นักวิจัยวิทยาลัยการคอมพิวเตอร์ มหาวิทยาลัยขอนแก่น พัฒนา LeukSNN ซึ่งเป็น spiking neural network น้ำหนักเบาสำหรับจำแนกมะเร็งเม็ดเลือดขาวเฉียบพลันชนิดลิมโฟบลาสติกจากภาพสเมียร์เลือด ระบบรายงานความถูกต้อง 99.91-100% บนชุดข้อมูลสาธารณะสามชุด พร้อมใช้การคูณและการบวกเพียง 8% และ 28% ของวิธีประสิทธิภาพสูงที่ใช้เปรียบเทียบ
ข้อค้นพบสำคัญ
- ความถูกต้องอยู่ระหว่าง 99.91% ถึง 100% ในสามฐานข้อมูล ขณะเดียวกันจำนวนการคูณเหลือ 8% และการบวกเหลือ 28% ของวิธีอ้างอิง จุดเด่นจึงไม่ใช่เพียงคะแนนจำแนก แต่เป็นการลดภาระเชิงคำนวณตามตัวชี้วัดที่รายงาน อย่างไรก็ดีจำนวน operation ไม่เท่ากับเวลา หน่วยความจำ หรือพลังงานจริงบนฮาร์ดแวร์
ทำไมจึงมีความสำคัญระดับโลก
หากตรวจสอบภายนอกสำเร็จ โมเดลลักษณะนี้อาจช่วยคัดกรองภาพในพื้นที่ที่มีนักโลหิตวิทยาหรือทรัพยากรคอมพิวเตอร์จำกัด และเหมาะกับชิป neuromorphic แต่ระบบคัดกรองต้องรักษาความไวต่อชนิดเซลล์ อุปกรณ์ย้อมสี และประชากรที่ต่างจากฐานข้อมูลฝึก
บทบาทของนักวิจัยไทย
ทีมมหาวิทยาลัยขอนแก่นเป็นผู้พัฒนาสถาปัตยกรรมและกรอบประเมินทั้งหมด แสดงบทบาทนักวิจัยไทยในจุดตัดระหว่าง neuromorphic computing การประมวลผลภาพ และมะเร็งวิทยา
ข้อจำกัดที่ควรรู้
ใช้ชุดข้อมูลสาธารณะ ไม่ได้รายงานการทดสอบแบบ prospective ในโรงพยาบาล การอ่านโดยผู้เชี่ยวชาญเป็นตัวเปรียบเทียบ หรือการตรวจสอบภายนอกตามสถานพยาบาล ความถูกต้องเกือบเต็มอาจไวต่อการแบ่งภาพจากผู้ป่วยเดียวกัน ความซ้ำของภาพ และความแตกต่างก่อนประมวลผล ซึ่งต้องตรวจจากฉบับเต็ม
ตรวจสอบแหล่งต้นทาง
Applied SciencesApplied Sciences↗DOI: 10.3390/app16136774