ปัญญาประดิษฐ์ (AI) รุ่นใหม่ที่ใช้ประโยชน์จาก Apple Watch ในการทำนายโรคต่างๆ

การรวมกันของ ปัญญาประดิษฐ์ และอุปกรณ์ที่เราสวมใส่บนข้อมือตลอดทั้งวัน ตอนนี้เริ่มเห็นผลลัพธ์ที่เมื่อไม่กี่ปีที่ผ่านมาฟังดูเหมือนนิยายวิทยาศาสตร์แล้ว กลุ่มนักวิจัยได้แสดงให้เห็นว่า ด้วยข้อมูลที่ถูกต้อง Apple Watch สามารถทำอะไรได้มากกว่าแค่การนับก้าวหรือวัดอัตราการเต้นของหัวใจ

ในผลงานใหม่ที่พัฒนาโดย นักวิจัยจาก MIT และบริษัทสตาร์ทอัพ Empirical Healthได้มีการสร้างแบบจำลอง AI ที่สามารถตรวจจับสัญญาณของโรคจากข้อมูลการเฝ้าระวังแบบไม่เชิงรุกได้ หัวใจสำคัญอยู่ที่วิธีการวิเคราะห์ข้อมูลที่ไม่สมบูรณ์และไม่เป็นระเบียบเหล่านี้ เพื่อดึงเอาแบบแผนความเสี่ยงออกมา ซึ่งสามารถใช้เป็นระบบเตือนภัยล่วงหน้าได้

การศึกษาวิจัยขนาดใหญ่ที่รวบรวมข้อมูลการใช้งานจริงนับล้านวัน

ในการฝึกฝนระบบนี้ ทีมงานได้ใช้ฐานข้อมูลที่ประกอบด้วย ผู้ใช้ 16.522 คน Apple Watchเมื่อรวมเวลาการใช้งานทั้งหมดเข้าด้วยกัน จะได้ปริมาตรเทียบเท่ากับ จากการวัดจริงประมาณสามล้านวันซึ่งเป็นปริมาณข้อมูลที่ยากจะจัดการได้ด้วยวิธีการแบบดั้งเดิม

แต่ละคนสร้างรายได้สูงสุดถึง ตัวชี้วัดที่แตกต่างกัน 63 รายการที่เกี่ยวข้องกับสุขภาพของคุณโดยแบ่งกลุ่มตามหลายด้าน: พารามิเตอร์ระบบหัวใจและหลอดเลือดข้อมูลเกี่ยวกับการทำงานของระบบทางเดินหายใจ คุณภาพการนอนหลับ ระดับกิจกรรมทางกาย และสถิติทั่วไปเกี่ยวกับกิจวัตรประจำวัน แม้ว่าผู้เข้าร่วมบางคนจะไม่ได้สวมนาฬิกาอย่างสม่ำเสมอ แต่แบบจำลองนี้ได้รับการออกแบบมาเพื่อใช้ประโยชน์จากช่วงเวลาที่ไม่ได้สวมนาฬิกาเหล่านั้นด้วย

สิ่งที่สะดุดตาที่สุดประการหนึ่งก็คือ มีผู้ใช้งานเพียงประมาณ 15% เท่านั้นที่มีประวัติทางการแพทย์ที่ระบุไว้ ซึ่งระบุถึงการวินิจฉัยโรคที่เฉพาะเจาะจง กล่าวอีกนัยหนึ่ง ข้อมูลส่วนใหญ่ไม่ได้มาพร้อมกับป้ายกำกับโรค ซึ่งโดยหลักการแล้วทำให้การฝึกฝนอัลกอริทึมที่เชื่อถือได้ในด้านการดูแลสุขภาพทำได้ยากขึ้นมาก

