AI วิเคราะห์ชิ้นเนื้อมะเร็งต่อมลูกหมาก คาดการณ์ความเหมาะสมของการรักษาด้วยฮอร์โมนระยะสั้นหรือระยะยาว เพื่อเพิ่มความแม่นยำในการดูแลผู้ป่วยมะเร็งต่อมลูกหมาก

AI ช่วยแพทย์ปรับแผนรักษาฮอร์โมนในผู้ป่วยมะเร็งต่อมลูกหมาก

ลดผลข้างเคียง ไม่เสียประสิทธิภาพ เพิ่มความแม่นยำด้วยการแพทย์เฉพาะบุคคล

การรักษามะเร็งต่อมลูกหมากกำลังเข้าสู่ยุคใหม่ เมื่อทีมนักวิจัยจาก Duke University Medical Center สหรัฐอเมริกา พัฒนาเครื่องมือชีวะมาร์กเกอร์ใหม่ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (AI) เพื่อช่วยแพทย์ตัดสินใจว่าผู้ป่วยควรได้รับการรักษาด้วยฮอร์โมนระยะยาวหรือไม่ โดยไม่ลดทอนผลลัพธ์การรักษา

เครื่องมือดังกล่าวมีชื่อว่า MMAI Prostate LT-ADT Predictive Model ซึ่งเป็นระบบ AI แบบมัลติโมดอล (Multimodal AI) ที่นำข้อมูลภาพดิจิทัลจากชิ้นเนื้อของต่อมลูกหมากก่อนการรักษา มาผนวกกับข้อมูลจากการทดลองทางคลินิกระยะที่ 3 ทั้งหมด 6 การศึกษา และทดสอบความแม่นยำกับฐานข้อมูลผู้ป่วยจากการทดลองอีกหนึ่งชุด คือ RTOG 9202 ซึ่งมีผู้เข้าร่วม 1,192 ราย โดยมีระยะเวลาติดตามผลเฉลี่ยนานถึง 17.2 ปี

ผลการวิจัย: AI แยกกลุ่มผู้ป่วยได้อย่างแม่นยำ

ผลการวิเคราะห์พบว่า AI สามารถจำแนกผู้ป่วยออกเป็น 2 กลุ่มได้อย่างชัดเจน ได้แก่

  • กลุ่ม biomarker-positive (66%): มีแนวโน้มได้ประโยชน์จากการรักษาด้วยฮอร์โมนระยะยาว (28 เดือน) โดยมีความเสี่ยงของการแพร่กระจายของมะเร็งระยะไกลลดลงถึง 14% ในช่วงเวลา 15 ปี
  • กลุ่ม biomarker-negative (34%): การรักษาด้วยฮอร์โมนระยะสั้น (4 เดือน) ให้ผลไม่ต่างจากระยะยาวอย่างมีนัยสำคัญ ซึ่งหมายความว่าสามารถหลีกเลี่ยงการรักษาที่ยาวนานได้

นอกจากนี้ ยังพบแนวโน้มแบบเดียวกันเมื่อดูตัวชี้วัดการเสียชีวิตที่เกี่ยวข้องกับมะเร็งระยะลุกลาม ซึ่งสะท้อนถึงประสิทธิภาพของโมเดล AI ในการสนับสนุนการตัดสินใจทางคลินิก

จุดเปลี่ยนสำคัญของการรักษามะเร็งแบบเฉพาะบุคคล

การรักษาด้วย Androgen Deprivation Therapy (ADT) ระยะยาวมักมาพร้อมผลข้างเคียง เช่น สูญเสียมวลกระดูก ความเหนื่อยล้า ภาวะซึมเศร้า และปัญหาทางเพศ ดังนั้นการมีเครื่องมือที่ช่วยแพทย์คัดกรองผู้ป่วยซึ่งไม่จำเป็นต้องรักษาระยะยาว จึงเป็นก้าวสำคัญในการลดภาระทั้งด้านสุขภาพและค่าใช้จ่ายของผู้ป่วย

ข้อจำกัดที่ยังต้องระวัง

แม้ผลการศึกษาจะน่าประทับใจ แต่ก็มีข้อจำกัด เช่น ความแม่นยำของโมเดลอาจได้รับผลกระทบจากลักษณะของตัวอย่างชิ้นเนื้อ หรือคุณภาพของภาพดิจิทัลที่ใช้ประกอบการวิเคราะห์ อีกทั้งยังต้องระวังอคติจากข้อมูลที่ใช้ฝึกโมเดล ซึ่งเป็นข้อท้าทายที่ต้องใช้การทดสอบในวงกว้างต่อไป

https://www.medscape.com/viewarticle/novel-ai-biomarker-helps-tailor-hormone-therapy-duration-2025a1000aqd?

Leave a Comment

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *