กูเกิลสร้างโมเดลปัญญาประดิษฐ์ที่สามารถทำนายความเสี่ยงถึงเหตุการณ์ชนิดรุนแรงจากสาเหตุหัวใจและหลอดเลือด (Major adverse cardiovascular events - MACE) ได้ใกล้เคียงกับการตรวจในโรงพยาบาลเป็นผลสำเร็จ แม้จะใช้เพียงสัญญาณหัวใจจากเครื่องอ่านแบบ photoplethysmographs (PPGs) หรือเซ็นเซอร์หัวใจที่เราใช้งานกันในเครื่องวัดออกซิเจนหรือนาฬิกาวัดอัตราการเต้นหัวใจโดยทั่วไป แต่ยังได้ความแม่นยำในการเตือนใกล้เคียงกับการตรวจในโรงพยาบาล

โมเดล AI ที่ใช้แบ่งเป็นสองส่วน ส่วนแรกเป็น ResNet-18 อ่านภาพคลื่นหัวใจจาก PPG แล้วทำนายคุณสมบัติต่างๆ ของผู้ป่วยโดยไม่ต้องกรอกค่าจากภายนอก เช่น อายุ, เพศ, ดัชนีมวลกาย, อาการความดันโลหิตสูง จากนั้นนำข้อมูลที่ได้นี้มาร่วมกับข้อมูลจริงของผู้ป่วย เช่น เพศ, อายุ, การสูบบุหรี่ แล้วนำมาสร้างโมเดลทำนายความเสี่ยงในการพบ MACE ภายใน 10 ปีข้างหน้า โดยอาศัยชุดข้อมูล UK Biobank ที่มีการเก็บข้อมูลคนไข้ระยะยาวกว่า 500,000 คน ในจำนวนนี้มีการเก็บข้อมูล PPG เอาไว้ประมาณ 200,000 คน เพียงพอต่อการสร้างโมเดล

การวัดผลความสำเร็จของการทำนาย อาศัยค่า ดัชนีความสอดคล้อง (concordance index) โดยผลทดลองพบว่าโมเดลสามารถทำนายได้เหนือกว่าการใช้ข้อมูลเดิมๆ ทำนายความเสี่ยง โดยสามารถตัดข้อมูลที่ผู้ป่วยต้องเข้าไปตรวจยังจุดตรวจ เช่น ระดับความดัน แต่สามารถตรวจได้ด้วยตัวเองด้วยเซ็นเซอร์ PPG ที่มีอยู่ทั่วไป

ข้อจำกัดของงานวิจัยนี้คือ PPG ที่ชุดข้อมูล UK Biobank เก็บมานั้นยังต่างกับเซ็นเซอร์ที่เราใช้งานกันพอสมควร กูเกิลระบุว่าควรมีการศึกษาต่อไปว่าสามารถใช้งาน PPG อื่นๆ เช่น การใช้กล้องโทรศัพ์มือถือมาเป็นเซ็นเซอร์ PPG ได้หรือไม่ หากสำเร็จก็อาจจะแจ้งความเสี่ยงเบื้องต้นได้โดยคนทั่วไปเลย

ที่มา - Google Research Blog