แทนที่จะมองว่านี่เป็นอุปสรรคที่เอาชนะไม่ได้ นักวิจัยกลับเลือกใช้กลยุทธ์ดังนี้ การเรียนรู้ด้วยตนเองหรือการตรวจสอบด้วยตนเองขั้นแรก โมเดลได้รับการฝึกฝนโดยใช้ฐานข้อมูลทั้งหมด โดยไม่จำเป็นต้องมีข้อมูลการวินิจฉัยโรคมาก่อน ต่อมา โมเดลได้รับการปรับปรุงโดยใช้เฉพาะกลุ่มย่อยของผู้เข้าร่วมที่มีประวัติทางการแพทย์บันทึกไว้เท่านั้น

ด้วยแนวทางนี้ จึงสามารถใช้ประโยชน์จากสิ่งต่อไปนี้ได้ ข้อมูลปริมาณมหาศาล ซึ่งในบริบทอื่นๆ อาจถูกมองว่า "มีข้อมูลมากเกินไป" หรือไม่สมบูรณ์ผลลัพธ์ที่ได้คือระบบที่เรียนรู้พฤติกรรมของผู้คนในชีวิตประจำวัน แม้ว่าจะมีข้อมูลการวัดขาดหายไปหรือมีช่วงเวลาว่างเปล่าเป็นเวลานานก็ตาม

ปัญญาประดิษฐ์ที่เข้าใจช่องว่างในข้อมูลของ Apple Watch

หัวใจสำคัญของโครงการนี้คือแบบจำลอง AI ที่ได้รับแรงบันดาลใจจากสถาปัตยกรรม JEPA (Joint Embedding Predictive Architecture)นี่คือกลุ่มของอัลกอริธึมที่มุ่งเน้นการทำความเข้าใจบริบทโดยรวมมากกว่าการคาดเดาข้อมูลเฉพาะเจาะจง แตกต่างจากระบบต่างๆ เช่น โมเดลภาษาที่พยายามเดาคำถัดไป ในที่นี้ให้ความสำคัญกับการสร้างภาพแทนที่สอดคล้องกันของสถานการณ์ทั้งหมด

ในทางปฏิบัติ ทีมงานได้แปลงข้อมูลการสังเกตการณ์แต่ละครั้งจาก Apple Watch ให้กลายเป็นสัญลักษณ์ชนิดหนึ่ง ซึ่งประกอบด้วย... วันที่ ประเภทของหน่วยวัด และค่าที่วัดได้จากนั้นจึงนำกลไกการปกปิดข้อมูลมาใช้ โดยจงใจซ่อนข้อมูลบางส่วนไว้ เพื่อบังคับให้แบบจำลองต้องคาดเดาว่าข้อมูลใดควรมาเติมเต็มช่องว่างเหล่านั้น

แทนที่จะพยายามสร้างตัวเลขที่หายไปขึ้นมาใหม่ให้ตรงเป๊ะ AI จะเรียนรู้วิธีอื่น การไม่มีข้อมูลนั้นหมายความว่าอย่างไรในบริบทของรูปแบบโดยรวมของแต่ละบุคคล?หากใครบางคนไม่ได้บันทึกการนอนหลับหรือกิจกรรมเป็นเวลาหลายวัน ระบบจะไม่ถือว่าเป็นเพียงความผิดพลาดเล็กน้อย แต่จะมองว่าเป็นอีกหนึ่งองค์ประกอบของพฤติกรรมที่อาจมีความเกี่ยวข้องทางการแพทย์

สิ่งนี้มีประโยชน์อย่างยิ่งเมื่อใช้ร่วมกับ อุปกรณ์ที่สวมใส่เพราะการใช้งานในชีวิตประจำวันนั้นห่างไกลจากความสมบูรณ์แบบ: บางวันเราอาจวางนาฬิกาไว้บนโต๊ะข้างเตียง บางวันแบตเตอรี่อาจหมด หรือบางวันเซ็นเซอร์อาจวัดค่าไม่ถูกต้องJETS ซึ่งเป็นแบบจำลองที่นักวิจัยตั้งชื่อนั้น เรียนรู้จากความโกลาหลดังกล่าวอย่างแม่นยำ และสามารถทำงานได้กับข้อมูลที่มีความผิดปกติอย่างมาก

