สถานการณ์การแพร่ระบาดของ COVID-19 ทำให้เราเห็นการนำเอาเทคโนโลยีต่าง ๆ มาใช้ให้เป็นประโยชน์หลายหน่วยงานเริ่มนำเทคโนโลยีที่สนับสนุนการทำงานในรูปแบบต่าง ๆ โดยเฉพาะ AI เริ่มเข้ามามีบทบาทมากยิ่งขึ้น ใช้ในการ “เตือนภัยล่วงหน้า” และ “พบการเกิดขึ้นของเชื้อโรคชนิดใหม่” โดยใช้เทคโนโลยี AI เข้ามาช่วย ที่สำคัญโรงพยาบาล ก็นำเอาเทคโนโลยี AI มาใช้ในการรับมือกับ COVID-19 ดังต่อไปนี้
· คัดกรองผู้มีความเสี่ยงในการติดเชื้อ
· ระบุผู้ป่วยที่มีความเสี่ยงสูง
· การคัดกรองเจ้าหน้าที่ บุคลากรทางการแพทย์ที่เป็นแนวหน้าในการเผชิญกับผู้มีความเสี่ยงและผู้ป่วย
· การแยก COVID-19 จากโรคระบบทางเดินหายใจอื่น ๆ ด้วยวิธีการ X-rays หรือ CT scan
AI หนึ่งในกลไกสำคัญอันดับต้น ๆ ที่โรงพยาบาลใช้ตรวจสอบ คัดกรองผู้ป่วย และระบุผู้มีแนวโน้มเสี่ยงต่อการติดเชื้อ รวมถึงใช้ประเมินสถานการณ์เพื่อเตรียมรับมือ คาดการณ์ และวางแผนอุปกรณ์ทางการแพทย์ที่ต้องใช้
ภาพถ่ายทางการแพทย์กับ COVID–19
การคัดแยก COVID–19 จากโรคปอด โดยใช้ภาพถ่ายทางการแพทย์ อีกทางเลือกการทดสอบในการตรวจหาสารพันธุกรรมของไวรัสแบบ Real-time (RT PCR) หรือทางแล็บขาดแคลน และใช้สนับสนุนผลจากการทดสอบจากแล็บอีกขั้นหนึ่ง
ช่วงเดือนมีนาที่ผ่านมา โอเพนซอร์สชื่อว่า COVID-Net ได้นำ Convolutional Neural Network (CNN) มาใช้ในการวิเคราะห์ภาพกว่า 6,000 ภาพ จากผู้ป่วยมากกว่า 2,800 คน โดยสามารถจำแนกผลเอ็กซ์เรย์สภาพปอดของผู้ป่วย เช่น เกิดจากแบคทีเรีย ไวรัสที่ไม่ใช่โควิด-19 และไวรัสโควิด-19 และยังมีความพยายามในการสร้างแบบจำลองที่คล้ายกันเพิ่มเติมจาก COVID–Net
สถาปัตยกรรมที่อ้างอิงภาพถ่ายทางการแพทย์
NetApp ผู้นำในการบริหารจัดการข้อมูลสำหรับระบบไฮบริดคลาวด์ ได้นำเสนอโซลูชันสำหรับภาพถ่ายทางการแพทย์แบบบูรณาการโดยใช้ NVIDIA Clara Train SDK v2.0 ซึ่งใช้ประโยชน์จากการจัดเก็บแฟลช NVIDIA DGX-2 และ NetApp AFF ที่เหมาะสมกับ COVID–19 การจำแนกภาพและการแบ่งส่วนทางการแพทย์อื่น ๆ
โซลูชั่นที่สมบูรณ์จะแสดงให้เห็นถึงสถาปัตยกรรมการขับเคลื่อนข้อมูล ตั้งแต่การบันทึกข้อมูลภาพ การจัดเก็บข้อมูลภาพอย่างเป็นระเบียบ การระบุคุณลักษณะเฉพาะของแต่ละภาพโดย AI และการนำสิ่งที่เรียนรู้จากข้อมูลมาใช้ปรับแต่งโมเดล AI ที่มีอยู่
ความก้าวหน้าทางเทคโนโลยีภาพถ่ายทางการแพทย์รวมถึงความสามารถในการวิเคราะห์ 3D, 4D แบบเรียลไทม์ และการประมวลผลด้วย GPU จึงช่วยสร้างเครื่องมือที่ทรงพลังให้กับนักรังสีวิทยาในการวินิจฉัยและให้คำแนะนำได้รวดเร็วขึ้น
อัลกอริทึมของการแบ่งเซกเมนต์ (Semantic Segmentation Algorithms) สามารถใช้ประโยชน์ได้หลายด้าน และปรับใช้งานใหม่ ๆ รูปแบบการทำงานนอกกรอบที่หลากหลายของงานวิจัย และภาพถ่ายทางการแพทย์ มีผลอย่างมากต่อการดูแลสุขภาพ ซึ่งเวิร์คโหลดของงานด้านการดูแลสุขภาพนี้สามารถบรรจุข้อมูลได้หลากหลายแบบ อาทิ บันทึกสุขภาพอิเล็กทรอนิกส์ , การบันทึกภาพการผ่าตัดของหุ่นยนต์ , การถ่ายภาพรังสีที่มีความทึบแตกต่างกัน (ภาพจอประสาทตา / ภาพอัลตราซาวด์ / ภาพซีที สแกน (CT) / เอกซเรย์โพซิตรอน (PET) และภาพ (MRI))
ข้อมูลทั้งหมดจะนำไปใช้ด้านบริการด้านสุขภาพต่าง ๆ เช่น ภาพถ่ายทางการแพทย์ พยาธิวิทยาแบบดิจิทัล จีโนมิกส์ และอื่น ๆ ในโมเดลเทรนนิ่งมีความต้องการชนิดข้อมูลที่แตกต่างกัน รวมถึงประสิทธิภาพการประมวลผล และสตรอเรจ การทำให้ GPU มีสมรรถนะสูงสุด และให้อัตราความเร็วสูงสุดในเวลาแฝงที่ต่ำสุดจากสตอเรจ
AI มีบทบาทในการขับเคลื่อนทางการแพทย์ ท่ามกลางการแพร่ระบาดของ COVID-19 ไม่ว่าจะเป็นการติดตามข่าวสาร การรับข้อมูล การตรวจสอบได้ว่าสถานที่ใดมีความเสี่ยง รวมถึงทางการแพทย์ที่จะหยิบจับเทคโนโลยีใดที่เหมาะสมเข้ามาใช้งาน