ผู้วิจัยจาก Cambridge กล่าวว่า โมเดล Machine Learning (ML) ใหม่อาจช่วยเร่งการตรวจจับ การวินิจฉัย และการรักษาโรคได้เร็วขึ้น
Key takeaways
- นักวิจัยจากมหาวิทยาลัยเคมบริดจ์พัฒนาโมเดล AI ใหม่ชื่อ EMethylNET ที่สามารถตรวจจับมะเร็งได้ถึง 13 ชนิดด้วยความแม่นยำ 98.2% โดยใช้เพียงข้อมูล DNA จากตัวอย่างเนื้อเยื่อ
- EMethylNET ใช้เทคนิค AI สองแบบร่วมกัน คือ XGBoost และ Deep Neural Network ในการเลือกคุณลักษณะที่เกี่ยวข้องและจำแนกมะเร็ง ทำให้ตรวจจับได้แม่นยำและให้ข้อมูลเชิงลึกเกี่ยวกับปัจจัยที่เปลี่ยนเซลล์ปกติเป็นเซลล์มะเร็ง
- เทคโนโลยีนี้มีศักยภาพในการเร่งการตรวจจับ วินิจฉัย และรักษามะเร็งระยะแรกเริ่ม ซึ่งอาจส่งผลอย่างมีนัยสำคัญต่ออัตราการรอดชีวิตและการรักษามะเร็งหลายประเภท แต่ยังต้องมีการศึกษาและทดสอบเพิ่มเติมก่อนนำไปใช้จริง
- ทีมวิจัยกำลังพัฒนาโมเดลต่อไปสำหรับตัวอย่างเนื้อเยื่อแบบเหลว ซึ่งอาจนำไปสู่การคัดกรองมะเร็งระยะเริ่มต้นแบบไม่ลุกลาม และอาจขยายผลเพื่อตรวจจับมะเร็งได้หลายร้อยชนิดในอนาคต
โมเดล Artificial Intelligence (AI) ใหม่สามารถตรวจจับมะเร็งได้ถึง 13 ชนิดด้วยความแม่นยำ 98.2% โดยใช้เพียงข้อมูล DNA จากตัวอย่างเนื้อเยื่อ ตามการศึกษาใหม่ โมเดล AI ที่มีชื่อว่า EMethylNET พัฒนาโดยนักวิจัยจากมหาวิทยาลัยเคมบริดจ์ ประเทศอังกฤษ และมีศักยภาพในการเร่งการตรวจจับ วินิจฉัย และรักษามะเร็งระยะแรกเริ่ม
ผลการศึกษาที่ตีพิมพ์ใน Biology Methods and Protocols เมื่อสัปดาห์ที่แล้ว มุ่งเน้นไปที่ DNA Methylation ซึ่งเป็นกระบวนการทางเคมีที่เกิดขึ้นตั้งแต่ระยะแรกเมื่อเซลล์เริ่มเจริญเติบโต รวมถึงเซลล์มะเร็ง นักวิจัยได้ train โมเดล Machine Learning ให้สามารถตรวจจับโครงสร้างและ pathway ของมะเร็งที่กำลังพัฒนาในระยะเริ่มต้น
“โรคมะเร็ง ซึ่งประกอบด้วยโรคมากกว่า 200 ชนิด ยังคงเป็นสาเหตุหลักของการเจ็บป่วยและการเสียชีวิตทั่วโลก” การศึกษาระบุ “โดยปกติมักจะตรวจพบในระยะที่โรคลุกลามแล้ว ซึ่งมะเร็งระยะแพร่กระจาย (metastatic cancer) มีสัดส่วนถึง 90% ของการเสียชีวิตที่เกี่ยวข้องกับมะเร็ง ดังนั้น การตรวจพบมะเร็งตั้งแต่ระยะเริ่มแรก ร่วมกับการบำบัดรักษาในปัจจุบัน จะส่งผลอย่างมีนัยสำคัญต่ออัตราการรอดชีวิตและการรักษามะเร็งหลากหลายประเภท”
นักวิจัย train EMethylNET ด้วยข้อมูลจากตัวอย่างเนื้อเยื่อกว่า 6,000 ตัวอย่างจาก The Cancer Genome Atlas ซึ่งเป็นตัวแทนของมะเร็ง 13 ชนิด รวมถึงมะเร็งเต้านม มะเร็งปอด และมะเร็งลำไส้ใหญ่ จากนั้นพวกเขาทดสอบกับตัวอย่างอิสระอีกกว่า 900 ตัวอย่าง
ผลลัพธ์หลักคือความแม่นยำกว่า 98% ในการจำแนกมะเร็ง 13 ชนิดและตัวอย่างที่ไม่ใช่มะเร็ง การศึกษายังเน้นว่าวิธีนี้ทำงานได้ดีในชุดข้อมูลที่หลากหลายจากหลายประเทศ นักวิจัยยังระบุตำแหน่ง methylation 3,388 แห่งที่เชื่อมโยงกับยีนและ pathway ที่เกี่ยวข้องกับมะเร็ง
ตามการศึกษา โมเดล AI นี้ผสมผสานเทคนิค AI สองแบบ ได้แก่ XGBoost ที่เลือกคุณลักษณะที่เกี่ยวข้อง และ Deep Neural Network สำหรับการจำแนก ทำให้สามารถตรวจจับมะเร็งได้อย่างแม่นยำ และให้ข้อมูลเชิงลึกเกี่ยวกับการควบคุมปัจจัยที่ไม่ใช่พันธุกรรมที่เปลี่ยนเซลล์ปกติเป็นเซลล์มะเร็ง
การศึกษาระบุว่า “การปรับเปลี่ยน epigenetic เหล่านี้เป็นเหตุการณ์ neoplastic ระยะแรกสุดที่เกี่ยวข้องกับการก่อมะเร็ง” ซึ่งเน้นย้ำศักยภาพของวิธีนี้ในการตรวจจับมะเร็งระยะเริ่มต้น
แม้ว่างานวิจัยเบื้องต้นนี้จะมีแนวโน้มที่ดี แต่ผู้เขียนเตือนว่าเทคโนโลยีนี้ต้องการการศึกษาและทดสอบเพิ่มเติมก่อนนำไปใช้ในการแพทย์จริง ทีมวิจัยกล่าวว่าขณะนี้กำลังดำเนินการปรับโมเดลสำหรับตัวอย่างเนื้อเยื่อแบบเหลว ซึ่งอาจช่วยให้การคัดกรองมะเร็งระยะเริ่มต้นแบบไม่ลุกลาม (non-invasive early cancer)
รายงานระบุว่า “วิธีนี้สามารถขยายผลเพื่อตรวจจับมะเร็งได้หลายร้อยชนิดหรือเปล่า ก็ขึ้นอยู่กับความพร้อมของข้อมูลการ train”
AI กำลังก้าวหน้าในด้านการดูแลสุขภาพ และ EMethylNET ถือเป็นก้าวสำคัญในการใช้ Machine Learning เพื่อวินิจฉัยมะเร็งได้เร็วขึ้นและแม่นยำยิ่งขึ้น นวัตกรรมดังกล่าวอาจส่งผลกระทบอย่างกว้างขวางต่อสาธารณสุข
