ก่อนหน้านี้ว่ากันว่าการสร้างภาพและวินิจฉัยโรคโดยใช้ AI นั้นเป็นไปไม่ได้

เราร่วมมือกับองค์กรการแพทย์ทั่วโลกในการวิจัยเครื่องมือที่ใช้ AI ใหม่และมีประสิทธิภาพสูง ซึ่งมุ่งเน้นที่การวินิจฉัยโรคเพื่อช่วยผู้ปฏิบัติงานทางคลินิก โมเดลที่เรากำลังสร้างเกิดจากชุดข้อมูลที่หลากหลาย ป้ายกำกับคุณภาพสูง และเทคนิคการเรียนรู้เชิงลึกที่ล้ำสมัย ซึ่งเราหวังว่าจะเป็นประโยชน์สำหรับผู้เชี่ยวชาญด้านการแพทย์ในการวินิจฉัยโรค เรายินดีที่จะได้ต่อยอดการวิจัยนี้ไปยังสาขาอื่นและพร้อมสาธิตให้เห็นว่า AI มีความสามารถในการวินิจฉัยรูปแบบใหม่ๆ

แม่ลูกกอดกัน

ผลิตภัณฑ์นี้ได้รับเครื่องหมาย CE ว่าเป็นอุปกรณ์การแพทย์ Class I ในสหภาพยุโรป ไม่มีจำหน่ายในสหรัฐอเมริกา

เพิ่มการเข้าถึงข้อมูลโรคผิวหนัง

เรานำ AI สาขาคอมพิวเตอร์วิทัศน์และความสามารถในการค้นหารูปภาพมาใช้พัฒนาเครื่องมือที่ช่วยให้ผู้คนหาข้อมูลและระบุสภาพผิว เส้นผม และเล็บของตัวเองได้ดีขึ้น เครื่องมือนี้มีข้อมูลลักษณะความเจ็บป่วยหลายร้อยรายการ ซึ่งรวมถึงความเจ็บป่วยที่พบในคลินิก 80% และความเจ็บป่วยที่มีการค้นหาบ่อยที่สุด 90% ผลงานดังกล่าวได้รับการเผยแพร่ทั้งใน Nature Medicine และ JAMA Network Open ดูข้อมูลเพิ่มเติม

ใช้ AI เพื่อช่วยแพทย์ตรวจหาโรคตา

การคาดการณ์ของ AI

การป้องกันตาบอด

การคาดการณ์ของ AI

AI คาดการณ์โรคตาที่เป็นอันตรายต่อการมองเห็นได้อย่างไร

โรคจอประสาทตาเสื่อมในผู้สูงอายุเป็นสาเหตุหลักอันดับ 3 ของการสูญเสียการมองเห็นทั่วโลก แต่หากตรวจพบตั้งแต่เนิ่นๆ ก็สามารถชะลอหรือป้องกันการตาบอดได้ งานวิจัยของเรา ที่เผยแพร่ใน Nature Medicine แสดงให้เห็นว่าระบบ AI สามารถแนะนำการรักษาโรคตากว่า 50 โรคที่ผู้ป่วยควรได้รับได้แม่นยำพอๆ กับผู้เชี่ยวชาญระดับแนวหน้าของโลก งานวิจัยอีกชิ้นที่ได้รับการเผยแพร่ใน Nature Medicine เช่นกันแสดงให้เห็น AI โมเดลปรับปรุงซึ่งมีศักยภาพในการคาดการณ์การก่อตัวของโรคจอประสาทตาเสื่อมแบบเปียกภายใน 6 เดือน

การป้องกันตาบอด

ช่วยแพทย์ป้องกันการสูญเสียสายตา

ระบบประเมินโรคจอตาอัตโนมัติของเราซึ่งมีใช้งานอยู่ตามคลินิกในอินเดียและไทยแสดงถึงบทบาทของ AI ในการช่วยให้แพทย์ตรวจพบภาวะเบาหวานขึ้นจอตาซึ่งเป็นสาเหตุสำคัญของการตาบอดได้อย่างรวดเร็ว เมื่อมีการนำระบบนี้ไปใช้ในวงกว้าง ผู้ป่วยเบาหวานหลายล้านคนก็อาจจะสามารถรักษาการมองเห็นไว้ได้ด้วยความช่วยเหลือของคุณหมอระบบอัตโนมัติที่ช่วยประเมินโรคจอตา งานวิจัยนี้เผยแพร่ใน JAMA และ Ophthalmology งานวิจัยอีกชิ้นที่ได้รับการเผยแพร่ใน Lancet Digital Health แสดงให้เห็นว่าเราสามารถคาดการณ์ว่าผู้ป่วยจะเกิดภาวะเบาหวานขึ้นจอตาในอนาคตหรือไม่ ซึ่งช่วยให้แพทย์ปรับทั้งการรักษาและความถี่ในการตรวจคัดกรองโรคตาให้เหมาะกับผู้ป่วยได้ ดูข้อมูลเพิ่มเติม

