การประเมินผลการวินิจฉัยวัณโรคปอดด้วยภาพถ่ายรังสีทรวงอกของโปรแกรมปัญญาประดิษฐ์ AXIR-CX จากการยืนยันผลด้วยวิธี Xpert MTB/RIF Ultra ในกลุ่มผู้รับการตรวจที่มีผลเสมหะ AFB เป็นลบ

นาราวินทร์  กูลนรา; พงษ์เดช  สารการ2

ผู้แต่ง

นาราวินทร์ กูลนรา สาขาวิชาชีวสถิติ คณะสาธารณสุขศาสตร์ มหาวิทยาลัยขอนแก่น จังหวัดขอนแก่น 40002 ประเทศไทย
พงษ์เดช สารการ2 กลุ่มวิจัยวิทยาการระบาดและป้องกันโรคมะเร็งในภูมิภาคอาเซียน คณะสาธารณสุขศาสตร์ มหาวิทยาลัยขอนแก่น จังหวัดขอนแก่น 40002 ประเทศไทย

คำสำคัญ:

ภาพรังสีดิจิทัลทรวงอก, โปรแกรมปัญญาประดิษฐ์ AXIR-CX, วิธี Xpert MTB/RIF Ultra, วัณโรคปอด

บทคัดย่อ

บทนำ: วัณโรคเป็นปัญหาสำหรับระบบสาธารณสุขทั้งในระดับโลกและประเทศไทย เมื่อทำการคัดกรองวัณโรคปอดด้วยภาพถ่ายทางรังสี พบปัญหาการขาดแคลนรังสีแพทย์ในการแปลผลภาพรังสี จึงได้มีการนำโปรแกรมปัญญาประดิษฐ์ AXIR-CX มาใช้ในการแปลผล การศึกษานี้มีวัตถุประสงค์เพื่อประเมินคุณสมบัติของโปรแกรมปัญญาประดิษฐ์ AXIR-CX ในการคัดกรองวัณโรคปอดจากภาพรังสีดิจิทัลทรวงอก โดยใช้วิธี Xpert MTB/RIF Ultra เป็นวิธีมาตรฐานอ้างอิง วิธีการศึกษา: ใช้รูปแบบเชิงพรรณนาย้อนหลัง สุ่มภาพรังสีจากกลุ่มตัวอย่างที่เป็นภาพรังสีดิจิทัลทรวงอกจาก 6 โรงพยาบาลชุมชนในจังหวัดจันทบุรีที่ใช้ DR detector รุ่น AeroDR 2 1417S เก็บข้อมูลตั้งแต่ 1 ตุลาคม 2562 ถึง 30 กันยายน 2566 วิเคราะห์ด้วยสถิติการทดสอบวินิจฉัย วิเคราะห์กราฟเส้นโค้ง ROC และวัดความสอดคล้องด้วยสถิติแคปปา ผลการศึกษา: โปรแกรมปัญญาประดิษฐ์ AXIR-CX วิเคราะห์ภาพรังสีทรวงอกจำนวน 459 ภาพ พบ ค่าความไวและความจำเพาะเท่ากับร้อยละ 80.6 (95% CI: 69.5-88.9) และร้อยละ 59.2 (95% CI: 54.1-64.1) ตามลำดับ ความแม่นยำเท่ากับ 62.5% (95% CI: 58.1-66.9) อัตราส่วนความน่าจะเป็นของผลบวกเท่ากับ 1.97 เท่า (95% CI: 1.67-2.33) และอัตราส่วนความน่าจะเป็นของผลลบเท่ากับ 0.33 เท่า (95% CI: 0.20-0.53) การวิเคราะห์กราฟเส้นโค้ง ROC ได้จุดตัดที่เหมาะสมเท่ากับ 0.5 พื้นที่ใต้กราฟเส้นโค้ง ROC เท่ากับร้อยละ 69.9 (95% CI: 64.6-75.1) เมื่อกำหนดระดับนัยสำคัญที่ 0.05 พบว่าพื้นที่ใต้กราฟเส้นโค้ง ROC ของเพศชายและหญิงแตกต่างกันอย่างไม่มีนัยสำคัญทางสถิติ (p-value = 0.12) และพื้นที่ใต้กราฟเส้นโค้ง ROC ของกลุ่มอายุ 15-54 ปี และกลุ่มอายุตั้งแต่ 55 ปี แตกต่างกันอย่างไม่มีนัยสำคัญทางสถิติ (p-value = 0.29) สัมประสิทธิ์แคปปาระหว่างโปรแกรมปัญญาประดิษฐ์ AXIR-CX กับวิธี Xpert MTB/RIF Ultra เท่ากับ 0.22 (95% CI: 0.15-0.29) สรุปผลการศึกษา: โปรแกรมปัญญาประดิษฐ์ AXIR-CX สามารถนำมาใช้ตรวจคัดกรองวัณโรคปอดในโรงพยาบาลชุมชนได้ แต่ควรใช้อย่างระมัดระวัง เนื่องจากค่าประมาณพื้นที่ใต้กราฟ ROC อยู่ในช่วงค่อนข้างต่ำ และระดับความสอดคล้องอยู่ในเกณฑ์พอใช้

