ทำไม Covid-19 ถึงตรวจเจอยาก

ทำไม Covid-19 ถึงตรวจเจอยาก แล้วอะไรล่ะที่จะมาช่วยให้ตรวจเจอ?  ทราบหรือไม่ความร้ายกาจของเจ้าโคโรน่าไวรัส (novel coronavirus 2019) นั้นอยู่ตรงที่ความสามารถที่ตัวไวรัสนั้นจะสามารถซ่อนตัวอยู่ในระบบทางเดินหายใจส่วนล่าง หรือ แถวหลอดลมลงจนไปถึงขั้วปอดของคนเรานั่นเอง ซึ่งในช่วงแรก ๆ ผู้ป่วยอาจจะไม่แสดงอาการเจ็บป่วยอื่น ๆ ออกมาให้เห็นเลย ทำให้การตรวจยืนยันโคโรน่าไวรัสนั้น ลำบากขึ้นไปอีก เพราะถ้ามีการเก็บ sample เฉพาะระบบทางเดินหายใจส่วนบนก็อาจทำให้ตรวจเชื้อไม่พบ และเป็นสาเหตุสำคัญที่ทำให้การแพร่กระจายเกิดขึ้นในช่วง 1-2 เดือนที่ผ่านมา ปัจจุบันวิธีการตรวจมาตราฐาน (Gold standard) ที่ใช้ในการตรวจสกรีนโรคโควิด 19 นั้นคือการนำเสมหะไปตรวจโดยใช้เทคนิค real-time reverse-transcriptase polymerase chain reaction (rRT-PCR) คือการตรวจหาสารพันธุกรรมว่ามีการเรียงตัวเหมือนเจ้าโคโรน่าไวรัส 2019 (SARS-CoV-2) นี้หรือไม่  ซึ่งวิธีดังกล่าวเป็นวิธีที่ทันสมัยและมีโอกาสการตรวจพบมากที่สุด และรู้ผลได้ในระยะเวลาประมาณ 3 ชั่วโมง ซึ่งในหลายประเทศพยายามที่จะผลิต test kit ให้ประชาชนสามารถตรวจได้ในวงกว้างมากขึ้น ลดอัตราความเสี่ยงในการพบปะผู้คนระหว่างการเดินทางไปตรวจ แต่อย่างไรก็ตามในประเทศจีนก็ยังมีกรณีของเด็กชายอายุ Read more…

ตัวอย่างการใช้ Data Science เพื่อเพิ่มประสิทธิภาพการให้บริการทางการแพทย์

ตัวอย่างการใช้ Data Science เพื่อเพิ่มประสิทธิภาพการให้บริการทางการแพทย์ ในโรงพยาบาลและองค์กรสาธารณสุขมีการเก็บข้อมูลที่มีขนาดใหญ่จำนวนมหาศาลและสามารถนำมาใช้ให้เกิดประโยชน์ได้มากมาย การทำ analytics ที่ถูกวิธีจะช่วยให้ได้ insight ที่ช่วยให้แพทย์หรือผู้ปฏิบัติการตัดสินใจได้แม่นยำยิ่งขึ้น ทำให้การรักษามีประสิทธิภาพและมีคุณภาพมากขึ้น การใช้ Data Analytics นั้นมีอยู่หลายระดับ ซึ่งแต่ละระดับก็ให้ผลลัพท์ที่แตกต่างกันออกไปแล้วแต่จุดประสงค์ของการใช้งาน แบ่งได้เป็น 4 ระดับดังนี้ 1. Descriptive ทำให้เข้าใจ“What happened?” คือ การอธิบายสิ่งที่เกิดขึ้น  2. Diagnostic ทำให้เข้าใจ“Why did it happen?” คือ การวินิจฉัยถึงสาเหตุที่เกิดขึ้น 3. Predictive ทำให้เข้าใจ“What will happen?” คือ การคาดการณ์สิ่งที่จะเกิดขึ้น 4. Prescriptive ทำให้เข้าใจ“What should I do?” คือ สิ่งที่ต้องตัดสินใจและสิ่งที่ควรทำต่อไปคืออะไร วันนี้ทางทีมเพอเซ็ปทราจะยกตัวอย่างการใช้ Data Analytics เพื่อช่วยเพิ่มประสิทธิภาพในการรักษาคนไข้ ทำนายโอกาสที่คนไข้จะเป็นโรคเรื้อรัง (Risk scoring for Read more…

