AI จะเปลี่ยนแปลงการตรวจคัดกรองมะเร็งเต้านมได้มากแค่ไหน ― จุดเริ่มต้นของยุคใหม่ในการลด “การพลาดตรวจพบ”

มะเร็งเต้านมยังคงเป็นหนึ่งในมะเร็งที่ได้รับการวินิจฉัยมากที่สุดในผู้หญิงทั่วโลก จากข้อมูลของ WHO ในปี 2022 มีผู้หญิงประมาณ 2.3 ล้านคนทั่วโลกที่ได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านม และมีผู้เสียชีวิตประมาณ 670,000 คน นอกจากนี้ ประมาณครึ่งหนึ่งของผู้ป่วยไม่มีปัจจัยเสี่ยงที่ชัดเจนนอกจากเพศและอายุ ซึ่งหมายความว่าแม้แต่คนที่ไม่มีประวัติครอบครัวหรือไม่มีปัญหาพฤติกรรมการใช้ชีวิตที่สำคัญก็สามารถเป็นโรคนี้ได้ ดังนั้นการเพิ่มความแม่นยำในการตรวจพบในระยะแรกยังคงเป็นความท้าทายใหญ่สำหรับวงการแพทย์ในหลายประเทศ

AI กำลังพัฒนาเป็นเครื่องมือที่สามารถอ่านความเสี่ยงในอนาคตได้ จากเดิมที่ใช้เพียงแค่ค้นหาความผิดปกติ AI ที่ได้รับความสนใจในครั้งนี้คือ "BRAIx" ซึ่งพัฒนาขึ้นในออสเตรเลีย ตามรายงานและการประกาศจากสถาบันวิจัย AI นี้จะคำนวณคะแนนความเสี่ยงจากภาพแมมโมแกรมในช่วง 0-99.9 และคาดการณ์ความเป็นไปได้ที่ผู้หญิงจะเป็นมะเร็งเต้านมในอีก 4 ปีข้างหน้า ในการวิจัยพบว่าประมาณ 10% ของผู้หญิงที่อยู่ในกลุ่มความเสี่ยงสูงสุด 2% ได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านมภายใน 4 ปี แม้ว่าในขณะตรวจจะไม่มีความผิดปกติ และการคาดการณ์นี้แสดงประสิทธิภาพสูงกว่าตัวชี้วัดเดิม เช่น อายุ ประวัติครอบครัว และความหนาแน่นของเนื้อเยื่อเต้านม

สิ่งที่สำคัญคือ AI ไม่ได้เพียงแค่ค้นหา "เงาที่คล้ายเนื้องอก" การอ่านภาพแบบเดิมจะพิจารณาว่ามีความผิดปกติที่ชัดเจนในภาพหรือไม่ แต่ BRAIx พยายามค้นหารูปแบบที่ละเอียดที่ตามนุษย์ไม่สามารถจับได้ และประเมิน "ความเป็นไปได้ที่มะเร็งจะปรากฏในอนาคต" ทีมวิจัยอธิบายว่า AI สามารถจัดการข้อมูลในระดับพิกเซล ซึ่งอาจมีประสิทธิภาพในกรณีที่ยากต่อการแยกแยะ เช่น เต้านมที่มีความหนาแน่นสูง เนื่องจากเนื้อเยื่อเต้านมและเนื้องอกจะปรากฏเป็นสีขาวในแมมโมแกรมแบบเดิม ทำให้มีโอกาสพลาดได้ง่าย AI กำลังพยายามสร้างเส้นช่วยใหม่ในจุดนี้

การเปลี่ยนแปลงนี้ไม่ใช่เพียงเรื่องเดียว ในการวิจัยขนาดใหญ่ในเยอรมนีพบว่าการอ่านภาพด้วย AI ช่วยเพิ่มอัตราการตรวจพบมะเร็งเต้านมขึ้น 17.6% เมื่อเทียบกับการอ่านภาพแบบเดิม และไม่ทำให้อัตราการเรียกกลับเพื่อตรวจซ้ำแย่ลง รายงานอื่นยังระบุว่าการใช้ AI ช่วยลดอัตราการพบมะเร็งที่ถูกตรวจพบในภายหลัง ซึ่งหมายความว่า AI ไม่ใช่เพียงเทคโนโลยีในอนาคต แต่กำลังเข้าสู่ขั้นตอนการประเมินว่าเป็น "เครื่องมือที่สามารถปรับปรุงความแม่นยำในการตรวจ"

