บทบาท AI ทางการแพทย์ในวิกฤติโควิด-19

      จากสถานการณ์การแพร่ระบาดของ COVID-19 ทำให้ได้เห็นบทบาทที่สำคัญของ AI มากขึ้น โดย AI เป็นกลุ่มแรกๆ ที่พบการเกิดขึ้นของเชื้อโรคชนิดใหม่ในมณฑลหูเป่ย ประเทศจีน ซึ่งมีการรวบรวมข้อมูลสถิติ ของโรงพยาบาลที่มีการใช้ AI ในการรับมือกับ COVID-19 อาทิ คัดกรองผู้มีความเสี่ยงในการติดเชื้อ , ระบุผู้ป่วยที่มีความเสี่ยงสูง ,การคัดกรองเจ้าหน้าที่ บุคลากรทางการแพทย์ที่เป็นแนวหน้าในการเผชิญกับผู้มีความเสี่ยงและผู้ป่วย , การแยก COVID-19 จากโรคระบบทางเดินหายใจอื่น ๆ ด้วยวิธีการ X-rays หรือ CT scan

       ทั้งนี้ เอไอได้กลายเป็นหนึ่งในกลไกสำคัญอันดับแรกที่โรงพยาบาลใช้ในการตรวจสอบ คัดกรองผู้ป่วยและระบุผู้มีแนวโน้มเสี่ยงต่อการติดเชื้อ นอกจากการตรวจเช็คอุณหภูมิ ควบคุมและติดตามข้อมูลของผู้ติดเชื้อหรือกลุ่มเสี่ยงแล้ว ยังใช้ AI ในการประเมินสถานการณ์เพื่อเตรียมพร้อมรับมือ เพื่อให้รู้ว่าผู้ติดเชื้อคือใคร กลุ่มเสี่ยงหรือบุคคลที่มีความเสี่ยงจะได้รับการแพร่กระจายของเชื้อนี้จากผู้ติดเชื้อเป็นอย่างไร ไปจนถึงคาดการ์ณและวางแผนทางด้านอุปกรณ์ทางการแพทย์ที่จะต้องใช้เพื่อให้เพียงพอต่อการรองรับสถานการณ์ที่เกิดขึ้น 

     ขณะที่ในช่วงเดือนมีนาคม โอเพนซอร์สชื่อว่า COVID-Net ได้นำ Convolutional Neural Network (CNN) มาใช้ในการวิเคราะห์ภาพจำนวนกว่า 6,000 ภาพ จากผู้ป่วยมากกว่า 2,800 คน การทดสอบสามารถจำแนกผลการเอ็กซ์เรย์สภาพปอดของผู้ป่วย เช่น เกิดจากแบคทีเรีย ไวรัสที่ไม่ใช่โควิด-19 และไวรัส โควิด-19 และยังมีความพยายามในการสร้างแบบจำลองที่คล้ายกันเพิ่มเติมจาก COVID-Net อีกทั้ง NetApp ยังได้นำเสนอโซลูชันสำหรับภาพถ่ายทางการแพทย์แบบบูรณาการโดยใช้ NVIDIA Clara Train SDK v2.0 ซึ่งใช้ประโยชน์จากการจัดเก็บแฟลช NVIDIA DGX-2 และ NetApp AFF ที่เหมาะสมกับ COVID-19 และการจำแนกภาพและการแบ่งส่วนทางการแพทย์อื่น โซลูชั่นที่สมบูรณ์จะแสดงให้เห็นถึงสถาปัตยกรรมการขับเคลื่อนข้อมูล ตั้งแต่จากขั้นการบันทึกข้อมูลภาพ การจัดเก็บข้อมูลภาพอย่างเป็นระเบียบ การระบุคุณลักษณะเฉพาะของแต่ละภาพโดยใช้ AI และการนำสิ่งที่เรียนรู้จากข้อมูลมาใช้ปรับแต่งโมเดล AI ที่มีอยู่ต่อไป

       อย่างไรก็ตามความก้าวหน้าทางเทคโนโลยีภาพถ่ายทางการแพทย์รวมถึงความสามารถในการวิเคราะห์ 3D, 4D แบบเรียลไทม์ และการประมวลผลด้วย GPU ช่วยสร้างเครื่องมือที่ทรงพลังให้กับนักรังสีวิทยาในการวินิจฉัยและให้คำแนะนำได้รวดเร็วขึ้น โดยเฉพาะอย่างยิ่งอัลกอริทึมของการแบ่งเซกเมนต์ (Semantic Segmentation Algorithms) จะทำให้สามารถใช้ประโยชน์ได้หลายด้านมากขึ้น และสามารถปรับใช้ในงานใหม่และกรณีใช้งานอื่นๆ ได้ รูปแบบการทำงานนอกกรอบที่หลากหลายของงานวิจัยและภาพถ่ายทางการแพทย์จะมีผลอย่างมากต่อการดูแลสุขภาพ

         สำหรับเวิร์คโหลดของงานด้านการดูแลสุขภาพนี้สามารถบรรจุข้อมูลได้หลากหลายแบบ อาทิ  บันทึกสุขภาพอิเล็กทรอนิกส์ , การบันทึกภาพการผ่าตัดของหุ่นยนต์ ,การถ่ายภาพรังสีที่มีความทึบแตกต่างกัน ภาพจอประสาทตา , ภาพอัลตราซาวด์, ภาพซีที สแกน (CT) ,เอกซเรย์โพซิตรอน (PET) , ภาพ (MRI) ซึ่งข้อมูลทั้งหมดนี้จะนำไปใช้ด้านบริการด้านสุขภาพต่างๆ