อุปสรรคสำคัญในการสร้างปัญญาประดิษฐ์เพื่อการแพทย์ในประเทศไทย

อุปสรรคสำคัญในการสร้างปัญญาประดิษฐ์เพื่อการแพทย์ในประเทศไทย กว่าหนึ่งปีแล้วที่บริษัทเพอเซ็ปทราทำงานอย่างมุ่งมั่นที่จะทำให้ปัญญาประดิษฐ์สามารถตรวจโรคจากภาพถ่ายทางการแพทย์ได้ในโลกจริง ความฝันของเราคือการทำให้ AI สามารถตรวจพบความผิดปกติในรูปถ่ายเอกซเรย์ เพื่อคัดกรองโรคที่ฆ่าชีวิตคนไทยได้ตั้งแต่ในระยะเริ่มต้น เช่น มะเร็งปอด ปอดติดเชื้อ ถุงลมโป่งพอง และวัณโรค เพื่อช่วยเพิ่มโอกาสการรักษาให้หายได้ และเราอยากเห็นทุกโรงพยาบาลในประเทศไทยได้ใช้ประโยชน์จากเอไอโดยทั่วกันแม้ว่าการนำเอาปัญญาประดิษฐ์มาตรวจภาพถ่ายทางการแพทย์ ไม่ใช่เรื่องใหม่แล้วในสังคมของนักวิชาการ มีหลายทีมในโลกนี้ที่อ้างว่า AI สามารถตรวจเช็คโรคได้แบบมีความแม่นยำเทียบเท่ารังสีแพทย์ ในฐานะคนทำงานด้านเทคโนโลยี เราก็เกิดความสงสัยว่า ทำไมเอไอเหล่านี้จึงไม่อยู่ในโรงพยาบาลทุกแห่ง วันนี้ทีมเพอเซ็ปทราอยากจะมาเล่า 3 อุปสรรคหลักที่เราพบเจอในเส้นทางของการนำปัญญาประดิษฐ์ออกสู่มวลชน AI ที่สามารถตรวจภาพถ่ายเอกซเรย์ในต่างประเทศได้ ไม่ได้หมายความว่าจะสามารถตรวจภาพของคนไทยได้ ปัญหาใหญ่ในการสร้างปัญญาประดิษฐ์คือปัญหา “Overfitting” ถ้าจะอธิบายคำนี้ง่ายๆ ให้คนที่ไม่ได้มีพื้นฐานด้านเทคนิคเข้าใจ มันคือปัญหาที่คอมพิวเตอร์รู้จักภาพ แต่ไม่ได้เข้าใจภาพจริงๆ เช่น คอมพิวเตอร์อาจจะเคยเห็นภาพปอดเอกซเรย์ที่มีก้อนเนื้ออยู่ตรงปอดด้านขวา และมันสามารถจำภาพนั้นได้และเมื่อเจอภาพนั้นอีกครั้งก็อาจจะบอกได้ว่ามีก้อนเนื้ออยู่ แต่มันไม่ได้เข้าใจว่า “ก้อนเนื้อ” หน้าตาเป็นอย่างไร พอเราเอาภาพเอกซเรย์ที่มีก้อนเนื้ออยู่ตรงปอดด้านซ้าย คอมพิวเตอร์กลับไม่สามารถบอกได้ว่ามีก้อนเนื้ออยู่ เพราะที่ผ่านมามันท่องจำ แต่ไม่ได้เข้าใจจริงๆ ปัญญาประดิษฐ์แม้จะฉลาดมากก็จริง แต่ในขณะเดียวกันก็มีความไม่เฉลียว และสามารถถูกหลอกได้ง่ายมาก ภาพจากโรงพยาบาลไทยที่ถ่ายจากคนไข้ไทย ไม่ได้เพียงแต่มีสรีระที่แตกต่างจากภาพจากโรงพยาบาลต่างชาติ แต่เครื่องไม้ เครื่องมือในการถ่าย วิธีการตั้งค่าความเข้มของเอกซเรย์ Read more…

