การประยุกต์ใช้ AI เพื่อในการรักษาภาวะสมองเสื่อมในผู้สูงวัย

05 ธ.ค. 2568 | 22:30 น.

การประยุกต์ใช้ AI เพื่อในการรักษาภาวะสมองเสื่อมในผู้สูงวัย คอลัมน์ ชีวิตบั้นปลายของชายชรา โดย กริช อึ้งวิฑูรสถิตย์

KEY

POINTS

  • มีการนำ AI มาใช้ร่วมกับเทคโนโลยีกระตุ้นสมอง (Neuromodulation) เช่น TMS และ tDCS เพื่อวิเคราะห์และระบุตำแหน่งของวงจรประสาทที่บกพร่อง ทำให้การรักษามีความแม่นยำและจำเพาะต่อบุคคลมากขึ้น
  • AI สามารถวินิจฉัยและทำนายภาวะสมองเสื่อมได้ล่วงหน้าหลายปีก่อนที่อาการจะแสดงออกอย่างชัดเจน โดยวิเคราะห์ข้อมูลที่ซับซ้อนจากภาพสแกนสมอง การใช้ภาษา หรือผลตรวจเลือด
  • เทคโนโลยี AI ช่วยควบคุมการกระตุ้นสมองแบบตอบสนอง (Adaptive Stimulation) โดยสามารถอ่านคลื่นสมองและสั่งการกระตุ้นในจังหวะที่เหมาะสมที่สุด เพื่อเพิ่มประสิทธิภาพการฟื้นฟูการทำงานของสมอง

เมื่อสองวันก่อน มีคณาจารย์จากคณะพยาบาลศาสตร์ได้มาทานข้าวที่ร้านผม เราเลยได้มีโอกาสพูดคุยกันในเรื่องโรคภาวะสมองเสื่อม (Dementia) โดยเฉพาะอย่างยิ่งที่เกิดจากโรคอัลไซเมอร์ (Alzheimer's Disease : AD) ซึ่งปัจจุบันนี้ในประเทศไทยเรา ผู้สูงวัยมีโอกาสเป็นโรคร้ายนี้มาก  ซึ่งจะส่งผลกระทบต่อความทรงจำ และการใช้ชีวิตของผู้สูงวัยอย่างลึกซึ้ง

ความท้าทายที่ใหญ่ที่สุดคือ การรักษาที่มักจะเริ่มต้นช้าเกินไป เนื่องจากอาการจะแสดงออกอย่างชัดเจน เมื่อเซลล์สมองถูกทำลายไปมากแล้ว การรักษาด้วยยาเพียงอย่างเดียวจึงให้ผลจำกัด อาจารย์เล่าว่า ปัจจุบันนักวิทยาศาสตร์และแพทย์จึงมุ่งเน้นการพัฒนาวิธีการรักษาแบบใหม่ๆ ที่สามารถปรับเปลี่ยนหรือฟื้นฟูการทำงานของวงจรประสาทที่บกพร่อง ได้ตั้งแต่เนิ่น ๆ ซึ่งเป็นเรื่องน่าสนใจมาก ผมจึงได้ไปหาบทวิจัยมาอ่านเพื่อเพิ่มความรู้มากขึ้นครับ

 

ในยุคของการรักษาแบบพุ่งเป้า (Precision Medicine)ได้เข้ามามีบทบาททางการแพทย์  และได้มีการนำเทคโนโลยี “การกระตุ้นประสาท” (Neuromodulation) เช่น TMS และ tDCS มาผนวกกับ ปัญญาประดิษฐ์ (Artificial Intelligence : AI) เพื่อสร้างการรักษาที่เฉพาะเจาะจงรายบุคคลอย่างที่ไม่เคยมีมาก่อน การกระตุ้นประสาทและการนำ AI มาใช้ในการรักษาโรคดีเมนเทีย(Dementia) จึงเป็นเรื่องที่น่าสนใจเป็นอย่างยิ่ง เทคโนโลยีที่เรียกว่า Neuromodulation กำลังเป็นความหวังในการฟื้นฟูสมองที่เสื่อมถอยไป

โดยมีแกนหลักคือ การกระตุ้นด้วยสนามแม่เหล็กไฟฟ้า ผ่านกะโหลกศีรษะ (TMS) และการกระตุ้นด้วยไฟฟ้ากระแสตรง ผ่านกะโหลกศีรษะ (tDCS)  หลักการทำงาน และหลักฐานทางวิทยาศาสตร์ของการกระตุ้นเหล่านี้ เป็นการรักษาที่ไม่ต้องผ่าตัด โดยมีเป้าหมายเพื่อเพิ่ม “ความยืดหยุ่นของสมอง” (Neural Plasticity) ซึ่งหมายถึงความสามารถในการสร้างการเชื่อมต่อใหม่ ๆ ของเซลล์ประสาท การกระตุ้นจะมุ่งไปที่บริเวณ เปลือกสมองด้านหน้า (Prefrontal Cortex) ซึ่งเป็นศูนย์กลางของการคิด ความจำ และการตัดสินใจนั่นเอง