ดัชนีชี้วัดทางชีวภาพใหม่ของอาการที่ไม่เกี่ยวกับดวงตา

การตรวจหาภาวะโลหิตจาง

คอมพิวเตอร์วิทัศน์

การตรวจหาภาวะโลหิตจาง

ตรวจหาสัญญาณแฝงของภาวะโลหิตจางจากดวงตา

ดวงตาของมนุษย์สามารถเผยให้เห็นสัญญาณของโรคพื้นเดิมอย่างโลหิตจาง ซึ่งเป็นภาวะที่ส่งผลกระทบต่อคน 1.6 พันล้านคนทั่วโลกโดยทำให้เกิดอาการอ่อนเพลีย อ่อนแอ เวียนศีรษะ และง่วงซึม ในงานวิจัยที่เผยแพร่ใน Nature Biomedical Engineering เราสามารถใช้การเรียนรู้เชิงลึกเพื่อบอกระดับฮีโมโกลบินและตรวจหาภาวะโลหิตจางด้วยรูปภาพหลังดวงตาที่ลบการระบุตัวตนแล้ว ผลการวิจัยนี้หมายความว่าในอนาคต ผู้ให้บริการอาจสามารถตรวจพบโรคได้ด้วยเครื่องมือคัดกรองแบบเรียบง่ายที่ไม่ล่วงล้ำเข้าสู่ร่างกาย อ่านโพสต์

คอมพิวเตอร์วิทัศน์

ใช้คอมพิวเตอร์วิทัศน์เพื่อประเมินความเสี่ยงของโรคหัวใจและหลอดเลือด

การประเมินความเสี่ยงของโรคหัวใจและหลอดเลือดเป็นขั้นตอนแรกและสำคัญที่สุดในการลดโอกาสที่ผู้ป่วยจะเกิดเหตุการณ์ทางโรคหัวใจและหลอดเลือดในอนาคต เราได้นำเทคนิคการเรียนรู้เชิงลึกมาใช้กับรูปภาพจอตาเพื่อหาปัจจัยที่เชื่อมโยงกับความเสี่ยงของเหตุการณ์ทางโรคหัวใจและหลอดเลือด เช่น หัวใจวายหรือเส้นโลหิตในสมองแตก ดังที่เผยแพร่ใน Nature Biomedical Engineering งานวิจัยชิ้นนี้จะช่วยให้นักวิทยาศาสตร์สร้างสมมติฐานแบบกำหนดเป้าหมายได้มากขึ้นและต่อยอดการวิจัยสาขาต่างๆ ต่อไปในอนาคต อ่านโพสต์

การใช้ AI เพื่อปรับปรุงการตรวจหามะเร็งปอด

ก้าวที่สดใสในการพยากรณ์โรคมะเร็งปอด

มะเร็งปอดคร่าชีวิตผู้คนทั่วโลกกว่า 1.8 ล้านคนต่อปี คิดเป็นเกือบหนึ่งในห้าของการเสียชีวิตด้วยโรคมะเร็ง และเป็นสาเหตุของการเสียชีวิตจากโรคมะเร็งที่มากที่สุด งานวิจัยของเราซึ่งตีพิมพ์ใน Nature Medicine แสดงให้เห็นว่าในที่สุดแล้วการเรียนรู้เชิงลึกอาจช่วยให้แพทย์ตรวจคัดกรองมะเร็งปอดได้แม่นยำยิ่งขึ้น และระบุโรคได้แม้กระทั่งในขั้นตอนที่มีการตรวจพบมะเร็งปอดโดยบังเอิญ อ่านโพสต์

การใช้ AI เพื่อปรับปรุงการตรวจหามะเร็งเต้านม

แนวปฏิบัติทางคลินิก

การเรียนรู้เชิงลึก

แนวปฏิบัติทางคลินิก

การศึกษาวิจัยว่า AI จะช่วยคัดกรองโรคมะเร็งเต้านมในแนวปฏิบัติทางคลินิกได้อย่างไร

การตรวจคัดกรองมะเร็งเต้านมช่วยให้ตรวจพบมะเร็งได้เร็วขึ้น แต่การวินิจฉัยโรคมะเร็งเต้านมอย่างถูกต้องและสม่ำเสมอยังคงเป็นเรื่องท้าทาย ซึ่งเห็นได้จากการที่ผู้หญิงจำนวนครึ่งหนึ่งได้รับผลบวกปลอมในช่วงเวลา 10 ปี ใน Nature เราแสดงให้เห็นศักยภาพของโมเดล AI ของเราในการวิเคราะห์แมมโมแกรมคัดกรองที่เก็บรวบรวมข้อมูลย้อนหลังและลบการระบุตัวตนออกโดยมีความแม่นยำที่ใกล้เคียงหรือมากกว่าผู้ปฏิบัติงานทางคลินิก ตอนนี้เรากำลังร่วมกันทำการศึกษาวิจัยอุปกรณ์เชิงสืบสวนเพื่อให้เข้าใจวิธีที่โมเดลดังกล่าวจะช่วยในส่วนของแนวปฏิบัติทางคลินิกเพื่อลดเวลาที่ใช้ตั้งแต่การตรวจคัดกรองด้วยแมมโมแกรมไปจนถึงการวินิจฉัย การลดช่องว่างในการประเมิน และการปรับปรุงประสบการณ์ของผู้ป่วย อ่านโพสต์