“เพอเซ็ปทรา” จับมือ “ศิริราช” ร่วมพัฒนาปัญญาประดิษฐ์เพื่อรังสีวินิจฉัย ยกระดับการแพทย์ไทยสู่เวทีโลก

“เพอเซ็ปทรา” จับมือ “ศิริราช” ร่วมพัฒนาปัญญาประดิษฐ์เพื่อรังสีวินิจฉัย ยกระดับการแพทย์ไทยสู่เวทีโลก บจก. เพอเซ็ปทรา ขานรับนโยบายระบบการรักษาทางไกล (Tele Medicine) และประเทศไทยเป็นศูนย์กลางการแพทย์ (Medical hub) ของเอเชีย ลงนามบันทึกข้อตกลงความร่วมมือ กับ คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล ร่วมพัฒนาและผลักดันการใช้งานระบบปัญญาประดิษฐ์เพื่อรังสีวินิจฉัยในทุกโรงพยาบาล พร้อมทั้งยกระดับการให้บริการด้านสาธารณสุขทั่วประเทศ ในวันที่ 12 พฤศจิกายน 2562 ณ ห้องประชุม 1 ตึกอำนวยการชั้น 3 รพ.ศิริราช โดยมี ศ.ดร.นพ.ประสิทธิ์ วัฒนาภา คณบดีคณะแพทยศาสตร์ศิริราชพยาบาล และ คุณสุพิชญา พู่พิสุทธิ์ ประธานเจ้าหน้าที่บริหาร และ คุณชัยวัฒน์ พู่พิสุทธิ์ ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการ บริษัท เพอเซ็ปทรา จำกัด เป็นผู้ลงนามบันทึกข้อตกลงการร่วมวิจัยและพัฒนาระบบปัญญาประดิษฐ์เพื่อการแพทย์ โดยมุ่งเน้นการพัฒนาระบบที่ใช้งานจริง ลดปัญหาการขาดแคลนของแพทย์ผู้เชี่ยวชาญ ช่วยให้แพทย์ทำงานได้อย่างรวดเร็ว สะดวก Read more…

Perceptra and Siriraj join forces to aid radiologist shortage with new AI

Perceptra and Siriraj join forces to aid radiologist shortage with new AI Thailand’s top medical school, Faculty of Medicine Siriraj Hospital, Mahidol University, signed a Memorandum of Understanding (MOU) with leading AI company, Perceptra, to co-develop a chest x-ray interpretation and triage tool named “Inspectra” to assist doctors and augment the experience of patient care as Read more…