มีผลงานวิจัยจำนวนมากที่ชี้ให้เห็นว่า การกระตุ้นด้วย TMS อย่างต่อเนื่อง หรือที่เรียกว่า rTMS (Repetitive TMS) จะสามารถช่วยปรับปรุงคะแนนการทดสอบความรู้ความเข้าใจ (Cognitive Scores) ในผู้ป่วย AD ได้จริง (ดูอ้างอิงบทวิจัยที่ 1, 2) นอกจากนี้ tDCS ยังถูกนำมาใช้ร่วมกับการฝึกสมอง (Cognitive Training) เพื่อช่วยเสริมความแข็งแรงให้กับการเชื่อมต่อใหม่ ที่ถูกกระตุ้นขึ้นอีกด้วย

ในอดีตการกระตุ้นสมอง อาจทำได้เพียงวางตำแหน่งหัวเครื่องตามพิกัดทั่วไป แต่ปฏิกิริยาตอบสนองของสมองของแต่ละคนนั้นไม่เหมือนกันเลย นี่คือจุดที่ปัญญาประดิษฐ์หรือ AI เข้ามาเปลี่ยนการรักษาด้วยวิธีการแบบใหม่ ด้วยการหาตำแหน่งกระตุ้นที่ซ่อนอยู่ในสมองของมนุษย์ โดย AI จะทำหน้าที่เป็น “นักสืบดิจิทัล” ที่วิเคราะห์ภาพถ่ายสมองอันซับซ้อน เช่น MRI หรือ EEG ของผู้ป่วยแต่ละราย เพื่อค้นหาจุดที่วงจรประสาทเกิดความบกพร่องมากที่สุด ทำให้การวางตำแหน่งการกระตุ้น TMS หรือ tDCS นั้น ตรงจุดและมีประสิทธิภาพที่สุด

การกระตุ้นแบบตอบสนอง (Adaptive Stimulation) เป็นเทคโนโลยีที่ล้ำหน้าที่สุดคือ Closed-Loop Neuromodulation ที่ควบคุมด้วย AI โดยเครื่องจะสามารถอ่านคลื่นสมองของผู้ป่วยแบบวินาทีต่อวินาที และสั่งการให้ปล่อยคลื่นกระตุ้นออกมา เฉพาะในจังหวะที่เหมาะสมที่สุด เพื่อ “รีเซ็ต” วงจรประสาท ให้กลับมาทำงานปกติ (ดูอ้างอิงที่ 3) การกระตุ้นแบบนี้จะลดการกระตุ้นที่ไม่จำเป็น และเพิ่มประสิทธิภาพสูงสุดเฉพาะเวลาที่สมองต้องการเท่านั้น ซึ่งจะเป็นการรักษาที่ตรงเป้ามากที่สุดครับ

ถ้าเราจะเปรียบร่างกายมนุษย์เป็นเหมือน “เครื่องจักรขนาดใหญ่” TMS/tDCS (Neuromodulation): มุ่งเน้นไปที่ระบบควบคุมและประมวลผลของเครื่องจักร(สมอง) พลังงานที่ใช้คือ สนามแม่เหล็กไฟฟ้า ซึ่งถูกออกแบบมาให้ส่งสัญญาณเข้าไปปรับเปลี่ยนวงจรประสาทด้วยเป้าหมายของการรักษา ก็คือไปเพิ่มประสิทธิภาพของการฟื้นฟู การคิด ความจำ การตัดสินใจ ที่ผู้สูงวัยถดถอยไป ให้กลับมาใช้งานได้เหมือนเดิมนั่นแหละครับ

สิ่งที่น่าตื่นเต้นที่สุดของการใช้ AI เข้ามาร่วมในการรักษาผู้ป่วย ก็คือความสามารถในการ วินิจฉัยและทำนายโรคสมองเสื่อม ก่อนที่ผู้ป่วยจะเริ่มมีอาการหลงลืมชัดเจนเสียอีก หรือที่เรียกว่า “Pre-Symptomatic Stage” หรือระยะก่อนแสดงอาการ ซึ่งอาจกินเวลานาน 5-10 ปี มีงานวิจัยจากหลายสถาบัน เช่น มหาวิทยาลัยแคลิฟอร์เนีย ซานฟรานซิสโก (UCSF) และมหาวิทยาลัยเคมบริดจ์ ได้แสดงให้เห็นว่า AI สามารถทำนายการเกิดอัลไซเมอร์ได้แม่นยำกว่าวิธีการทางคลินิกแบบเดิมถึงสามเท่า โดยเฉพาะอย่างยิ่งการวิเคราะห์ภาพสแกนสมอง เจ้าสมองกลหรือ AI จะใช้เทคนิค Deep Learning ในการวิเคราะห์ภาพ MRI หรือ PET Scan ที่วัดการใช้พลังงานของสมอง เพื่อตรวจจับการเปลี่ยนแปลงที่ละเอียดอ่อน เช่น การฝ่อของสมองส่วนที่เกี่ยวกับความจำ