อย่างไรก็ตาม ความสนใจใน AI เกิดขึ้นเนื่องจากข้อจำกัดของระบบการตรวจคัดกรองเอง ในออสเตรเลีย BreastScreen Australia มีส่วนช่วยลดอัตราการเสียชีวิตจากมะเร็งเต้านมมานาน แต่ยังไม่สามารถกล่าวได้ว่ามีอัตราการเข้าร่วมที่สูงพอ นอกจากนี้ ระบบการตรวจคัดกรองยังคงเป็นแบบ "ช่วงเวลาคงที่" สำหรับกลุ่มอายุที่กำหนด และยังไม่มีระบบที่ยืดหยุ่นในการเปลี่ยนความถี่ของการตรวจตามความเสี่ยงในอนาคตของแต่ละบุคคล ทีมวิจัยและผู้เชี่ยวชาญที่เกี่ยวข้องเน้นว่า AI สามารถนำไปสู่การตรวจคัดกรองแบบเฉพาะบุคคล โดยที่ "ผู้มีความเสี่ยงสูงจะได้รับการตรวจบ่อยขึ้น" และ "ผู้มีความเสี่ยงต่ำจะมีภาระน้อยลง"

การตรวจคัดกรองแบบเฉพาะบุคคลนี้ไม่ใช่เพียงแค่สะดวกสำหรับผู้ป่วยเท่านั้น หากลดการพลาดในผู้มีความเสี่ยงสูง จะสามารถเริ่มการรักษาได้เร็วขึ้น ในทางกลับกัน หากลดการตรวจเพิ่มเติมที่ไม่จำเป็นสำหรับผู้มีความเสี่ยงต่ำ จะลดภาระทางจิตใจและค่าใช้จ่ายทางการแพทย์ได้ คุณค่าที่แท้จริงของการวิจัย AI คือการไม่แทนที่แพทย์ แต่ทำให้เห็นว่าควรจัดสรรทรัพยากรทางการแพทย์ที่จำกัดไปที่ใด ในขณะที่ความต้องการการวินิจฉัยภาพเพิ่มขึ้นจากการสูงวัย ภาระของรังสีแพทย์ก็เพิ่มขึ้นในหลายประเทศ AI ไม่ใช่ "เวทมนตร์ที่เติมเต็มการขาดแคลนคน" แต่เป็น "อุปกรณ์ช่วยที่ทำให้ผู้เชี่ยวชาญสามารถมุ่งเน้นการตัดสินใจในจุดที่สำคัญกว่า"

ในความเป็นจริง บรรยากาศใน SNS สาธารณะก็ต้อนรับอย่างอบอุ่น ใน LinkedIn มีการแสดงความคิดเห็นในเชิงบวกต่อโพสต์จากองค์กรและนักวิจัยที่เกี่ยวข้องกับการวิจัยมะเร็งและนวัตกรรมทางการแพทย์ เช่น "เป็นงานที่สำคัญ" "ก้าวหน้าใหญ่" "หวังว่าจะมีการนำไปใช้ในสถานพยาบาล" โพสต์จาก VCCC Alliance ได้รับความคิดเห็นชื่นชมหลายรายการ และนักวิจัยและบุคลากรทางการแพทย์ที่เกี่ยวข้องก็แสดงความเห็นว่า "เป็นผลลัพธ์ที่มีผลกระทบใหญ่" ในโพสต์ที่เกี่ยวข้องกับ AIML ก็มีการพูดถึงว่า "AI ไม่ได้แทนที่แพทย์ แต่ทำหน้าที่เป็นดวงตาที่สอง" ความร้อนแรงใน SNS แสดงให้เห็นว่าหัวข้อนี้ไม่ใช่เพียงข่าวเทคโนโลยี แต่เป็นประเด็นที่เชื่อมโยงกับความท้าทายที่สำคัญในสถานพยาบาล

