📰 ประเด็นข่าวที่น่าจับตา
สายตาสั้นในเด็ก (Childhood Myopia) กำลังกลายเป็นปัญหาสุขภาพระดับโลก โดยเฉพาะในประเทศแถบเอเชีย หากสายตาสั้นลุกลามจนรุนแรง อาจนำไปสู่ภาวะแทรกซ้อนที่แก้ไขไม่ได้ เช่น จอประสาทตาเสื่อม หรือจอประสาทตาหลุดลอก
งานวิจัยล่าสุดจากวารสาร JAMA Network Open รายงานว่า
👉 ปัญญาประดิษฐ์ (Artificial Intelligence: AI) แบบ Deep Learning สามารถทำนายการลุกลามของสายตาสั้นในเด็กได้อย่างแม่นยำ
โดยใช้เพียง ภาพถ่ายจอประสาทตา (fundus image) และข้อมูลสายตาเริ่มต้น ไม่จำเป็นต้องมีข้อมูลสุขภาพจำนวนมากหรือการติดตามหลายครั้ง
👶 กลุ่มตัวอย่างเด็กกว่า 3,000 คน ติดตามยาวนาน 6 ปี
การศึกษานี้เป็นการศึกษาแบบติดตามระยะยาว (longitudinal cohort study) จากโครงการ Anyang Childhood Eye Study ประเทศจีน
เก็บข้อมูลจากเด็กนักเรียนระดับประถม 3,048 คน อายุเฉลี่ยประมาณ 7 ปี
ใช้ภาพถ่ายจอประสาทตามากถึง 16,211 ภาพ และติดตามผลต่อเนื่องนานถึง 6 ปี
เด็กที่ได้รับการรักษาควบคุมสายตาสั้นมาก่อน หรือมีโรคตาอื่นที่อาจรบกวนผลการศึกษา ถูกคัดออกจากการวิเคราะห์ เพื่อให้ผลลัพธ์สะท้อนการเปลี่ยนแปลงตามธรรมชาติของสายตาได้ชัดเจน
🤖 AI ทำงานอย่างไร
นักวิจัยพัฒนาโมเดล Deep Learning รูปแบบใหม่ โดยผสาน
- โครงข่ายประสาทเทียมเชิงลึกแบบ Convolutional Neural Network (CNN) สำหรับวิเคราะห์ภาพจอประสาทตา
- โครงข่ายประสาทเทียมแบบ Long Short-Term Memory (LSTM) เพื่อเรียนรู้รูปแบบการเปลี่ยนแปลงของสายตาตามช่วงเวลา
ระบบนี้สามารถ
- ประเมินความเสี่ยงเกิดสายตาสั้น
- ทำนายความเสี่ยงสายตาสั้นรุนแรง
- คาดการณ์การเปลี่ยนแปลงค่าสายตาในอนาคตเป็นตัวเลขได้
📊 ผลลัพธ์แม่นยำในระดับสูง
ผลการศึกษาพบว่า AI สามารถทำนายได้อย่างแม่นยำมาก โดย
- ความแม่นยำในการทำนายความเสี่ยงสายตาสั้น (AUC) สูงถึง 0.941
- ความแม่นยำในการทำนายสายตาสั้นรุนแรง (AUC) สูงถึง 0.985
- ความคลาดเคลื่อนเฉลี่ยของการทำนายค่าสายตาเพียง 0.322 ไดออปเตอร์ต่อปี
ตัวเลขเหล่านี้ถือว่าสูงมากเมื่อเทียบกับงานวิจัยก่อนหน้า และเพียงพอสำหรับการใช้งานเชิงคัดกรองในระดับประชากร
🌏 ใช้ได้ในเด็กต่างเชื้อชาติ
นักวิจัยทดสอบโมเดลนี้กับกลุ่มเด็กจากพื้นที่อื่นเพิ่มเติม ได้แก่
- เด็กในกรุงปักกิ่ง (ส่วนใหญ่เป็นชาวฮั่น)
- เด็กในลาซา เขตทิเบต (ส่วนใหญ่เป็นชาวทิเบต)
ผลปรากฏว่า AI ยังคงทำนายได้แม่นยำในกลุ่มเด็กต่างเชื้อชาติ
สะท้อนว่าโมเดลนี้มีศักยภาพนำไปใช้ในพื้นที่ที่มีความหลากหลายทางประชากร
🔍 เห็นอะไรจากภาพจอประสาทตา
แม้สายตาสั้นจะไม่ใช่โรคที่มีรอยโรคชัดเจนในระยะเริ่มต้น แต่ AI สามารถดึงข้อมูลเชิงลึกจากภาพจอประสาทตาได้
การวิเคราะห์ด้วยเทคนิค Grad-CAM พบว่า AI ให้ความสำคัญกับบริเวณ
- ขั้วประสาทตา
- จุดรับภาพ (macula)
- จอประสาทตาด้านขมับ
ซึ่งเป็นตำแหน่งที่มักเกี่ยวข้องกับภาวะแทรกซ้อนของสายตาสั้นรุนแรงในอนาคต
