ความแม่นยำในการวิเคราะห์รอยโรคในช่องปากด้วยอุปกรณ์ปัญญาประดิษฐ์

ผู้แต่ง

  • ณัฐพงศ์ อธิกิจรุ่งเรือง ทันตแพทย์ชำนาญการพิเศษ ฝ่ายทันตสาธารณสุข โรงพยาบาลถลาง จังหวัดภูเก็ต

คำสำคัญ:

ปัญญาประดิษฐ์, การตรวจคัดกรองรอยโรคในช่องปาก, รอยโรคก่อนมะเร็งช่องปาก, รอยโรคมะเร็งในช่องปาก, การวินิจฉัยเบื้องต้น

บทคัดย่อ

การใช้ปัญญาประดิษฐ์ เป็นเครื่องมือช่วยในการทำนายความน่าจะเป็นรอยโรคก่อนมะเร็งในช่องปาก ควรใช้เทคนิคการถ่ายภาพ และ ทิศทางการนำเข้าภาพถ่ายที่ถูกต้อง ซึ่งสามารถใช้ผลการวิจัยนี้เป็นส่วนหนึ่งในการจัดโปรแกรมพัฒนาศักยภาพ อสม. ในการคัดกรองรอยโรคก่อนมะเร็งช่องปาก เพื่อให้ได้ความแม่นยำในการทำนายรอยโรคสูงสุด การวิจัยนี้ใช้รูปแบบการศึกษาเชิงพรรณนาแบบภาคตัดขวาง มีวัตถุประสงค์เพื่อเปรียบเทียบลักษณะของภาพถ่ายที่มีความสว่างจากแสงแฟลชในกล้องถ่ายรูปของโทรศัพท์มือถือ และแสงธรรมชาติ ระยะในการถ่ายภาพใกล้และไกล ทิศทางของภาพถ่าย ที่สัมพันธ์กับความแม่นยำในการระบุรอยโรคก่อนมะเร็งและมะเร็งช่องปาก ใช้วิธีการสุ่มตัวอย่างแบบเฉพาะเจาะจง ตัวอย่างเป็นผู้มารับบริการที่กลุ่มงานทันตกรรม โรงพยาบาลถลาง จังหวัดภูเก็ต ช่วงเดือนตุลาคม - ธันวาคม พ.ศ. 2566 โดยนำตัวอย่างที่ได้รับการวินิจฉัยเบื้องต้นด้วยสายตาจากทันตแพทย์เฉพาะทางสาขาศัลยศาสตร์ช่องปากและแม็กซิลโลเฟเชียล ว่าเป็นรอยโรคก่อนมะเร็งช่องปาก หรือมะเร็งช่องปาก วิเคราะห์ข้อมูลด้วยสถิติ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ค่ามัธยฐาน พิสัยระหว่างควอไทล์ ของร้อยละความน่าจะเป็นรอยโรคก่อนมะเร็งและมะเร็งช่องปากด้วยเทคโนโลยีปัญญาประดิษฐ์

ผลการศึกษา พบว่า เทคนิคทั้ง 4 กลุ่ม คือ กลุ่มถ่ายระยะห่าง แสงธรรมชาติ กลุ่มถ่ายระยะห่าง แสงแฟลช กลุ่มถ่าย Close up แสงธรรมชาติ และกลุ่มถ่าย Close up แสงแฟลช มีค่ามัธยฐานร้อยละการทำนายความน่าจะเป็นรอยโรคก่อนมะเร็งช่องปาก เท่ากับ 57.18 63.35 79.38 และ 80.28 ใช้สถิติ Kruskal - Wallis test เปรียบเทียบความแตกต่างของร้อยละการทำนายความน่าจะเป็นรอยโรคก่อนมะเร็งช่องปากและมะเร็งช่องปาก ของเทคนิคทั้ง 4 กลุ่ม พบว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติ (p-value <0.001) ใช้สถิติ Mann withney U test ดูความแตกต่างระหว่างกลุ่ม และผลการศึกษาทิศทางของภาพถ่ายรอยโรคในช่องปาก ขณะนำข้อมูลเข้าวิเคราะห์ของกลุ่มถ่าย Close up แสงแฟลช พบว่า การหมุนภาพในแนว 90 180 และ 270 องศา จากภาพปกติมีความแตกต่างอย่างมีนัยสำคัญทางสถิติ (p-value = 0.037)

