งานวิจัยเสนอระบบจำแนกภาพรังไข่ระหว่างกลุ่ม PCOS และไม่เป็น PCOS โดยผสานคุณลักษณะ HOG-LBP กับโมเดล ensemble แบบ stacking สองรูปแบบ รุ่นที่เพิ่ม Gradient Boosting เป็นผู้เรียนฐานตัวที่ห้ารายงานความแม่นยำสูงสุด 98.44% ความเที่ยงตรง 99.35% และความไว 98.49%
ข้อค้นพบสำคัญ
- ทั้งสองแนวทางจำแนกภาพ PCOS กับภาพปกติได้ดี และการเพิ่ม Gradient Boosting ให้ผลดีขึ้นเล็กน้อย ค่าความเที่ยงตรง 99.35% บ่งชี้อัตราผลบวกลวงต่ำในชุดทดสอบ ส่วนความไว 98.49% บ่งชี้การพลาดภาพ PCOS ต่ำในชุดเดียวกัน แต่ต้องดูช่วงความเชื่อมั่นและองค์ประกอบชุดข้อมูลก่อนเปรียบเทียบกับระบบอื่น
ทำไมจึงมีความสำคัญระดับโลก
PCOS เป็นภาวะที่พบบ่อยและการประเมินภาพอัลตราซาวนด์อาจแตกต่างตามผู้ตรวจ ระบบช่วยตัดสินใจที่ผ่านการตรวจสอบอย่างเข้มงวดอาจเพิ่มความสม่ำเสมอและสนับสนุนพื้นที่ที่ขาดผู้เชี่ยวชาญ แต่ควรใช้ร่วมกับอาการ ฮอร์โมน และเกณฑ์คลินิก ไม่ใช่แทนการวินิจฉัยแพทย์
บทบาทของนักวิจัยไทย
ผู้เขียนที่สังกัดมหาวิทยาลัยขอนแก่นมีส่วนเชื่อมงานวิทยาการคอมพิวเตอร์กับโจทย์สุขภาพสตรีในความร่วมมือนานาชาติ และช่วยขยายบทบาทนักวิจัยไทยด้าน AI การแพทย์
ข้อจำกัดที่ควรรู้
บทคัดย่อไม่ระบุจำนวนผู้ป่วย แหล่งภาพ การแยกข้อมูลระดับผู้ป่วย ความสมดุลของคลาส หรือการตรวจสอบกับโรงพยาบาลภายนอก จึงยังประเมินความเสี่ยง data leakage และความสามารถใช้กับประชากรอื่นไม่ได้ คะแนนสูงอาจลดลงเมื่อเจอเครื่องมือและเวชปฏิบัติจริง