อย่างไรก็ตาม การตอบสนองไม่ได้เป็นการยกย่องทั้งหมด ความคิดเห็นจากผู้เชี่ยวชาญและรายงานที่เกี่ยวข้องยังคงมีท่าทีระมัดระวังว่า "แม้จะมีความหวัง แต่ยังต้องมีการตรวจสอบเพิ่มเติมก่อนที่จะนำไปใช้ในเวชปฏิบัติประจำวัน" ในความคิดเห็นจากผู้เชี่ยวชาญที่นำเสนอใน Science Media Centre ของสเปน ระบุว่าการวิจัยนี้มีขนาดใหญ่และมีความแข็งแกร่งทางวิธีวิทยา แต่การเปรียบเทียบกับผู้ที่มีการกลายพันธุ์ของ BRCA ควรอ่านเป็น "ความเสี่ยงในช่วง 4 ปี" และไม่ควรเทียบเท่ากับความเสี่ยงตลอดชีวิต รายงานอื่นยังเตือนว่าควรระมัดระวังในการทั่วไปผลลัพธ์จากสถานที่เดียวหรือกลุ่มเฉพาะ AI ที่มีความแม่นยำสูงไม่ได้หมายความว่าจะทำงานได้เหมือนกันในทุกพื้นที่ ทุกเชื้อชาติ หรือทุกระบบ

สิ่งที่ไม่ควรลืมคือ AI ไม่ใช่ผู้ที่รับผิดชอบสุดท้ายในการวินิจฉัย รายงานจาก ABC ระบุว่าทีมวิจัยยืนยันว่าจำเป็นต้องมีการตรวจสอบขั้นสุดท้ายโดยรังสีแพทย์มนุษย์ ในความเป็นจริง สภาพร่างกายของผู้ป่วย ประวัติการเจ็บป่วย การตรวจร่างกาย ความกังวลของผู้ป่วย การตัดสินใจในการตรวจเพิ่มเติม และการเชื่อมต่อกับการรักษา ไม่สามารถสรุปได้จากภาพเพียงอย่างเดียว เมื่อเร็ว ๆ นี้มีการเตือนถึงการพึ่งพาการปรึกษาทางการแพทย์กับ AI มากเกินไป ในโรคที่การตอบสนองล่าช้าอาจเป็นอันตรายถึงชีวิต เช่น มะเร็งเต้านม การใช้ AI เพื่อเสริมการตัดสินใจด้วยตนเองต้องมีความระมัดระวัง AI ฉลาด แต่ผู้ที่ดูแลผู้ป่วยยังคงเป็นมนุษย์ หลักการพื้นฐานนี้จะไม่เปลี่ยนแปลงแม้ว่าเทคโนโลยีจะก้าวหน้า

อย่างไรก็ตาม ความหมายที่การวิจัยนี้แสดงให้เห็นมีความสำคัญ การตรวจคัดกรองมะเร็งเต้านมถูกออกแบบให้เป็น "สิ่งที่ต้องทำเมื่อถึงอายุที่กำหนดและในช่วงเวลาที่กำหนด" แต่ในอนาคต อาจมีการเปลี่ยนแปลงแนวคิดว่า "แม้ในวัย 50 ปีเดียวกัน ก็อาจไม่เหมาะสมที่จะตรวจในความถี่เดียวกัน" หรือ "หากมีความเสี่ยงสูงในวัย 40 ปี ควรมีการแทรกแซงเร็วขึ้น" ทีมวิจัยกำลังวางแผนระบบการตรวจคัดกรองที่ไม่เพียงแค่ใช้เกณฑ์อายุ แต่ยังพิจารณาความเสี่ยงส่วนบุคคลด้วย หากมีการนำไปใช้ การตรวจคัดกรองมะเร็งเต้านมอาจเปลี่ยนจาก "ระบบที่ใช้เกณฑ์อายุ" เป็น "ระบบที่ปรับตามภาพและข้อมูลของแต่ละบุคคล"

สิ่งที่น่ากลัวจริง ๆ ในการดูแลมะเร็งเต้านมไม่ใช่เพียงแค่ความผิดปกติที่มองเห็นได้ แต่คือช่วงเวลาที่มะเร็งพัฒนาไปหลังจากที่ได้รับการบอกว่า "ไม่มีปัญหา" ในการตรวจคัดกรอง AI กำลังพยายามเปลี่ยนแปลงช่วงเวลาว่างนี้ แม้ว่าการทำให้การพลาดเป็นศูนย์จะยาก แต่การรู้ความเสี่ยงที่ใกล้เข้ามาเร็วขึ้นและการดำเนินการต่อไปได้เร็วขึ้น AI อาจเริ่มแสดงบทบาทเป็น "เครื่องมือทำนายเพื่อลดการล่าช้า" มากกว่า "เครื่องค้นหามะเร็ง"