การเรียนรู้เชิงลึก

การใช้การเรียนรู้เชิงลึกในการตรวจหามะเร็งเต้านมระยะลุกลาม

ในการวิจัยทางพยาธิวิทยาของเราซึ่งตีพิมพ์ใน Archives of Pathology & Laboratory Medicine ตลอดจน The American Journal of Surgical Pathology เราแสดงให้เห็นว่าเครื่องมือช่วยพิสูจน์แนวคิด (LYNA) สามารถใช้การเรียนรู้เชิงลึกเพื่อเพิ่มความแม่นยำในการตรวจหามะเร็งเต้านมระยะลุกลามได้อย่างไร อ่านโพสต์

การวิจัยเพิ่มเติมในด้านการถ่ายภาพและการวินิจฉัย

เรายังคงพัฒนาการวิจัยการถ่ายภาพที่ใช้ AI ในด้านอื่นๆ ต่อไป โดยขยายการใช้งานเทคโนโลยีนี้ไปในด้านการอำนวยความสะดวกในการวินิจฉัยการเปลี่ยนแปลง

ความก้าวหน้าของ AI

การเรียนรู้ของ AI

การวิเคราะห์ของ AI

ความก้าวหน้าของ AI

การสำรวจความก้าวหน้าของ AI ในการวางแผนการรักษาด้วยรังสีเพื่อปรับปรุงประสิทธิภาพ

การต่อยอดจากงานที่ทำร่วมกับ University College London Hospitals และตีพิมพ์ใน JMIR Publications เรากำลังร่วมมือกับ Mayo Clinic เพื่อศึกษาการใช้ AI ในการช่วยให้ผู้ปฏิบัติงานทางคลินิกวางแผนการรักษามะเร็งด้วยรังสี เราได้ร่วมมือกันเพื่อทำการวิจัย ฝึกอบรม และตรวจสอบอัลกอริทึมเพื่อช่วยแพทย์ในการแบ่งส่วนเนื้อเยื่อและอวัยวะที่ปกติออกจากเนื้องอกเพื่อลดเวลาในการวางแผนการรักษาและปรับปรุงประสิทธิภาพของรังสีรักษา โดยหวังว่าจะช่วยให้ผู้ปฏิบัติงานทางคลินิกใช้เวลาในการวางแผนน้อยลงและมีเวลาให้ผู้ป่วยมากขึ้น อ่านโพสต์

การเรียนรู้ของ AI

การใช้แมชชีนเลิร์นนิงเพื่อตรวจหาการตรวจคัดกรองลำไส้ที่ไม่ครอบคลุมมากพอ

มะเร็งลำไส้ใหญ่และทวารหนัก (CRC) เป็นปัญหาสุขภาพที่เกิดขึ้นทั่วโลกและเป็นมะเร็งชนิดที่ร้ายแรงเป็นอันดับ 2 ในสหรัฐอเมริกา ซึ่งส่งผลให้มีผู้เสียชีวิตประมาณ 900,000 รายต่อปี การแจ้งเตือนแพทย์ถึงบริเวณที่ไม่เห็นผนังลำไส้ทำให้อัลกอริทึมของเรามีศักยภาพที่จะนำไปสู่การค้นพบเนื้องอกต่อมมากขึ้น และส่งผลให้อัตราการตรวจพบเนื้องอกต่อมเพิ่มขึ้นและลดอัตราการเกิดมะเร็งลำไส้ใหญ่และทวารหนักในช่วงเว้นการตรวจ ตามข้อมูลที่ตีพิมพ์ใน IEEE Transactions on Medical Imaging อ่านโพสต์

การวิเคราะห์ของ AI

การใช้ AI เพื่อระบุความรวดเร็วในการลุกลามของมะเร็งต่อมลูกหมาก

ในการวินิจฉัยความรุนแรงของมะเร็งต่อมลูกหมาก การตรวจชิ้นเนื้อจะได้รับการวิเคราะห์และให้เกรด Gleason ซึ่งเป็นการให้คะแนนโดยเปรียบเทียบกับเซลล์ปกติ ในผลงานที่ตีพิมพ์ใน JAMA Oncology และ JAMA Network Open เราได้สำรวจว่าระบบ AI ให้เกรด Gleason ในการตรวจชิ้นเนื้อต่อมลูกหมากได้อย่างแม่นยำหรือไม่ และผลการสำรวจพบว่าระบบการเรียนรู้เชิงลึกมีศักยภาพในการสนับสนุนการวินิจฉัยระดับผู้เชี่ยวชาญ อ่านโพสต์