Abstract:
วัตถุประสงค์: เพื่อศึกษาการทำงานของ Convolutional Neural Network (CNN) ในการตรวจหาและวินิจฉัยโรคจากภาพอัลตร้าซาวด์ของก้อนในตับในเวชปฏิบัติ โดยผ่านตัวชี้วัดได้แก่ ความไว (sensitivity), ความจำเพาะ (specificity) และ ความถูกต้อง (accuracy)
วิธีการศึกษา: เก็บภาพอัลตร้าซาวด์ตับในผู้ป่วยที่มีความเสี่ยงต่อการเกิดมะเร็งตับปฐมภูมิที่มารับการตรวจรักษาคลินิกโรคตับ โรงพยาบาลจุฬาลงกรณ์ ในช่วง 8 เดือน โดยใช้เครื่องอัลตร้าซาวด์ 4 เครื่อง บันทึกข้อมูลก้อนในตับและพื้นหลังที่เป็นเนื้อตับ จากนั้นทำการลงผลการวินิจฉัยสุดท้ายของก้อนที่ตับ อ้างอิงจากผลเอกซเรย์คอมพิวเตอร์ เอกซเรย์คลื่นแม่เหล็กไฟฟ้า หรือ การเจาะ/ตัดก้อนที่ตับมาตรวจทางพยาธิวิทยา หลังจากนั้นนำภาพก้อนในตับที่รวบรวมได้ไปทดสอบการทำงานของ CNN
ผลการศึกษา: ผู้ป่วยที่ตรวจพบก้อนในตับทั้งหมด 156 คน เป็นผู้ป่วยตับแข็ง 79 คน และไม่เป็นตับแข็ง 77 คน ภาพก้อนในตับทั้งหมด 569 lesions แบ่งเป็น HCC 138 lesions, cyst 177 lesions, hemangioma 113 lesions, focal fat infiltration (FFI) 47 lesions และ focal fat sparing (FFS) 94 lesions อัตราการตรวจพบก้อนในตับของ CNN เท่ากับร้อยละ 52 โดยอัตราการตรวจพบก้อนในตับในกลุ่มที่เป็นตับแข็งสูงกว่าในกลุ่มที่ไม่เป็นตับแข็งอย่างมีนัยสำคัญ คือร้อยละ 61 เทียบกับร้อยละ 45 (p= 0.0002) การวินิจฉัยชนิดของก้อนในตับพบว่า CNN มีความไวร้อยละ 87, ความจำเพาะร้อยละ 97 และ ความถูกต้องร้อยละ 95
สรุปผล: CNN สามารถวินิจฉัยชนิดของก้อนในตับที่พบบ่อยได้เป็นอย่างดี โดยพื้นหลังของเนื้อตับไม่ส่งผลต่อการวินิจฉัยชนิดของก้อนในตับ