Artificial Intelligence for Radiology

Artificial Intelligence for Radiology: ปัญญาประดิษฐ์ช่วยรังสีแพทย์ได้อย่างไร ทุกวันนี้หลาย ๆ คนอาจจะเริ่มได้ยินถึงการนำ AI มาใช้ในวงการแพทย์มากขึ้น ส่วนคนที่ทำงานด้านสาธารณสุขหลายท่านคงได้ยินข่าวอยู่บ่อยๆ ว่าปัญญาประดิษฐ์จะทำการปฏิวัติวงการแพทย์ หนึ่งในสาขาที่เป็นสาขาเป้าหมายของปัญญาประดิษฐ์คือสาขารังสีวิทยา วันนี้เพอเซ็ปทราจะขอเล่าให้ฟังถึง 3 สิ่งที่ AI จะสามารถเข้ามาช่วยเหลือแพทย์ในสาขารังสีวิทยาได้อย่างไร 1. AI ช่วยเพิ่มการเข้าถึงรังสีแพทย์ที่ปัจจุบันมีจำนวนไม่พอกับความต้องการของประชาชน  จากข้อมูลแพทย์สภาในปี 2557 พบว่าทั้งประเทศไทยมีแพทย์รังสีวินิจฉัยทั้งสิ้นอยู่จำนวน 781 คน  และมีจำนวนเพียง 127 คนที่สังกัดอยู่ในโรงพยาบาลรัฐบาล ซึ่งเทียบกับจำนวนที่ต้องการจริงเป็นจำนวน 1,035 คน จะเห็นว่าแพทย์รังสีวินิจฉัยเป็นสาขาหนึ่งที่ไม่เพียงพอกับความต้องการ และมีการกระจายตัวของบุคคลากรที่น้อยด้วยเช่นกัน ในขณะเดียวกันการผลิตบุคคลากรรังสีแพทย์จำเป็นจะต้องใช้เวลาในการเรียนและปฏิบัติอย่างน้อย 10 ปี ถึงจะเป็นรังสีแพทย์ที่มีความเชี่ยวชาญได้ ยิ่งทำให้กลายเป็นปัญหาที่หาทางออกได้ยาก เฉพาะฉะนั้นการนำเครื่องมืออย่าง AI เข้ามาใช้เพื่อช่วยลดงานรังสีแพทย์ และทำให้ประชาชนสามารถเข้าถึงรังสีแพทย์ได้ในทุกพื้นที่ จึงเป็นอีกทางเลือกหนึ่งที่มีประโยชน์ต่อการแพทย์ไทยปัจจุบันนี้เราสามารถที่จะสอน AI ให้เข้าใจภาพเอกซเรย์และทำการวินิจฉัยความผิดปกติเบื้องต้นได้ ยิ่งถ้าสอนด้วยภาพจำนวนมาก และภาพที่มีคุณภาพจะทำให้ AI มีความสามารถในการวินิจฉัยความผิดปกติเบื้องต้นได้ทัดเทียมกับแพทย์รังสีวินิจฉัยในเวลาอันสั้นเลยทีเดียวบางคนอาจจะมีข้อสงสัยว่ารังสีแพทย์คือแพทย์สาขาอะไรและทำอะไรบ้างสามารถอ่านติดตามต่อได้ที่นี่ค่ะ 2. AI Read more…

Artificial Intelligence in Healthcare

Artificial Intelligence in Healthcare: การนำปัญญาประดิษฐ์มาใช้ในวงการแพทย์ มาดูกันค่ะว่า AI ในปัจจุบันที่บอกว่าเก่งกว่าในบางด้านนั้น แล้วด้านการแพทย์ล่ะเค้ามีกรณีใดบ้างที่เอา AI มาใช้ได้จริงจนเรียกได้ว่าอาจเป็นการพลิกโฉมวงการการแพทย์ได้เลยทีเดียว กรณีแรก ๆ ที่ในตลาดคาดว่าจะได้เห็นการนำมาใช้จริงในเร็ว ๆ วันนี้ก็คือการนำปัญญาประดิษฐ์ มาใช้ในการช่วยวินิจฉัยโรคจากภาพ (medical images) ซึ่งปัจจุบันระบบ deep learning สามรถช่วยให้ความแม่นยำของการวิเคราะห์ข้อมูลของภาพนั้นถือว่าสูงขึ้นอย่างเห็นได้ชัด สังเกตุได้จากการแข่งขันระดับโลก ImageNet ที่มาการนำภาพที่เปิดสาธารณะจำนวนกว่า 14 ล้านภาพมาให้นักวิทยาศาสตร์ข้อมูลมาแข่งขันการวิเคราะห์รูปภาพ ซึ่งในปี 2012 ได้มีการนำระบบปัญญาประดิษฐ์เชิงลึก (Deep Learning) มาใช้ในการแข่งขันเป็นครั้งแรก ซึ่งผลก็คือทำให้ความถูกต้องแม่นยำเพิ่มสูงขึ้นอย่างก้าวกระโดด จนในที่สุดในปี 2015 บริษัท ไมโครซอฟท์ ก็สามารถพัฒนาระบบ Deep Learning จนสามารถทำให้ความถูกต้องเกิน 95% ซึ่งหมายถึงระบบปัญญาประดิษฐ์เชิงลึก ได้มีความสามารถในการทายภาพที่มีความถูกต้องเกินความสามารถของมนุษย์เป็นที่เรียบร้อยแล้ว การพัฒนาของเทคโนโลยีแบบก้าวกระโดดนี้ทำให้คนเล็งเห็นการนำปัญญาประดิษฐ์ไปประยุกต์ใช้ในโจทย์ที่หลากหลายมากขึ้น และยากมากขึ้นด้วย ซึ่งทางด้านการแพทย์จึงเป็นโจทย์ที่สำคัญในการนำปัญญาประดิษฐ์ไปประยุกต์ใช้เช่นกัน บริษัท เพอเซ็ปทราจึงจะนำเสนอซี่รี่ย์ของโจทย์ทางด้านการแพทย์ต่าง Read more…