โดย AI สามารถทำนายผลลัพธ์สุดท้ายได้ล่วงหน้าถึง 6 ปี ก่อนการวินิจฉัยอย่างเป็นทางการ (ดูอ้างอิง ที่ 4,5) การวิเคราะห์พฤติกรรมและภาษาของผู้ป่วย AI ยังสามารถวิเคราะห์ข้อมูลที่ไม่รุกรานร่างกาย เช่น การใช้ภาษาในการพูดคุย หรือแม้กระทั่งรูปแบบการเคลื่อนไหว ที่บันทึกจากอุปกรณ์สวมใส่ (Activity Tracker) เพื่อหาความผิดปกติเล็ก ๆ น้อย ๆ ที่บ่งชี้ถึงการเสื่อมของระบบประสาทส่วนกลางได้อย่างดีเช่นกัน (ดูอ้างอิงที่ 6)

ความก้าวหน้าไม่ได้จำกัดอยู่แค่การสแกนสมองราคาแพงเท่านั้น ปัญญาประดิษฐ์หรือ AI กำลังช่วยให้การวินิจฉัยง่ายขึ้นในทุกมิติ เช่น การตรวจเลือดแบบพุ่งเป้า ปัจจุบันนี้ได้มีการนำเอาเทคโนโลยี Semi-conductor และปัญญาประดิษฐ์ AI เข้ามาช่วยวิเคราะห์ระดับ “ไบโอมาร์คเกอร์” (Biomarkers) ในเลือดที่มีความซับซ้อน เช่น โปรตีน P-tau 217 เพื่อระบุว่าความบกพร่องทางความคิดนั้นเกิดจากอัลไซเมอร์จริงหรือไม่? ซึ่งช่วยให้แพทย์เลือกวิธีการรักษาที่เหมาะสมได้ตั้งแต่เนิ่นๆได้อย่างมีประสิทธิภาพมาก (ดูอ้างอิงที่ 7)

จะเห็นว่าการตรวจพบโรคไม่ว่าจะเป็นโรคใดก็ตาม ถ้าพบก่อนในระยะแรกเริ่ม จะมีความสำคัญอย่างยิ่ง เพราะจะเป็น “หน้าต่างแห่งโอกาส” ที่ดีที่สุด ในการเริ่มการรักษาด้วย Neuromodulation และการปรับเปลี่ยนพฤติกรรม เพื่อชะลอความเสียหายของสมอง ซึ่งจะทำให้ไม่ต้องทนทุกข์ทรมานต่ออาการของโรคร้ายได้ครับ
 
บทวิจัยอ้างอิง (References) 

  1. LeLacheur, J. P. et al. (2020). Efficacy of repetitive transcranial magnetic stimulation (rTMS) for the treatment of Alzheimer's disease: A systematic review and meta-analysis. (งานวิเคราะห์อภิมานเกี่ยวกับ rTMS สำหรับ AD)
  2. Neuroimage: Clinical. Modelling prognostic trajectories of cognitive decline due to Alzheimer's disease. (งานวิจัยที่ศึกษาการทำนายการเสื่อมถอยของความรู้ความเข้าใจ)
  3. Nature. Advancements in Closed-Loop Neuromodulation for Neurodegenerative Disorders. (งานวิจัยที่เน้นการพัฒนาเทคโนโลยีการกระตุ้นแบบตอบสนอง)
  4. Radiology. Sohn, S. H. et al. (2019). Artificial Intelligence Can Detect Alzheimer’s Disease in Brain Scans Six Years Before a Diagnosis. (การศึกษาของ UCSF ที่ใช้ AI ตรวจจับ AD จาก PET Scan ล่วงหน้า 6 ปี)
  5. University of Cambridge. AI could detect dementia years before symptoms appear. (ข่าวงานวิจัยที่ใช้ AI วิเคราะห์ภาพ MRI และทำนายการลดลงของการรับรู้)
  6. UK Biobank Studies. AI spots dementia early by analyzing brain scans and movement patterns. (การศึกษาที่ใช้ AI วิเคราะห์ข้อมูลการเคลื่อนไหวร่วมกับภาพสมอง)
  7. Washington University School of Medicine. (2025). Highly accurate blood test diagnoses Alzheimer’s disease, measures extent of dementia. (การศึกษาเกี่ยวกับความแม่นยำของการตรวจเลือด p-tau217 และ p-tau181)