เกี่ยวกับโครงการ

ระบบโทรเวชกรรมคัดกรองมะเร็งลำไส้ใหญ่

ทำไมคนไทยส่วนใหญ่ยังไม่ได้คัดกรองมะเร็งลำไส้ใหญ่ โครงการนี้แก้ด้วยวิธีไหน ระบบทำงานอย่างไร และมีงานวิจัยอะไรรองรับ

ปัญหา

คนที่ควรได้คัดกรอง กับคนที่ได้จริง

จากคนไทยหนึ่งล้านสามแสนคนที่ควรได้รับการคัดกรอง
มีเพียงสองพันคนที่ได้ส่องกล้องจริง

อันดับ 3มะเร็งที่คนไทยเป็นมากที่สุด รองจากตับและปอด
44ผู้ป่วยรายใหม่ทุกวัน รวม 15,939 รายต่อปี
68%การเสียชีวิตที่ลดได้ ถ้าคัดกรองได้ทั่วถึง
8.66%ของคนที่ผลตรวจ FIT ผิดปกติ ได้ส่องกล้องต่อจริง

1,296,096กลุ่มเป้าหมายคัดกรอง

100%ของขั้นก่อนหน้า

306,293ได้รับการคัดกรอง FIT

23.6%ของขั้นก่อนหน้า

23,655ผลตรวจ FIT เป็นบวก

7.7%ของขั้นก่อนหน้า

2,049ได้ส่องกล้องจริง

8.7%ของขั้นก่อนหน้า

การคัดกรองลดอัตราการเสียชีวิตได้ถึง 68% สิ่งที่ขาดจึงไม่ใช่วิธีตรวจ แต่เป็นระยะทาง คิวที่ยาว และแพทย์เฉพาะทางที่กระจุกอยู่ในเมืองใหญ่

วิธีการ

ย้ายการตรวจไปหาผู้ป่วย ไม่ใช่ย้ายผู้ป่วยมาหาการตรวจ

สามขั้นตอน จบในวันเดียวที่โรงพยาบาลใกล้บ้าน จากนั้นให้ข้อมูลเดินทางแทนผู้ป่วย

ขั้นตอนที่ 1

กลืนแคปซูลที่โรงพยาบาลชุมชน

แคปซูลขนาดเท่าเม็ดยาถ่ายภาพลำไส้ตลอดทาง ไม่ต้องส่องกล้อง ไม่ต้องดมยาสลบ และขับถ่ายออกเองใน 1–2 วัน

ขั้นตอนที่ 2

ส่งข้อมูลทางไกลแบบเข้ารหัส

เครื่องรับสัญญาณที่คาดเอวเก็บภาพจากแคปซูล แล้วส่งวิดีโอแบบเข้ารหัสเข้าคลังข้อมูลของโครงการ ผู้ป่วยกลับบ้านได้ในวันเดียวกัน

ขั้นตอนที่ 3

AI อ่านรอบแรก แพทย์ตัดสินใจ

AI ย่อวิดีโอหลายชั่วโมงให้เหลือเฟรมที่น่าสงสัยไม่กี่นาที แล้วส่งให้แพทย์เฉพาะทางระบบทางเดินอาหารตรวจสอบและลงความเห็น การวินิจฉัยยังเป็นของแพทย์

แพลตฟอร์ม

AI หลายตัวทำงานร่วมกัน บนระบบที่โรงพยาบาลมีอยู่แล้ว

AI แต่ละตัวทำงานแยกกันเป็น Agent แล้วส่งผลผ่านแพลตฟอร์มกลาง การเพิ่ม Agent ใหม่หรือเชื่อมโรงพยาบาลเพิ่ม จึงทำได้โดยไม่ต้องรื้อระบบเวชระเบียนเดิม

Capsule Endoscopy

ตรวจจับติ่งเนื้อและรอยโรค

Vision Agent

วิเคราะห์ภาพนิ่งและวิดีโอ

Audio Agent

ถอดความและสรุปเสียง

TeleCap Platform

Orchestration · Storage · Reporting

Integration Agent

เชื่อมต่อผ่าน API มาตรฐาน

HIS โรงพยาบาล

เวชระเบียนเดิม ไม่ต้องรื้อระบบ

งานวิจัย

วิธีนี้มีงานตีพิมพ์รองรับมาก่อนแล้ว

CESCAIL, 2023

AI ลดเวลาอ่านภาพจากแคปซูล

จากหลายชั่วโมงเหลือไม่กี่นาที และใช้ได้จริงในเวชปฏิบัติ

Gilabert et al., 2022

ความไวในการพบติ่งเนื้อ 81.1% เพิ่มเป็น 87.8%

อ่านวิดีโอเร็วขึ้น 6 เท่า โดยความจำเพาะไม่ลดลง

Moen et al., 2022

โมเดล CNN พบติ่งเนื้อได้ 98.1%

ตรวจจับติ่งเนื้ออัตโนมัติในภาพจากแคปซูลด้วย deep learning

5G-SUCCEEDS, UK 2024

ส่งชุดตรวจถึงบ้าน ผู้ป่วยพอใจ 88%

ปล่อยคาร์บอนน้อยลงสูงสุด 75% เทียบกับการส่องกล้องในโรงพยาบาล

CareForColon2015, Denmark

แคปซูลทำให้คนเข้ารับการคัดกรองมากขึ้น

ลดการส่องกล้องซ้ำ และผู้ป่วยเลือกแคปซูลมากกว่าหัตถการที่รุกล้ำ

Liao et al., 2010

แคปซูล OMOM ในผู้ป่วย 2,400 ราย

หาสาเหตุได้ 62.4% ในภาวะเลือดออกทางเดินอาหารที่หาต้นตอไม่พบ

ใครเป็นคนทำโครงการนี้

ทีมวิจัยสหสาขา ตั้งแต่วิศวกรรมคอมพิวเตอร์จนถึงเวชปฏิบัติ และหน่วยงานที่ร่วมดำเนินการ