จากข้อมูลของผู้รับผิดชอบการศึกษา พบว่าตัวชี้วัดหลายตัวที่นำมาวิเคราะห์นั้นมีให้ใช้งานได้เฉพาะในช่วงเวลาประมาณหนึ่งเดือนที่ผ่านมาเท่านั้น 0,4% ของเวลาทั้งหมด สำหรับผู้ใช้บางราย การลงทะเบียนมีจำนวนมาก ในขณะที่บางรายลงทะเบียนเกือบทุกวัน แม้จะมีความแตกต่างกันเช่นนี้ แต่ AI ก็ยังสามารถดึงรูปแบบที่เป็นประโยชน์ออกมาได้ ซึ่งอาจจะมองข้ามไปหากใช้การวิเคราะห์แบบดั้งเดิม

จากทฤษฎีสู่การปฏิบัติ: การตรวจหาภาวะความดันโลหิตสูงและภาวะหยุดหายใจขณะหลับ

หลังจากฝึกฝนและปรับปรุงโมเดลแล้ว ก็ได้ทำการทดสอบโมเดลในการตรวจจับ ภาวะสุขภาพเฉพาะเจาะจงอาการเหล่านี้หลายอย่างเกี่ยวข้องกับปัญหาระบบหัวใจและหลอดเลือดและความผิดปกติของการนอนหลับ โดยให้ความสนใจเป็นพิเศษกับภาวะความดันโลหิตสูง กลุ่มอาการหัวใจเต้นผิดจังหวะ ภาวะหยุดหายใจขณะหลับ และอาการอ่อนเพลียเรื้อรัง

ในกรณีของ ความดันโลหิตสูงปัญญาประดิษฐ์ (AI) สามารถจำแนกความแตกต่างระหว่างบุคคลที่มีและไม่มีภาวะนี้ได้อย่างแม่นยำในระดับที่น่าพอใจ ผลลัพธ์ที่เผยแพร่แสดงให้เห็นอัตราการจำแนกที่ใกล้เคียงกับ [เปอร์เซ็นต์ที่หายไป] 86,8% สิ่งนี้แสดงให้เห็นว่าแบบจำลองสามารถจำแนกได้อย่างแม่นยำว่าใครมีความเสี่ยงและใครไม่มีความเสี่ยง โดยอาศัยข้อมูลที่รวบรวมได้จากนาฬิกา

ประสิทธิภาพของระบบไม่ได้จำกัดอยู่แค่ปัญหาเฉพาะนี้เท่านั้น ระบบยังแสดงให้เห็นถึงประสิทธิภาพในด้านอื่นๆ อีกด้วย มีผลงานที่ดีในการระบุรูปแบบที่เข้ากันได้กับกลุ่มอาการไซนัสอักเสบเรื้อรังหรือกลุ่มอาการอ่อนเพลียเรื้อรังถึงแม้ว่าจะไม่ได้คะแนนสูงสุดเมื่อเทียบกับแบบจำลองอ้างอิงทั้งหมด แต่ก็แสดงให้เห็นถึงข้อได้เปรียบอย่างสม่ำเสมอเมื่อทำงานกับข้อมูลที่มีรูปแบบไม่สม่ำเสมอ

สิ่งสำคัญคือต้องชี้แจงให้ชัดเจนว่าตัวชี้วัดที่ใช้ในการประเมินแบบจำลองนั้นคืออะไร พวกเขาไม่ได้นับ "ความสำเร็จหรือความล้มเหลว" แบบง่ายๆแต่สิ่งที่สำคัญกว่าคือความสามารถในการจัดลำดับความสำคัญของกรณีต่างๆ โดยพิจารณาจากความน่าจะเป็นของความเสี่ยง ในการดูแลสุขภาพเชิงป้องกัน สิ่งที่สำคัญอย่างแท้จริงคือการให้ความสำคัญกับผู้ที่อาจต้องการการตรวจสุขภาพก่อนที่อาการจะปรากฏชัดเจน มากกว่าการวินิจฉัยโรคได้อย่างแม่นยำทุกครั้ง