Downloads

Download data is not yet available.

เอกสารอ้างอิง

World Health Organization. Annual report of tuberculosis. Annual global TB report of WHO [Internet]. 2022 [cited 2023 Sep 22];8(1):1-68.

Provisional tuberculosis (TB) notifications [Internet]. Geneva: World Health Organization; 2023 [cited 2023 Sep 22].

กองวัณโรค กรมควบคุมโรค. National Tuberculosis Control Programme Guideline, Thailand 2021. Bangkok: Division of Tuberculosis; 2021.

World Health Organization. Systematic screening for active tuberculosis: an operational guide. Geneva: World Health Organization; 2015.

World Health Organization. WHO meeting report of a technical expert consultation: non-inferiority analysis of Xpert MTB/RIF Ultra compared to Xpert MTB/RIF. Geneva: World Health Organization; 2017. Report No.: WHO/HTM/TB/2017.04. Licence: CC BY-NC-SA 3.0 IGO.

World Health Organization. WHO consolidated guidelines on tuberculosis. Module 3: Diagnosis. In: Rapid diagnostics for tuberculosis detection. Geneva: World Health Organization; 2020.

ระบบสารสนเทศภูมิศาสตร์ทรัพยากรสุขภาพ [Internet]. [cited 2023 Sep 22].

Yoo SH, Geng H, Chiu TL, Yu SK, Cho DC, Heo J, et al. Study on the TB and non-TB diagnosis using two-step deep learning-based binary classifier. J Instrum. 2020 Oct 1;15(10).

Codlin AJ, Dao TP, Vo LNQ, Forse RJ, Van Truong V, Dang HM, et al. Independent evaluation of 12 artificial intelligence solutions for the detection of tuberculosis. Sci Rep. 2021 Dec 1;11(1).

Hajian-Tilaki K. Sample size estimation in diagnostic test studies of biomedical informatics. J Biomed Inform. 2014;48:193–204.

Zhan Y, Wang Y, Zhang W, Ying B, Wang C. Diagnostic accuracy of the artificial intelligence methods in medical imaging for pulmonary tuberculosis: A systematic review and meta-analysis. J Clin Med. 2023;12(1):303.

สำนักวัณโรค กรมควบคุมโรค กระทรวงสาธารณสุข. การสำรวจความชุกของวัณโรคระดับชาติในประเทศไทย ปี พ.ศ. 2555-2556. 2560.

Chu K. An introduction to sensitivity, specificity, predictive values and likelihood ratios. Emerg Med. 1999;11(3):175-181.

พงษ์เดช สารการ. หลักการทางชีวสถิติและแนวทางการวิเคราะห์ข้อมูลด้วยโปรแกรม STATA 15. ขอนแก่น: สาขาวิชาวิทยาการระบาดและชีวสถิติ คณะสาธารณสุขศาสตร์ มหาวิทยาลัยขอนแก่น; 2566.

Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics. 1997;33(1):159-174.

van’t Hoog A, Viney K, Biermann O, Yang B, Leeflang MMG, Langendam MW. Symptom- and chest-radiography screening for active pulmonary tuberculosis in HIV-negative adults and adults with unknown HIV status. Cochrane Database of Systematic Reviews. 2022;3.