แหล่งที่มา URL

https://www.theage.com.au/lifestyle/health-and-wellness/artificial-intelligence-revolutionising-breast-cancer-research-20260307-p5o8cx.html

・รายงานที่เกี่ยวข้องที่มีเนื้อหาเดียวกัน (ภาพรวมของ BRAIx, การคาดการณ์ความเสี่ยงใน 4 ปี, ผลลัพธ์ของกลุ่ม 2% แรก, ความคิดเห็นของนักวิจัย)
https://www.abc.net.au/news/2026-03-04/artificial-intelligence-breast-cancer-risk-mammogram/106411246

・ข้อมูลการตีพิมพ์ล่วงหน้าในวารสารวิชาการ (ชื่อบทความ, วันที่ตีพิมพ์, ตำแหน่งที่เป็นทางการของการวิจัย)
https://www.thelancet.com/journals/landig/onlinefirst

・การประกาศจากสถาบันวิจัย (พื้นหลังการพัฒนา BRAIx, การเรียนรู้ประมาณ 400,000 คน, การตรวจสอบประมาณ 96,000 คน, การยืนยันภายนอกในสวีเดน, แนวคิดการตรวจคัดกรองเฉพาะบุคคล)
https://www.svi.edu.au/news-events/ai-based-tool-estimates-breast-cancer-risk-within-next-four-years/

・สรุปข้อมูลวิทยาศาสตร์สำหรับสื่อ (ประเด็นสำคัญของการวิจัย, ความเสี่ยง 4 ปีของกลุ่ม 2% แรกที่ 9.7%, ต้องการการวิจัยเพิ่มเติมก่อนการดูแลตามปกติ)
https://www.scimex.org/newsfeed/ai-could-help-preduct-your-risk-of-breast-cancer-in-the-next-4-years

・แผ่นข้อมูลมะเร็งเต้านมของ WHO (จำนวนผู้ป่วยและผู้เสียชีวิตทั่วโลก, ปัจจัยเสี่ยง, ความสำคัญของการตรวจพบในระยะแรก)
https://www.who.int/news-room/fact-sheets/detail/breast-cancer

・การวิจัยการใช้งานขนาดใหญ่ในเยอรมนี (กรณีที่การอ่านภาพด้วย AI ช่วยเพิ่มอัตราการตรวจพบและไม่ทำให้อัตราการเรียกกลับแย่ลง)
https://www.nature.com/articles/s41591-024-03408-6

・รายงานที่เสริมความระมัดระวังในการนำ AI มาใช้ (แม้ว่า AI จะช่วยลดการพบมะเร็งในภายหลัง แต่ยังต้องการการตรวจสอบเพิ่มเติม)
https://www.theguardian.com/science/2026/jan/29/ai-use-in-breast-cancer-screening-cuts-rate-of-later-diagnosis-by-12-study-finds

・ข้อมูลพื้นฐานเกี่ยวกับระบบการตรวจคัดกรองในออสเตรเลีย (คำอธิบายของ BreastScreen Australia, แนวคิดเกี่ยวกับกลุ่มอายุเป้าหมาย)
https://www.aihw.gov.au/reports/cancer-screening/breastscreen-australia-monitoring-report-2025/contents/breast-cancer/breast-cancer-screening

・แหล่งที่มายืนยันการตอบสนองใน SNS สาธารณะ 1 (โพสต์และความคิดเห็นใน LinkedIn ของ VCCC Alliance)
https://www.linkedin.com/posts/vcccalliance_an-artificial-intelligence-tool-to-predict-activity-7435097386366054400-xWmT

・แหล่งที่มายืนยันการตอบสนองใน SNS สาธารณะ 2 (โพสต์ที่เกี่ยวข้องกับ AIML/AI ที่ถูกมองว่าเป็น "ดวงตาที่สอง")
https://www.linkedin.com/posts/jonathangovette_sweden-just-proved-ai-can-catch-29-more-activity-7426652456484397056-ceWM

・แหล่งที่มายืนยันการตอบสนองใน SNS สาธารณะ 3 (โพสต์แนะนำการวิจัยใน LinkedIn)
https://www.linkedin.com/posts/professor-gerald-lip-633a5556_ai-based-braix-risk-score-for-the-intermediate-term-activity-7435008570406117376-ypfK