นักวิจัยจากอเมริกาค้นพบ AI เปลี่ยนการสแกน EEG ธรรมดาให้เป็นเครื่องตรวจจับภาวะสมองเสื่อม ที่รวดเร็ว แม่นยำ และไม่แพง

ลองจินตนาการถึงโลกที่เราสามารถตรวจเช็กสุขภาพสมองได้ง่ายพอๆ กับการวัดความดันโลหิต ไม่ต้องรอคิวอุโมงค์ MRI นานนับเดือน ไม่ต้องฉีดสี หรือจ่ายค่าตรวจราคาแพงหูฉี่ นี่คือสิ่งที่ทีมวิจัยจากคณะวิศวกรรมศาสตร์และวิทยาการคอมพิวเตอร์แห่งมหาวิทยาลัย Florida Atlantic University (FAU) กำลังทำให้เป็นจริง

อัลไซเมอร์ หรือ สมองส่วนหน้าเสื่อม?

ในวงการแพทย์ การแยกแยะระหว่าง โรคอัลไซเมอร์ (Alzheimer’s Disease - AD) และ โรคสมองส่วนหน้าเสื่อม (Frontotemporal Dementia - FTD) เปรียบเสมือนการไขปริศนาที่ซับซ้อน แม้ทั้งคู่จะเป็นภาวะสมองเสื่อมเหมือนกัน แต่อัลไซเมอร์จะกัดกินความทรงจำและการรับรู้ทิศทาง ในขณะที่ FTD จะโจมตีบุคลิกภาพ พฤติกรรม และการใช้ภาษา (มักเกิดในคนอายุน้อยกว่า คือช่วง 40-60 ปี)

ประเด็นคือ ‘อาการที่ทับซ้อนกัน’ ทำให้เกิดการวินิจฉัยผิดพลาดบ่อยครั้ง เครื่องมือมาตรฐานอย่าง MRI หรือ PET Scan นั้นแม่นยำแต่ก็แลกมาด้วยต้นทุนมหาศาล ส่วนการตรวจคลื่นไฟฟ้าสมอง (EEG) แบบดั้งเดิม แม้จะราคาถูกและทำได้ง่าย แต่สัญญาณที่ได้มักจะยุ่งเหยิงและอ่านค่ายากเกินกว่าจะแยกความแตกต่างที่ละเอียดอ่อนนี้ได้

ทางออกคือลองให้ AI อ่านคลื่นสมองแทนมนุษย์

ทีมนักวิจัยของ FAU ได้พัฒนาโมเดล Deep Learning ที่เข้ามาปฏิวัติวงการนี้ โดยไม่ได้แค่อ่านค่า EEG แบบผิวเผิน แต่เจาะลึกไปถึงรูปแบบความสัมพันธ์ของคลื่นสมองทั้งในมิติของความถี่  และ เวลา

Tuan Vo ผู้เขียนหลักของงานวิจัยและนักศึกษาปริญญาเอกอธิบายว่า ‘สิ่งทำให้งานของเราแปลกใหม่คือการใช้ Deep Learning ดึงข้อมูลทั้งเชิงพื้นที่และเวลาจากสัญญาณ EEG ออกมา ทำให้เราสามารถตรวจจับรูปแบบคลื่นสมองที่ละเอียดอ่อนซึ่งเชื่อมโยงกับอัลไซเมอร์และ FTD ในแบบที่มนุษย์หรือเครื่องมือทั่วไปมองไม่เห็น’

จากการวิเคราะห์ โมเดล AI ได้เปิดเผยลายเซ็นเฉพาะตัวของแต่ละโรค

• Alzheimer’s (AD): ความผิดปกติของคลื่นสมองจะกระจายตัวเป็นวงกว้าง กระทบหลายส่วนของสมอง บ่งชี้ถึงความเสียหายที่ครอบคลุม
• Frontotemporal Dementia (FTD): ความผิดปกติจะกระจุกตัวอยู่เฉพาะที่โดยเน้นหนักที่สมองส่วนหน้าและส่วนขมับ

Hanqi Zhuang ศาสตราจารย์และรองคณบดีจาก FAU เสริมว่า ‘ความแตกต่างนี้อธิบายได้ว่าทำไมอัลไซเมอร์ถึงตรวจพบได้ง่ายกว่า แต่ด้วยการคัดเลือกฟีเจอร์ที่ละเอียดอ่อน โมเดลของเราจึงสามารถแยก FTD ออกจากอัลไซเมอร์ได้ดีขึ้นอย่างมีนัยสำคัญ’

ผลการทดสอบประสิทธิภาพของโมเดลนี้นับว่าอยู่ในระดับ Top-tier ของวงการ:

• ความแม่นยำ >90% ในการแยกผู้ป่วยภาวะสมองเสื่อม (ไม่ว่าจะเป็น AD หรือ FTD) ออกจากคนปกติ
• ความแม่นยำ 84% ในการแยกแยะระหว่างโรคอัลไซเมอร์ กับ โรคสมองส่วนหน้าเสื่อม
• ประเมินความรุนแรงของโรค (Severity Prediction) ได้แม่นยำ โดยมีความคลาดเคลื่อนต่ำ

งานวิจัยนี้ไม่ได้เป็นแค่ความสำเร็จทางวิชาการ แต่คือกุญแจสำคัญที่จะทำให้การคัดกรองภาวะสมองเสื่อมเข้าถึงได้ง่ายขึ้นในอนาคต คลินิกชุมชนอาจมีเพียงเครื่อง EEG และแล็ปท็อปหนึ่งเครื่อง ก็สามารถคัดกรองผู้ป่วยกลุ่มเสี่ยงได้ทันที ช่วยให้แพทย์วางแผนการรักษาได้เร็วขึ้น และที่สำคัญคือ ‘ราคาถูก’

Stella Batalama คณบดีคณะวิศวกรรมศาสตร์ฯ กล่าวสรุปได้อย่างน่าสนใจว่า ‘งานชิ้นนี้แสดงให้เห็นว่าเมื่อวิศวกรรม AI และประสาทวิทยามาบรรจบกัน เราสามารถเปลี่ยนวิธีรับมือกับปัญหาสุขภาพระดับโลก และเปิดประตูสู่การดูแลรักษาแบบเฉพาะบุคคลได้อย่างแท้จริง’

ที่มา: Neurosciencenews