กล่าวอีกนัยหนึ่ง ประโยชน์ของ AI ประเภทนี้ขึ้นอยู่กับ... ทำหน้าที่เป็นระบบคัดกรองแบบพาสซีฟ ซึ่งบ่งชี้ว่าผู้ใช้รายใดควรไปพบแพทย์เพื่อรับการตรวจอย่างละเอียดมากขึ้น นั่นคือจุดที่ Apple Watch สามารถมีบทบาทสำคัญ โดยทำหน้าที่เป็นตัวกรองเบื้องต้นที่อาศัยการวัดค่าต่างๆ ที่ดูเหมือนจะเป็นเรื่องปกติทั่วไป

ข้อมูลอาจไม่สมบูรณ์ แต่มีศักยภาพด้านสุขภาพที่ยอดเยี่ยม

หนึ่งในข้อสรุปที่นักวิจัยเน้นย้ำมากที่สุดคือ ข้อมูลที่ไม่สมบูรณ์ไม่ได้หมายความว่าไร้ประโยชน์เสมอไปหากจัดการอย่างถูกวิธี ข้อมูลเหล่านี้สามารถให้ข้อมูลที่มีค่า โดยเฉพาะอย่างยิ่งเมื่อเก็บรวบรวมในช่วงระยะเวลานานและในบริบทชีวิตจริง ซึ่งอยู่นอกเหนือสภาวะควบคุมของห้องปฏิบัติการ

การศึกษานี้แสดงให้เห็นว่า แม้แต่บันทึกข้อมูลที่ไม่สม่ำเสมอ ก็สามารถช่วยสร้างแบบจำลองสถานะสุขภาพของบุคคลได้อย่างแม่นยำ ถึงแม้ว่าบางตัวชี้วัดจะวัดเพียงไม่บ่อยนักก็ตาม รูปแบบโดยรวมของกิจกรรม การนอนหลับ และอัตราการเต้นของหัวใจ สุดท้ายแล้ว มันจะให้เบาะแสเกี่ยวกับปัญหาพื้นฐานที่อาจเกิดขึ้น

สิ่งนี้ตอกย้ำแนวคิดที่ว่าสมาร์ทวอทช์อย่างเช่น... Apple Watch สามารถมีบทบาทสำคัญมากขึ้นเรื่อยๆ ในการตรวจสอบอย่างต่อเนื่องไม่จำเป็นต้องสวมอุปกรณ์ตลอด 24 ชั่วโมง หรือหมกมุ่นกับการบันทึกทุกอย่างอย่างละเอียดถี่ถ้วน สิ่งสำคัญคือต้องมีระบบที่สามารถตีความสิ่งที่บันทึกไว้ได้อย่างถูกต้อง

โมเดลนี้ใช้ประโยชน์จากข้อได้เปรียบนั้นอย่างแม่นยำ: มันอยู่เคียงข้างผู้ใช้ในชีวิตประจำวันโดยไม่จำเป็นต้องใช้งานอย่างสมบูรณ์แบบจากชุดข้อมูลที่สร้างขึ้น ระบบจะสร้าง "แผนที่" สุขภาพของแต่ละบุคคล ซึ่งมีความแม่นยำมากพอที่จะตรวจจับความผิดปกติที่อาจมองข้ามไปในการตรวจสุขภาพเพียงครั้งเดียว

สำหรับระบบสาธารณสุขของยุโรป ซึ่งปริมาณงานเพิ่มขึ้นอย่างต่อเนื่อง แนวทางนี้อาจเป็นเครื่องมือสนับสนุนที่มีประโยชน์ อัลกอริทึมที่ ช่วยจัดลำดับความสำคัญของคดีหรือระบุความเสี่ยงตั้งแต่เนิ่นๆ วิธีนี้จะช่วยให้สามารถจัดสรรทรัพยากรไปยังผู้ที่ต้องการความช่วยเหลืออย่างแท้จริงได้มากขึ้น โดยมีเงื่อนไขว่าต้องบูรณาการเข้ากับการปฏิบัติทางคลินิกอย่างเหมาะสม

