งานวิจัยล่าสุดจากประเทศแคนาดาเผยว่า แบบจำลองปัญญาประดิษฐ์ (AI) ที่ใช้ภาพแมมโมแกรมย้อนหลังถึง 4 ปี ช่วยประเมินความเสี่ยงของมะเร็งเต้านมล่วงหน้าได้อย่างแม่นยำยิ่งขึ้น โดยเฉพาะในกลุ่มผู้หญิงหลากหลายเชื้อชาติ ซึ่งนับเป็นก้าวสำคัญของการวางแผนคัดกรองและป้องกันมะเร็งเต้านมในระดับปัจเจก
วิเคราะห์ภาพแมมโมแกรมหลายปี เพิ่มความแม่นยำ
การศึกษานี้วิเคราะห์ข้อมูลจากผู้หญิงกว่า 206,000 คน อายุระหว่าง 40–74 ปี ที่เข้าร่วมโครงการตรวจคัดกรองมะเร็งเต้านมในรัฐบริติชโคลัมเบีย ประเทศแคนาดา ตั้งแต่ปี 2013–2019 โดยใช้ภาพแมมโมแกรมดิจิทัลทั้งภาพปัจจุบันและภาพย้อนหลังในช่วง 4 ปีที่ผ่านมา เพื่อประเมินความเสี่ยงเกิดมะเร็งภายใน 5 ปี
ผลการวิจัยพบว่า แบบจำลอง AI ที่ใช้ภาพย้อนหลัง (dynamic model) มีค่า AUROC (ค่าชี้วัดความแม่นยำของโมเดล) เท่ากับ 0.78 ซึ่งถือว่าแม่นยำสูงกว่าการใช้เพียงภาพปัจจุบันเพียงภาพเดียว (AUROC = 0.71) อย่างมีนัยสำคัญ
ใช้ได้กับทุกเชื้อชาติ – ลดความเหลื่อมล้ำ
ที่สำคัญ แบบจำลองนี้สามารถใช้ได้กับสตรีทุกเชื้อชาติ ไม่ว่าจะเป็นหญิงผิวขาว เอเชียใต้ เอเชียตะวันออก หรือชนพื้นเมือง โดยมีค่า AUROC ใกล้เคียงกัน (อยู่ระหว่าง 0.75–0.80) แสดงให้เห็นว่าโมเดลนี้มีความแม่นยำและเป็นธรรมในทุกกลุ่มประชากร
สะดวก ไม่ต้องใช้ข้อมูลสุขภาพหรือพันธุกรรม
ต่างจากโมเดลดั้งเดิมที่ต้องอาศัยข้อมูลเชิงคลินิก เช่น ประวัติครอบครัว ความหนาแน่นของเต้านม หรือคะแนนพันธุกรรม แบบจำลองใหม่นี้ใช้เพียงภาพแมมโมแกรมที่มีอยู่แล้ว จึงสามารถนำไปใช้ในระบบบริการสุขภาพได้ง่ายขึ้น ลดภาระของแพทย์และผู้ป่วย
ศักยภาพสู่การแพทย์แม่นยำ (Precision Medicine)
ด้วยความแม่นยำในการคาดการณ์ความเสี่ยงภายใน 5 ปี และความสามารถในการประเมินผู้ที่มีความเสี่ยงสูง (มากกว่า 3%) แบบจำลองนี้จึงสามารถใช้เป็นเครื่องมือช่วยในการกำหนดแนวทางป้องกัน เช่น การตรวจถี่ขึ้น หรือใช้ยาต้านฮอร์โมนในกลุ่มเสี่ยงสูง
ข้อสังเกตและข้อจำกัด
อย่างไรก็ตาม งานวิจัยนี้ยังใช้ข้อมูลย้อนหลังได้เพียง 4 ปี เนื่องจากข้อจำกัดของระบบดิจิทัลที่เพิ่งเริ่มใช้ในปี 2013 และยังไม่มีการผสานข้อมูลทางพันธุกรรมซึ่งอาจช่วยเพิ่มความแม่นยำได้อีกในอนาคต
บทสรุป
การใช้ AI วิเคราะห์ภาพแมมโมแกรมย้อนหลังหลายปี ช่วยยกระดับการประเมินความเสี่ยงมะเร็งเต้านมอย่างแม่นยำและทั่วถึงในผู้หญิงหลากหลายเชื้อชาติทั่วโลก งานวิจัยนี้เป็นก้าวสำคัญสู่การแพทย์เชิงป้องกันเฉพาะบุคคล และเป็นเครื่องมือที่พร้อมนำไปประยุกต์ใช้จริงในระบบบริการสุขภาพ.
แหล่งที่มา:
Jiang S, et al. Validation of a Dynamic Risk Prediction Model Incorporating Prior Mammograms in a Diverse Population. JAMA Network Open. 2025;6(6):e2512681. doi:10.1001/jamanetworkopen.2025.12681