5 วิธีการใช้ Big Data เพื่อช่วยให้การตั้งราคาสินค้าของคุณเป็นเรื่องง่าย

  5 วิธีการใช้ Big Data เพื่อช่วยให้การตั้งราคาสินค้าของคุณเป็นเรื่องง่าย            ราคาสินค้าเป็นหนี่งในปัจจัยหลักที่ทำให้ธุรกิจของคุณมีกำไรเพิ่มมากขึ้น หรือลดลงได้ จากค่าเฉลี่ยทั่วไปในการขึ้นราคาสินค้า 1% จะทำให้กำไรจากการดำเนินการของบริษัทคุณเพิ่มขึ้น 8.7% ลองมาดูกันว่า 5 วิธีที่ Big Data  จะช่วยธุรกิจคุณได้อย่างไร 1. การเลือกใช้ข้อมูล และเครื่องมือในการวิเคราะห์ Big Dataในปัจจุบันแหล่งที่มาของข้อมูลเพิ่มขึ้นมากโดยเฉพาะข้อมูลจาก social media ข้อมูลย้อนหลังของแต่ละร้านค้า ความคิดเห็นของลูกค้า บันทึกเสียงการสนทนาระหว่างการให้บริการลูกค้า และ อื่นๆ ข้อมูลเหล่านี้เป็น Big Data ที่บริษัทสามารถเข้าถึงได้ อย่างไรก็ตามสิ่งที่สำคัญสูงสุดคือ การเลือกใช้ข้อมูลและเครื่องมือในการวิเคราะห์ที่ถูกต้อง เพื่อให้ได้ผลลัพธ์ที่สามารถนำไปใช้ประโยชน์ได้ 2. วิเคราะห์ข้อมูลสินค้ารายตัว Big Data ช่วยให้การวิเคราะห์ข้อมูลในแต่ละ product เป็นไปได้และเป็นเรื่องง่ายมากขึ้น แล้วยังทำให้สามารถปรับราคาสินค้าได้เหมาะสมตามสถานการณ์ตลาดได้ดียิ่งขึ้น 3. Read more…

6 Vs of Big Data : คุณลักษณะ 6 ประการของฐานข้อมูลคุณภาพสูง

ข้อมูลเชิงโครงสร้าง (structured data) คือตารางข้อมูลที่มีการจัดเรียงอย่างมีรูปแบบชัดเจนและเป็นระเบียบ สามารถนำมาใช้วิเคราะห์ได้เลย เช่น ข้อมูลที่เก็บไว้ในโปรแกรม spreadsheet อย่าง Microsoft Excel ข้อมูลกึ่งโครงสร้าง (semi-structured data) คือข้อมูลที่ถูกจัดเก็บอย่างมีรูปแบบในระดับหนึ่งและข้อมูลที่สามารถค้นหา (search) หรือแท็ก (tag) ได้ เช่น เว็บเพจที่มีการระบุชื่อเพจ คำสำคัญในเพจ และวันที่อัพเดทข้อมูล ข้อมูลที่ไม่มีโครงสร้างแน่นอน (Unstructured data) มักจะหมายถึงข้อความยาวๆ ข้อความเสียง รูปภาพ และวิดีโอ           บางองค์กรอาจจะสามารถใช้ประโยชน์จากข้อมูลที่ไม่ได้ใหญ่มาก แต่มีความสำคัญ สามารถนำมาใช้วิเคราะห์ เพื่อให้เกิดความเข้าใจเชิงลึก (insight) ทำให้ได้มาซึ่งความรู้ความเข้าใจใหม่ๆ ที่ไม่สามารถเห็นได้อย่างตรงไปตรงมา หรือเป็นข้อมูลที่รวบรวมจัดเก็บไว้ตลอดกระบวนการเชิงธุรกิจ ที่สามารถนำมาวิเคราะห์ร่วมกันได้เห็นภาพชัดเจน เช่น การจัดระบบข้อมูลเกี่ยวกับการผลิต รวบรวมข้อมูลไว้ทุกปัจจัย ตั้งแต่ข้อมูลวัตถุดิบ ถึงข้อมูลของเครื่องจักรแต่ละกระบวนการ ไปจนถึงข้อมูลผลผลิต Read more…