สรุปผลการวิจัย การถ่ายภาพ Close-up ด้วยกล้องที่มีกำลังขยายมากกว่า 2 เท่า และใช้แสงสว่างจากแฟลชในกล้องถ่ายรูปของโทรศัพท์มือถือ ให้ร้อยละในการทำนายความน่าจะเป็นรอยโรคก่อนมะเร็งในช่องปากสูงสุด และ ทิศทางการนำเข้าภาพถ่ายเพื่อทำการวิเคราะห์ มีผลต่อการทำนายความน่าจะเป็นรอยโรคก่อนมะเร็งในช่องปากของปัญญาประดิษฐ์ โดยการวิเคราะห์ภาพถ่ายแบบแนวนอน (กลุ่มภาพปกติ และกลุ่มหมุนภาพ 180 องศา) ให้ค่าร้อยละที่สูงมากกว่าภาพถ่ายแบบแนวตั้ง (กลุ่มหมุนภาพในแนว 90 องศา และกลุ่มหมุนภาพ 270 องศา)

References

Bray F, Ferlay J, Laversanne M, Brewster DH, Gombe Mbalawa C, Kohler B, et al. Cancer Incidence in Five Continents: Inclusion criteria, highlights from Volume X and the global status of cancer registration. Int J Cancer. 2015; 137(9): 2060-71.

คณะกรรมการจัดทำแผนการป้องกันและควบคุมโรคมะเร็งแห่งชาติ กรมการแพทย์ กระทรวงสาธารณสุข. แผนการป้องกันและควบคุมโรคมะเร็งแห่งชาติ National Cancer Control Programme (พ.ศ. 2561 - 2565). นนทบุรี: กรมการแพทย์ กระทรวงสาธารณสุข; 2561.

Warnakulasuriya S. Causes of oral cancer--an appraisal of controversies. Br Dent J. 2009; 207(10): 471-75.

Ghantous Y, Abu Elnaaj I. [GLOBAL INCIDENCE AND RISK FACTORS OF ORAL CANCER]. Harefuah. 2017; 156(10): 645-49.

สถาบันมะเร็งแห่งชาติ กรมการแพทย์ กระทรวงสาธารณสุข. ทะเบียนมะเร็งระดับโรงพยาบาล. กรุงเทพฯ: สถาบันมะเร็งแห่งชาติ กรมการแพทย์ กระทรวงสาธารณสุข; 2564.

Sankaranarayanan R, Ramadas K, Thara S, Muwonge R, Thomas G, Anju G, et al. Long term effect of visual screening on oral cancer incidence and mortality in a randomized trial in Kerala, India. Oral Oncol. 2013; 49(4): 314-21.

Sankaranarayanan R, Ramadas K, Thomas G, Muwonge R, Thara S, Mathew B, Rajan B, et al. Effect of screening on oral cancer mortality in Kerala, India: a cluster-randomised controlled trial. Lancet. 2005; 365(9475): 1927-933.

มนัสวี ตันยะ. การตรวจประเมินรอยโรคก่อนมะเร็งและรอยโรคมะเร็งในช่องปากด้วยวิธีการเสริมแบบไม่รุกล้ำ. วารสารการแพทย์โรงพยาบาลอุดรธานี. 2564; 29(2): 304-13.

Warnakulasuriya S. Oral potentially malignant disorders: A comprehensive review on clinical aspects and management. Oral Oncol. 2020; 102: 104550.

Liu W, Wang YF, Zhou HW, Shi P, Zhou ZT, Tang GY. Malignant transformation of oral leukoplakia: a retrospective cohort study of 218 Chinese patients. BMC Cancer. 2010; 10: 685.

วสิศ ลิ้มประเสริฐ, กฤษสิทธิ์ วารินทร์ , ศิริวรรณ สืบนุการณ์. โครงการแพลตฟอร์มออนไลน์บนมือถือและปัญญาประดิษฐ์ แบบเรียนรู้เชิงลึกสําหรับการตรวจคัดกรองมะเร็งช่องปาก A Mobile Online Platform and Deep-Learning AI for Oral Cancer Screening. ปทุมธานี: มหาวิทยาลัยธรรมศาสตร์ ศูนย์รังสิต; 2566.

Haron N, Zain RB, Nabillah WM, Saleh A, Kallarakkal TG, Ramanathan A, et al. Mobile Phone Imaging in Low Resource Settings for Early Detection of Oral Cancer and Concordance with Clinical Oral Examination. Telemed J E Health. 2017; 23(3): 192-99.

Ilhan B, Guneri P, Wilder-Smith P. The contribution of artificial intelligence to reducing the diagnostic delay in oral cancer. Oral Oncol. 2021; 116: 105254. 14. Haron N, Zain RB, Ramanathan A, Abraham MT, Liew CS, Ng KG, et al. m-Health for Early Detection of Oral Cancer in Low- and Middle-Income Countries. Telemed J E Health. 2020; 26(3): 278-85.

Downloads

เผยแพร่แล้ว

2024-06-30

ฉบับ

บท

บทความวิจัย (Research article)