ความไวและความจำเพาะของการแปลผลภาพถ่ายทางรังสีทรวงอกด้วย ปัญญาประดิษฐ์ในผู้ป่วยมะเร็งปอด
คำสำคัญ:
ความไว, ความจำเพาะ, ปัญญาประดิษฐ์, ภาพรังสีทรวงอก, มะเร็งปอดบทคัดย่อ
ภูมิหลัง : AIChest4All คือ ปัญญาประดิษฐ์ที่พัฒนาขึ้น เพื่อ ช่วยตรวจคัดกรองโรคที่พบจากภาพเอกซเรย์ทรวงอก การรายงาน ผลจะแบ่งเป็นปกติ สงสัยวัณโรคระยะแพร่กระจายเชื้อ สงสัยมะเร็ง ปอด ความผิดปกติของหัวใจและหลอดเลือด ความผิดปกติใน ทรวงอกและความผิดปกตินอกทรวงอก โดยมีจุดมุ่งหมายเพื่อช่วย แพทย์หรือรังสีแพทย์ในการวินิจฉัยโรคโดยเฉพาะตามต่างจังหวัด ที่อาจจะมีจำนวนรังสีแพทย์ไม่เพียงพอ
วัตถุประสงค์ : เพื่อหาความ ไวและความจำเพาะของปัญญาประดิษฐ์ในการวินิจฉัยมะเร็งปอด
วิธีการ : ผลพยาธิวิทยาและเซลล์วิทยาของผู้ป่วยถูกนำมาศึกษา ย้อนหลัง ผลที่เป็นมะเร็งปอดจำนวน 800 ราย และที่ไม่ใช่มะเร็ง ปอดจำนวน 716 ราย ถูกคัดเลือกมาโดยวิธีสุ่มภาพรังสีทรวงอก ของผู้ป่วยในช่วงระยะเวลาไม่เกิน 3 เดือนจากการทำหัตถการจะ ได้รับการอ่านและแปลผลโดยรังสีแพทย์ 3 ท่านว่าพบมะเร็งปอด หรือไม่ ภาพเอกซเรย์เดียวกันถูกนำมาวิเคราะห์โดยปัญญาประดิษฐ์ และรายงานค่าความสงสัยมะเร็งปอดออกมาในรูปร้อยละ ผลที่ ได้จะถูกนำมาเปรียบเทียบกับผลชิ้นเนื้อ เพื่อหาจุดตัดที่เหมาะสม หาความไวและความจำเพาะในการวินิจฉัยมะเร็งปอดของรังสีแพทย์ และปัญญาประดิษฐ์
ผล : ความไวและความจำเพาะในการวินิจฉัย มะเร็งปอดของรังสีแพทย์คือร้อยละ 67.5 และ ร้อยละ 83.1 ตาม ลำดับ ส่วนปัญญาประดิษฐ์มีความไวและความจำเพาะเท่ากับร้อย ละ 50.0 และร้อยละ 84.8 ตามลำดับ จุดตัดของความน่าจะเป็น ในการวินิจฉัย คือ 52.5
สรุป : ความจำเพาะในการวินิจฉัยมะเร็ง ปอดของปัญญาประดิษฐ์มีค่าใกล้เคียงกับรังสีแพทย์ ส่วนความไว ของปัญญาประดิษฐ์มีค่าน้อยกว่ารังสีแพทย์เล็กน้อย
References
Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin 2018; 68:394-424.
van Beek EJ, Mirsadraee S, Murchison JT. Lung cancer screening: Computed tomography or chest radiographs?World J Radiol 2015; 7:189-93.
Toyoda Y, Nakayama T, Kusunoki Y, Iso H, Suzuki T. Sensitivity and specificity of lung cancer screening using chest low-dose computed tomography. Br J Cancer 2008; 98:1602–7.
Gavelli G, Giampalma E. Sensitivity and specificity of chest X-ray screening for lung cancer: review article.Cancer 2000;89(11 Suppl):2453–6.
Quekel LG, Kessels AG, Goei R, van Engelshoven JM. Detection of lung cancer on the chest radiograph: a study on observer performance. Eur J Radiol 2001; 39:111–6.
Xu Y, Ma D, He W. Assessing the use of digital radiography and a real-time interactive pulmonary nodule analysis system for large population lung cancer screening. Eur J Radiol 2012;81:e451-6.
Toriwaki J, Suenaga Y, Negoro T, Fukumura T. Pattern recognition of chest X-ray images. Comput Graph Image Process. 1973; 2: 252–71.
Matsumoto T, Yoshimura H, Giger ML, Doi K, Macmahon H,Montner SM, et al. Potential usefulness of computerized nodule detection in screening programs for lung cancer.Invest Radiol 1992; 27:471–5.
Doi K. Current status and future potential of computer-aided diagnosis in medical imaging. Br J Radiol 2005;78:S3–19.
Schilham AM, van Ginneken B, Loog M. A computer-aided diagnosis system for detection of lung nodules in chest radiographs with an evaluation on a public database. Med Image Anal 2006; 10:247–58.
Shiraishi J, Abe H, Engelmann R, Doi K. Effect of high sensitivity in a computerized scheme for detecting extremely subtle solitary pulmonary nodules in chest radiographs: observer performance study. Acad Radiol 2003;10: 1302–11.
Schalekamp S, van Ginneken B, Koedam E, Snoeren MM,Tiehuis AM, Wittenberg R, et al. Computer-aided detection improves detection of pulmonary nodules in chest radiographs beyond the support by bone suppressed images.Radiology 2014; 272:252-61.
Coppini G, Diciotti S, Falchini M, Villari N, Valli G. Neural networks for computer-aided diagnosis: detection of lung nodules in chest radiograms. IEEE Trans Inf Technol Biomed 2003; 7:344–57.
Sakai S, Soeda H, Takahashi N, Okafuji T, Yoshitake T, Yabuuchi H, et al. Computer-aided nodule detection on digital chest radiography: validation test on consecutive T1 cases of resectable lung cancer. J Digit Imaging 2006;19:376–82.
Shiraishi J, Li Q, Suzuki K, Engelmann R, Doi K. Computer-aided diagnostic scheme for the detection of lung nodules on chest radiographs: localized search method based on anatomical classification. Med Phys 2006;33:2642–53.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของกรมการแพทย์ กระทรวงสาธารณสุข
ข้อความและข้อคิดเห็นต่างๆ เป็นของผู้เขียนบทความ ไม่ใช่ความเห็นของกองบรรณาธิการหรือของวารสารกรมการแพทย์