⚠️ ยังมีข้อจำกัดที่ต้องพิจารณา
นักวิจัยย้ำว่า
- การทำนายการลุกลามของสายตาสั้นในเด็กที่เป็นสายตาสั้นแล้ว ยังทำได้ยากกว่าการทำนายในเด็กที่ยังไม่เป็น
- สายตาสั้นได้รับอิทธิพลจากหลายปัจจัย เช่น พฤติกรรมการใช้สายตา สิ่งแวดล้อม และพันธุกรรม ซึ่งภาพถ่ายจอประสาทตาเพียงอย่างเดียวอาจสะท้อนได้ไม่ครบ
- โมเดลนี้ยังต้องทดสอบเพิ่มเติมในประชากรเชื้อชาติอื่น เช่น แอฟริกันหรือยุโรป
💡 ความหมายต่อระบบสาธารณสุข
ผู้วิจัยระบุว่า แนวทางนี้อาจเปลี่ยนรูปแบบการดูแลสายตาเด็กในอนาคต โดยเฉพาะในพื้นที่ที่ขาดแคลนทรัพยากร เพราะ
- ใช้ข้อมูลเพียงครั้งเดียว
- ไม่ต้องมีแพทย์เฉพาะทางจำนวนมาก
- เหมาะกับการคัดกรองเด็กจำนวนมากในโรงเรียน
การตรวจพบเด็กกลุ่มเสี่ยงตั้งแต่เนิ่นๆ อาจช่วยลดภาระค่าใช้จ่าย ลดผลกระทบทางจิตใจ และป้องกันสายตาสั้นรุนแรงในระยะยาว
🧩 สรุปภาพรวม
งานวิจัยนี้แสดงให้เห็นว่า
👉 AI สามารถเป็นเครื่องมือสำคัญในการคัดกรองและทำนายสายตาสั้นในเด็กได้อย่างแม่นยำ
แม้ยังไม่สามารถใช้แทนการตรวจติดตามโดยแพทย์ได้ทั้งหมด แต่มีศักยภาพสูงในการนำไปใช้เสริมระบบดูแลสุขภาพตาในระดับประเทศและระดับโลก
📚 แหล่งที่มา
Kang MT, Hu Y, Wang N, Fu D, et al.
Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data.
JAMA Network Open.
เผยแพร่วันที่ 26 มกราคม 2026
doi:10.1001/jamanetworkopen.2025.53543
บทความวิจัยนี้เป็นงานวิจัยแบบเปิดเผย (Open Access) ภายใต้สัญญาอนุญาต CC-BY License
⚠️ Disclaimer (ข้อจำกัดความรับผิดชอบด้านสุขภาพ)
บทความนี้จัดทำขึ้นเพื่อ นำเสนอข้อมูลข่าวสารด้านสุขภาพและงานวิจัยทางการแพทย์เกี่ยวกับสายตาสั้นในเด็กและการใช้ปัญญาประดิษฐ์ (AI) โดยอ้างอิงจากงานวิจัยทางวิชาการที่ได้รับการตีพิมพ์ในวารสารทางการแพทย์ที่เชื่อถือได้ ข้อมูลดังกล่าวมีวัตถุประสงค์เพื่อให้ความรู้แก่ผู้อ่านทั่วไปเท่านั้น
เนื้อหาในบทความนี้ ไม่ถือเป็นคำแนะนำทางการแพทย์ การวินิจฉัยโรค หรือแนวทางการรักษาใดๆ และไม่สามารถใช้ทดแทนการตรวจประเมิน การติดตามอาการ หรือการดูแลรักษาจากจักษุแพทย์หรือบุคลากรทางการแพทย์ผู้เชี่ยวชาญได้
การใช้เทคโนโลยีปัญญาประดิษฐ์ในการทำนายความเสี่ยงสายตาสั้นในเด็กตามที่กล่าวถึงในบทความนี้ ยังอยู่ในบริบทของงานวิจัยและการคัดกรองเบื้องต้น ไม่ควรนำผลการทำนายไปใช้ตัดสินใจด้านการรักษา หรือเปลี่ยนแปลงแผนการดูแลสายตาของเด็กโดยไม่ได้รับคำแนะนำจากแพทย์
ผู้ปกครองหรือผู้อ่านที่มีข้อสงสัยเกี่ยวกับสายตาของเด็ก เช่น สายตาสั้น สายตาสั้นรุนแรง หรือพัฒนาการด้านการมองเห็น ควร ปรึกษาจักษุแพทย์หรือผู้เชี่ยวชาญด้านสายตาโดยตรง เพื่อรับการประเมินและคำแนะนำที่เหมาะสมกับแต่ละบุคคล
เว็บไซต์ Coohfey.com และผู้เขียนบทความ ไม่รับผิดชอบต่อความเสียหายใดๆ ที่อาจเกิดขึ้นจากการนำข้อมูลในบทความนี้ไปใช้โดยตรงหรือโดยอ้อม.