วันเสาร์ที่ 5 มิถุนายน พ.ศ. 2564

ปรับปรุงการตรวจหาความบกพร่องของหัวใจทารกในครรภ์ด้วยการเรียนรู้ของเครื่อง

Image by Rima Arnaout

นักวิจัยจาก University of California, San Francisco (UCSF) เพิ่มอัตราความแม่นยำของการตรวจจับข้อบกพร่องของทารกที่ยังไม่เกิดเป็นสองเท่า โดยการใช้ภาพอัลตราซาวด์ร่วมกับการเรียนรู้ของเครื่อง (machine learning) หรือ ML  นักวิจัยได้ฝึกฝนตัวแบบ ML เพื่อเลียนแบบงานที่แพทย์ทำในการวินิจฉัยโรคหัวใจพิการแต่กำเนิด (congenital heart disease) หรือ CHD  เทคนิคนี้ใช้โครงข่ายประสาทเพื่อค้นหามุมมองของหัวใจทั้งห้ามุมมอง จากนั้นใช้โครงข่ายประสาทเทียมอีกครั้งเพื่อตัดสินใจว่าแต่ละมุมมองปกติหรือไม่ สุดท้ายอัลกอริทึมที่สามจะรวมผลลัพธ์ของสองครั้งแรก เพื่อวินิจฉัยภาวะของหัวใจทารกในครรภ์ว่าปกติหรือผิดปกติ โดยทั่วไปมนุษย์จะตรวจพบ CHD ในมดลูกในอัตรา 30% ถึง 50% ในขณะที่ระบบของ UCSF ตรวจพบได้ถึง 95% ของผู้ป่วย CHD จากชุดข้อมูลทดสอบ Rima Arnaout จาก UCSF กล่าวว่า "เป้าหมายของเราคือการกรุยทางสู่การใช้การเรียนรู้ของเครื่องเพื่อแก้ปัญหาที่ท้าทายในการวินิจฉัยโรคต่าง ๆ ที่ใช้อัลตราซาวนด์ในการคัดกรองและวินิจฉัย"

อ่านข่าวเต็มได้ที่: University of California, San Francisco News

ไม่มีความคิดเห็น:

แสดงความคิดเห็น