ข้อจำกัด ความท้าทายทางคลินิก และบทบาทของแพทย์

อย่างไรก็ตาม ผู้เขียนเองก็เน้นย้ำว่า งานชิ้นนี้ยังอยู่ในขั้นตอนการวิจัยเพียงเพราะแบบจำลองทำงานได้ดีในการศึกษา ไม่ได้หมายความว่ามันพร้อมที่จะเป็นฟังก์ชันอีกอย่างหนึ่งของนาฬิกา หรือควรใช้แทนการประเมินโดยผู้เชี่ยวชาญด้านสุขภาพ

ในขณะนี้ ยังไม่มีหลักฐานยืนยันอย่างแน่ชัด AI นี้จะทำงานอย่างไรในสภาพแวดล้อมทางคลินิกจริงซึ่งมีปัจจัยอื่นๆ อีกมากมายเข้ามาเกี่ยวข้อง เช่น ความแตกต่างระหว่างประชากร พฤติกรรมการใช้งานที่แตกต่างกัน วิธีการสวมใส่นาฬิกาที่แตกต่างกัน หรือการเปลี่ยนแปลงวิถีชีวิตที่ส่งผลต่อค่าที่วัดได้

นอกจากนี้ควรสังเกตว่า แม้จะมีอัตราการคัดแยกที่ดี แต่... ระบบนี้ไม่ได้สมบูรณ์แบบเสมอไปอาจเกิดผลลัพธ์ที่ผิดพลาดได้ เช่น ผลบวกเท็จ ซึ่งก่อให้เกิดความกังวลโดยไม่จำเป็น และผลลบเท็จ ซึ่งมองข้ามความเสี่ยงที่สำคัญไป ดังนั้น ผลลัพธ์ใดๆ ที่ได้จาก AI ควรถูกมองว่าเป็นสัญญาณเตือน ไม่ใช่การวินิจฉัยที่แน่ชัด

บทบาทของ บุคลากรทางการแพทย์ยังคงมีความสำคัญอย่างยิ่งการตรวจวินิจฉัยเฉพาะเจาะจง การตรวจร่างกาย และบริบททางคลินิกที่ครบถ้วนนั้น ไม่สามารถทดแทนได้ด้วยอัลกอริทึมที่ทำงานกับข้อมูลเชิงรับ ปัญญาประดิษฐ์สามารถช่วยให้มุ่งเน้นความสนใจได้ แต่การตัดสินใจขั้นสุดท้ายต้องขึ้นอยู่กับผู้เชี่ยวชาญ

เพิ่มสิ่งนี้เข้าไปด้วย ประเด็นเกี่ยวกับความเป็นส่วนตัวและการคุ้มครองข้อมูลเรื่องนี้มีความละเอียดอ่อนเป็นพิเศษในยุโรป การอนุญาตให้ระบบวิเคราะห์ข้อมูลส่วนบุคคลอย่างต่อเนื่อง เช่น อัตราการเต้นของหัวใจ รูปแบบการนอนหลับ หรือกิจกรรมประจำวัน จำเป็นต้องรับประกันระดับความปลอดภัยที่สูงมากและปฏิบัติตามกฎระเบียบอย่างเคร่งครัด เช่น ระเบียบว่าด้วยการคุ้มครองข้อมูลส่วนบุคคลทั่วไป (GDPR)

Apple Watch มีความหมายอย่างไรต่ออนาคตของวงการดูแลสุขภาพ?

แม้จะมีการระมัดระวังแล้วก็ตาม การศึกษาชิ้นนี้ก็ยังแสดงให้เห็นอย่างชัดเจนว่า การแพทย์เชิงป้องกันสามารถเปลี่ยนแปลงได้อย่างสิ้นเชิงด้วยความช่วยเหลือจากอุปกรณ์สวมใส่การเปลี่ยนจากการตรวจสอบเป็นครั้งคราวไปเป็นการตรวจสอบอย่างต่อเนื่องเกือบตลอดเวลา จะเปิดโอกาสให้ตรวจพบปัญหาได้ตั้งแต่ระยะเริ่มต้น ซึ่งยังมีเวลาเหลือเฟือในการดำเนินการแก้ไข