Big Data for Marketing: 5 ไอเดียการใช้ข้อมูลขนาดใหญ่เพื่อปรับปรุงการตลาด

ใครได้ยินคำว่า Big Data ก็คงพอจะนึกออกว่าโลกของเรากำลังถูกเปลี่ยนแปลงเพราะมีการเอาข้อมูลขนาดใหญ่มาใช้ในหลายด้าน ตั้งแต่การปรับปรุงบริการประชาชนของรัฐบาลไปจนถึงการเปลี่ยนวงการแพทย์ให้รักษาคนไข้ได้ทันท่วงทีมากขึ้น  สำหรับนักการตลาด คำถามหนึ่งที่เกิดขึ้นเสมอคือ เราจะใช้ข้อมูลในการปรับปรุงกลยุทธ์การตลาดได้อย่างไร หลายท่านคงเคยได้ยิน case studies ของ Amazon, Netflix, Walmart และธุรกิจจากหลากหลายส่วนที่นำเอาปัญญาประดิษฐ์มาใช้ในการวิเคราะห์พฤติกรรมลูกค้า ตั้งแต่การทำนายพฤติกรรมว่าลูกค้าจะชอบของชิ้นไหน จะซื้อของเราหรือไม่ถ้าได้ส่วนลด หรือลูกค้ากำลังจะไปจากเราไหม และการปรับเปลี่ยนวิธีการสื่อสารกับลูกค้าให้ถูกที่ถูกเวลาและถูกใจ ในยุคที่การตลาดเกิดขึ้นบนโลก Digital มากกว่า Physical เราจะสามารถใช้ข้อมูลเพื่อปรับปรุงกลยุทธ์การตลาดขององค์กรเราได้อย่างไรบ้าง มาดูตัวอย่างไอเดียกันค่ะ Centralized Marketing Analytics  ทีมการตลาดยุค Digital ต้องจัดการกับข้อมูลมากมายหลายช่องทาง ทั้งข้อมูลพฤติกรรมลูกค้าบนเว็บไซท์ ข้อมูลจากสื่อโซเชียลหลายทั้ง Facebook, Youtube, และ LINE รวมถึงข้อมูลลูกค้าภายในเช่นประวัติการซื้อขายและข้อมูลการติดต่อลูกค้า  เทคโนโลยีปัจจุบันช่วยให้เรารวบรวมข้อมูลจากทุกแหล่งมารวมกันทำให้เกิดความเข้าใจลูกค้าอย่างรอบด้าน และทำให้เราสามารถทำการวิเคราะห์ข้อมูลเชิงลึกเพื่อทำความเข้าใจว่ากลยุทธ์การตลาดแบบใดได้ผลคุ้มค่ากับการลงทุนมากที่สุด ตลอดจนทำให้เราเข้าใจความคิดเห็นและรู้จักพฤติกรรมของลูกค้า สามารถปรับปรุงกระบวนการบริการลูกค้าให้ตรงใจมากขึ้น Targeted Advertising ผู้ใช้อินเตอร์เน็ตในปัจจุบันจะได้เห็นโฆษณาจากสื่อออนไลน์โดยเฉลี่ยถึง 850 ต่อเดือน แต่การโฆษณาบนสื่ออนไลน์ปกติจะให้ประสิทธิภาพแค่ 0.1% Read more…