พัฒนาและสร้างเว็บแอปพลิเคชันแพลตฟอร์มสำหรับการวินิจฉัยโรคทางตาด้วยปัญญาประดิษฐ์

บทคัดย่อ

โครงการนี้เสนอเว็บแอปพลิเคชันที่ใช้ปัญญาประดิษฐ์ (AI) ในการตรวจหาและวินิจฉัยโรคทางตาสำหรับผู้ป่วยที่เป็นจุดรับภาพเสื่อมตามวัยหรือ AMD (Age - Related Macular Degeneration) แบบเปียก (Wet-AMD) และ แบบแห้ง (Dry-AMD) โดยใช้ชุดข้อมูลจาก Chula-AMD ชุดข้อมูลรวบรวมได้จากกรณีการใช้งานจริง และนำเข้าภาพ fundus ของโรค AMD จากแผนกจักษุวิทยา โรงพยาบาลจุฬาลงกรณ์ ประเทศไทย เพื่อสร้างฐานข้อมูล Chula-AMD ด้วยหมวดหมู่ AMD 3 ระดับ คือ Normal, Dry AMD และ Wet AMD จากนั้น โมเดลอัตโนมัติสำหรับการวินิจฉัย AMD ตามสถาปัตยกรรม Vision Transformer ที่ทันสมัยได้รับการเสนอและฝึกโดยใช้การตรวจสอบ 5-fold cross และเทคนิคการเรียนรู้การถ่ายโอน โมเดลที่ได้รับการฝึก ViT-AMD ซึ่งใช้สถาปัตยกรรม ViTB16 ได้รับผลการวินิจฉัยโรคที่สูงกว่าโมเดลที่ใช้ AI ที่นำเสนอก่อนหน้านี้จากการทบทวนวรรณกรรม, AMD User Interface ของ WebApp เป็นแบบ Minimalism เพื่อลดเวลาให้แพทย์ทำความคุ้นเคยในการใช้งาน, Flask/FastAPI และ Docker เพื่อจัดทำแพ็กเกจและปรับใช้โมเดล Machine Learning เป็นแบ็กเอนด์ของเว็บแอปพลิเคชัน ด้วยการใช้ FastAPI ผลการทดสอบการวินิจฉัยโรคระหว่างจักษุแพทย์ 4 ท่าน และ AI model ที่พัฒนาขึ้นพบว่า AI model โดดเด่นในด้านการวินิจฉัยโรคตาชนิด Dry AMD และ Wet AMD มากกว่ากรณีตาปกติ (Normal) เนื่องจาก ค่าความแม่นของการจำแนกภาพตามีค่าเป็น 73.85% และ 81.54% ซึ่งอยู่ในระดับเดียวกับความแม่นของจักษุแพทย์ แต่ด้วยเวลาการวินิจฉัยที่รวดเร็วกว่าในระดับ 100 เท่า ทำให้ AI model สามารถใช้เพื่อคัดกรองผู้ป่วยเบื้องต้นก่อนไปพบแพทย์ผู้เชี่ยวชาญได้ สำหรับการวินิจฉัยโรค AMD ในกรณีตาปกติ AI model มีความแม่นต่ำกว่าอยู่ที่ 73.85% แต่จักษุแพทย์ 4 ท่าน มีความแม่นอยู่ในช่วง 83% – 93% ผลเกิดจากปัญหาความหลากหลายของภาพตาจากผู้ป่วยไม่ครอบคลุมกลุ่มประชากร และ ภาพจอตาไม่ได้ถูกครอบตัดเพื่อลบพื้นหลังสีดำที่ไม่จำเป็นในบริเวณรอบนอกของจอประสาทตา สำหรับการวิจัยในอนาคต จึงควรแก้ปัญหาทั้งสองประการข้างต้นนี้เพื่อปรับปรุงโมเดล AI ให้มีประสิทธิภาพความถูกต้องมากยิ่งขึ้น รวมถึงในกรณีของ Dry AMD และ Wet AMD ด้วย

คำสำคัญ