Apple Watch มีฟีเจอร์ที่เกี่ยวข้องกับสุขภาพอยู่แล้ว เช่น... การแจ้งเตือนอัตราการเต้นของหัวใจผิดปกติ การติดตามการนอนหลับ หรือการตรวจจับการล้มงานวิจัยในลักษณะนี้ชี้ให้เห็นถึงขั้นตอนต่อไป ซึ่งอุปกรณ์ดังกล่าวอาจช่วยตรวจจับความผิดปกติ เช่น ความดันโลหิตสูง หรือภาวะหยุดหายใจขณะหลับ ได้อย่างซับซ้อนยิ่งขึ้น

ในบริบทของยุโรป ซึ่งสมาร์ทวอทช์กำลังได้รับความนิยมมากขึ้น การพัฒนาเช่นนี้อาจนำไปสู่ความสำเร็จได้ เหมาะสมกับโปรแกรมการตรวจสอบระยะไกล หรือในโครงการด้านการแพทย์ดิจิทัลที่ขับเคลื่อนโดยระบบภาครัฐและเอกชน อย่างไรก็ตาม การทำงานร่วมกันอย่างเป็นระบบระหว่างนักเทคโนโลยี แพทย์ และหน่วยงานกำกับดูแล จะเป็นสิ่งจำเป็นเพื่อให้มั่นใจได้ว่าการนำไปใช้งานจะเป็นไปอย่างปลอดภัยและมีประสิทธิภาพ

ระบบนิเวศด้านสุขภาพของ Apple บน iPhone เองก็ชี้ไปในทิศทางนั้น: บริษัทกำลังพัฒนาแอปสุขภาพจากเพียงแค่แหล่งเก็บข้อมูลไปสู่... ผู้ช่วยที่มีความกระตือรือร้นมากขึ้นสามารถชี้ให้เห็นแนวโน้ม แจ้งเตือนการเปลี่ยนแปลงที่สำคัญ และบูรณาการรายงานกับศูนย์การแพทย์ได้เมื่อเป็นไปได้ การบูรณาการกับบริการภายนอก นับเป็นหนึ่งในสายงานที่ได้รับความสนใจมากที่สุดในอุตสาหกรรมนี้

อย่างไรก็ตาม แม้ว่าฟีเจอร์เหล่านี้อาจต้องใช้เวลาในการเข้าถึงผู้ใช้ปลายทางก็ตาม สาระสำคัญนั้นชัดเจนข้อมูลที่ได้จากสมาร์ทวอทช์และอุปกรณ์ติดตามการออกกำลังกายไม่ได้มีเพียงแค่สถิติที่น่าสนใจเท่านั้น หากได้รับการจัดการและปกป้องอย่างเหมาะสม ข้อมูลเหล่านี้อาจกลายเป็นเครื่องมือที่มีค่าสำหรับการดูแลสุขภาพของเราให้ดียิ่งขึ้น โดยไม่จำเป็นต้องไปพบแพทย์บ่อยๆ

ทุกอย่างบ่งชี้ว่าเรากำลังอยู่ในช่วงเริ่มต้นของวิธีการทำความเข้าใจการตรวจติดตามทางการแพทย์แบบใหม่ ซึ่ง ปัญญาประดิษฐ์ที่ได้รับการฝึกฝนด้วยข้อมูลการใช้งาน Apple Watch นับล้านวัน มันทำหน้าที่เหมือนเรดาร์เงียบๆ คอยตรวจหาสัญญาณเตือนภัยจากอัตราการเต้นของหัวใจ ชั่วโมงการนอนหลับ และจำนวนก้าวเดิน ในขณะที่ผู้เชี่ยวชาญด้านการดูแลสุขภาพยังคงมีอำนาจตัดสินใจขั้นสุดท้ายว่าจะดำเนินการอย่างไรกับข้อมูลเหล่านั้น

บทความที่เกี่ยวข้อง:

Apple Watch และการตรวจระดับกลูโคสแบบไม่ผ่าตัด: ความท้าทายที่รออยู่ข้างหน้าและอนาคตของสุขภาพข้อมือ