นวัตกรรม AICEDA BoneX ใช้ AI ช่วยวินิจฉัยกระดูกสะโพกหักจากภาพเอกซเรย์

นักวิจัยจากวิทยาลัยแพทยศาสตร์ศรีสวางควัฒน ต่อยอดนวัตกรรมแพลตฟอรม์ AICEDA (ไอเชียด้า) แพลตฟอร์มสนับสนุนการพัฒนาโมเดลปัญญาประดิษฐ์ทางการแพทย์ สู่การสร้างแพลตฟอร์ม AI ช่วยวินิจฉัยกระดูกสะโพกหักจากภาพเอกซเรย์ หรือ “AICEDA BoneX”

อาการ “กระดูกสะโพกหัก” ในกลุ่มประชากรผู้สูงอายุเป็นปัญหาที่รุนแรงที่ส่งผลกระทบอย่างมากต่อคุณภาพชีวิตและอัตราการเสียชีวิต พบว่าประมาณ 20% ของผู้ป่วยที่กระดูกสะโพกหัก จะ “เสียชีวิตภายใน 1 ปี” หลังจากการวินิจฉัย และมากกว่าครึ่งหนึ่งต้องได้รับการดูแลอย่างใกล้ชิด ขณะที่ ผู้ป่วยส่วนใหญ่มักได้รับการวินิจฉัยเบื้องต้นที่แผนกฉุกเฉิน โดยมีอาการปวดเนื่องจากการได้รับบาดเจ็บหรืออุบัติเหตุ

อย่างไรก็ตาม การศึกษาพบว่าอัตราการวินิจฉัย “ผิดพลาด” ในแผนกฉุกเฉินสูงถึง 14% ซึ่งอาจทำให้ผู้ป่วยบางรายไม่ได้รับการวินิจฉัยอย่างถูกต้องในครั้งแรก นำไปสู่การรักษาที่ล่าช้าหรือไม่เหมาะสม จึงมีความจำเป็นในการปรับปรุงกระบวนการวินิจฉัยรอยโรคกระดูกสะโพกหักที่แผนกฉุกเฉินให้มีประสิทธิภาพยิ่งขึ้น

แพลตฟอร์มปัญญาประดิษฐ์วินิจฉัยกระดูกสะโพกหักจากภาพเอกซเรย์ หรือ “AICEDA BoneX”

ล่าสุด อาจารย์ ดร.ทศพร เฟื่องรอด รักษาการผู้ช่วยคณบดีฝ่ายวิจัยนวัตกรรม พัฒนาผู้ประกอบการ และเทคโนโลยีสารสนเทศวิทยาลัยแพทยศาสตร์ศรีสวางควัฒน ราชวิทยาลัยจุฬาภรณ์ และ นพ.พลชัย วงษ์ทองสาลี ศัลยแพทย์ออร์โธปิดิกส์ และ รองผู้อำนวยการด้านสุขภาพดิจิทัล โรงพยาบาลพระปกเกล้า จ.จันทบุรี ได้ร่วมกันต่อยอดนวัตกรรมแพลตฟอรม์ AICEDA (ไอเชียด้า) แพลตฟอร์มสนับสนุนการพัฒนาโมเดลปัญญาประดิษฐ์ทางการแพทย์ หรือ AI สู่การสร้างแพลตฟอร์มวินิจฉัยกระดูกสะโพกหักจากภาพเอกซเรย์ หรือ AICEDA BoneX

"AICEDA BoneX" เป็นเทคโนโลยีปัญญาประดิษฐ์ที่จะเข้ามาช่วยในการ “ตรวจจับรอยแตกกระดูกสะโพกอัตโนมัติบนภาพเอกซเรย์” ซึ่งเพิ่มประสิทธิภาพในการวินิจฉัยการหักของกระดูกส่วนต่าง ๆ โดยเริ่มต้นจากรอยโรคกระดูกสะโพกหัก ซึ่งเป็นอาการบาดเจ็บที่พบบ่อยในผู้สูงอายุในห้องฉุกเฉิน ด้วยความสามารถในการตรวจจับอย่างรวดเร็วและแม่นยำ ช่วยลดความเสี่ยงของภาวะแทรกซ้อนและเพิ่มโอกาสในการฟื้นฟูสภาพได้อย่างเต็มที่

ทั้งนี้ แพลตฟอร์มดังกล่าว สามารถรองรับภาพเอกซเรย์จากเครื่องหลายยี่ห้อและขนาดต่าง ๆ โดยมีการปรับปรุงคุณภาพภาพเอกซเรย์ให้มีความคมชัด ลดสิ่งรบกวนและปรับค่าสีของภาพ พร้อมกับการตรวจจับพื้นที่สนใจและแยกพื้นที่ซ้าย-ขวาอัตโนมัติ

โมเดลนี้ได้รับการพัฒนาจากข้อมูลและการวินิจฉัยโดยแพทย์จากโรงพยาบาลพระปกเกล้า จ.จันทบุรี โดยเริ่มต้นจากพัฒนาโมเดลภาพกระดูกสะโพกหักจากอดีตกว่า 850 เคส และทดสอบความแม่นยำกับ 340 เคส ซึ่งได้ผลความแม่นยำสูงถึง 98.53% นอกจากนี้ ยังมีการทดสอบทางคลินิกอีก 1,000 เคสที่โรงพยาบาล โดยได้ค่า Sensitivity 0.976 และ Specificity 0.996

แพลตฟอร์มนี้ยังได้รับการออกแบบให้มีการควบคุมคุณภาพโดยผู้เชี่ยวชาญ สามารถนำข้อมูลที่ผิดพลาดกลับไปเรียนรู้เพิ่มเติมเพื่อปรับปรุงความ แม่นยำของโมเดลอย่างต่อเนื่อง