า COVID-Net ได้นำ Convolutional Neural Network (CNN) มาใช้ในการวิเคราะห์ภาพจำนวนกว่า 6,000 ภาพ จากผู้ป่วยมากกว่า 2,800 คน การทดสอบสามารถจำแนกผลการเอ็กซ์เรย์สภาพปอดของผู้ป่วย เช่น เกิดจากแบคทีเรีย ไวรัสที่ไม่ใช่โควิด-19 และไวรัส โควิด-19 และยังมีความพยายามในการสร้างแบบจำลองที่คล้ายกันเพิ่มเติมจาก COVID–Net

สถาปัตยกรรมที่อ้างอิงภาพถ่ายทางการแพทย์

NetApp ผู้นำในการบริหารจัดการข้อมูลสำหรับระบบไฮบริดคลาวด์ได้นำเสนอโซลูชันสำหรับภาพถ่ายทางการแพทย์แบบบูรณาการโดยใช้ NVIDIA Clara Train SDK v2.0 ซึ่งใช้ประโยชน์จากการจัดเก็บแฟลช NVIDIA DGX-2 และ NetApp AFF ที่เหมาะสมกับ COVID–19 และการจำแนกภาพและการแบ่งส่วนทางการแพทย์อื่น

โซลูชั่นที่สมบูรณ์จะแสดงให้เห็นถึงสถาปัตยกรรมการขับเคลื่อนข้อมูล ตั้งแต่จากขั้นการบันทึกข้อมูลภาพ การจัดเก็บข้อมูลภาพอย่างเป็นระเบียบ การระบุคุณลักษณะเฉพาะของแต่ละภาพโดยใช้ AI และการนำสิ่งที่เรียนรู้จากข้อมูลมาใช้ปรับแต่งโมเดล AI ที่มีอยู่ต่อไป

ความก้าวหน้าทางเทคโนโลยีภาพถ่ายทางการแพทย์รวมถึงความสามารถในการวิเคราะห์ 3D, 4D แบบเรียลไทม์ และการประมวลผลด้วย GPU ช่วยสร้างเครื่องมือที่ทรงพลังให้กับนักรังสีวิทยาในการวินิจฉัยและให้คำแนะนำได้รวดเร็วขึ้น

โดยเฉพาะอย่างยิ่งอัลกอริทึมของการแบ่งเซกเมนต์ (Semantic Segmentation Algorithms) จะทำให้สามารถใช้ประโยชน์ได้หลายด้านมากขึ้น และสามารถปรับใช้ในงานใหม่และกรณีใช้งานอื่น ๆ ได้ รูปแบบการทำงานนอกกรอบที่หลากหลายของงานวิจัยและภาพถ่ายทางการแพทย์จะมีผลอย่างมากต่อการดูแลสุขภาพ ซึ่งเวิร์คโหลดของงานด้านการดูแลสุขภาพนี้สามารถบรรจุข้อมูลได้หลากหลายแบบ อาทิ บันทึกสุขภาพอิเล็กทรอนิกส์ , การบันทึกภาพการผ่าตัดของหุ่นยนต์ , การถ่ายภาพรังสีที่มีความทึบแตกต่างกัน (ภาพจอประสาทตา / ภาพอัลตราซาวด์ / ภาพซีที สแกน (CT) / เอกซเรย์โพซิตรอน (PET) และภาพ (MRI))

ข้อมูลทั้งหมดนี้จะนำไปใช้ด้านบริการด้านสุขภาพต่างๆ เช่น ภาพถ่ายทางการแพทย์ พยาธิวิทยาแบบดิจิทัล จีโนมิกส์ และอื่น ๆ ในโมเดลเทรนนิ่งมีความต้องการชนิดข้อมูลที่แตกต่างกัน รวมถึงประสิทธิภาพการประมวลผล และสตรอเรจ การทำให้ GPU มีสมรรถนะสูงสุด และให้อัตราความเร็วสูงสุดในเวลาแฝงที่ต่ำสุดจากสตอเรจ

จะว่าไปแล้วแทคโนโลยีก็ถือเป็นตัวขับเคลื่อนสำคัญในสถานการณ์ COVID-19 นี้ได้เป็นอย่างดี ไม่ว่าจะเป็นการติดตามข่าวสาร การรับทราบข้อมูล การตรวจสอบได้ว่าสถานที่ใดมีความเสี่ยง รวมถึงทางการแพทย์ที่จะหยิบจับเทคโนโลยีใดที่เหมาะสมเข้ามาใช้งาน