เท่าไหร่ถึงจะเพียงพอ? เท่าไหร่มากเกินไป? คำถามเหล่านี้เป็นคำถามที่เจาะจงไปที่หัวใจของปัญหาที่ซับซ้อนซึ่งกำลังครุ่นคิดอยู่กับนักฟิสิกส์การแพทย์อาวุโสในปัจจุบัน เมื่อพูดถึงการฝึกอบรมและการพัฒนาวิชาชีพอย่างต่อเนื่อง (CPD) ของบุคลากรด้านฟิสิกส์รังสีบำบัด สิ่งที่ใช้ในการจัดการและนักการศึกษาโดยเฉพาะคือขอบเขตที่ความเชี่ยวชาญหลักและความรู้โดเมนของนักฟิสิกส์รังสีบำบัดควรมี
วิวัฒนาการ
เพื่อสะท้อน – และในการดำเนินการดังกล่าว การสนับสนุนที่ดีที่สุด ความก้าวหน้าอย่างไม่หยุดยั้งของปัญญาประดิษฐ์ (AI) และเทคโนโลยีการเรียนรู้ด้วยเครื่องภายใน ขั้นตอนการทำงานด้านมะเร็งวิทยาทางรังสี ในความพยายามที่จะทำให้เกิดความชัดเจนและความเห็นพ้องต้องกันในการสนทนาร่วมกัน
การประชุมประจำปี 2022ที่กรุงโคเปนเฮเกนเมื่อเดือนที่แล้วได้นำเสนอการประชุมเชิงปฏิบัติการเฉพาะเรื่อง “นักฟิสิกส์รังสีบำบัดทุกคนควรรู้เกี่ยวกับ AI/การเรียนรู้ของเครื่อง… ด้วยผู้เข้าร่วมประชุมหลายร้อยคนในห้อง D5 วิทยากรได้รับมอบหมายจากผู้ดูแลเซสชันให้ปกป้อง “สถานการณ์ที่เหมาะสมที่สุด”
เพื่อจัดแนวความรู้ของนักฟิสิกส์การแพทย์กับโอกาส AI/การเรียนรู้ด้วยเครื่องจักรที่เกิดขึ้นใหม่ในคลินิกรังสีรักษา . แค่พื้นฐานหรือตรงกันข้าม?ผู้เริ่มการโต้วาทีคือนักฟิสิกส์ทางการแพทย์อาวุโสและรองศาสตราจารย์แห่ง ในเนเธอร์แลนด์ ซึ่งเป็นผู้ตอบแบบสัมผัสเล็กน้อยต่อคำถามพาดหัวของเซสชั่น
เขาให้เหตุผลว่าลำดับความสำคัญของนักฟิสิกส์การแพทย์คือการทำงานอย่างใกล้ชิดกับผู้ผลิตซอฟต์แวร์แมชชีนเลิร์นนิงเพื่อแสดงข้อมูลทางเทคนิคเพิ่มเติม โดยไม่ได้โฟกัสที่อัลกอริทึม แต่เป็นข้อมูลที่ใช้สำหรับการฝึกอบรมและใช้งานอัลกอริทึมเหล่านั้น “สิ่งที่เราจำเป็นต้องรู้ แค่พื้นฐาน” อธิบาย
“[นั่นหมายความว่า] ข้อมูลประเภทใดที่ใช้สำหรับการฝึกอบรมอัลกอริทึมการเรียนรู้ของเครื่อง ข้อมูลทางภูมิศาสตร์มาจากไหน และการกระจายข้อมูลผู้ป่วยได้รับการคัดเลือกอย่างดีสำหรับประชากรผู้ป่วยในศูนย์ของคุณเองหรือไม่” อย่างไรก็ตาม เขายอมรับว่าผู้ผลิตสามารถทำได้และควรทำมากกว่านี้
เพื่อแบ่งปัน
ข้อมูลที่ใช้ในการฝึกอัลกอริทึมที่เป็นกรรมสิทธิ์ของตน “ไม่ว่าในกรณีใด เราต้องทดสอบประสิทธิภาพ [ของโมเดลแมชชีนเลิร์นนิง] ในชุดข้อมูลของเราเอง และถามว่ามันดีแค่ไหนเมื่อเปรียบเทียบกัน”
“หากพวกเราทุกคนมีทักษะด้านวิทยาศาสตร์ข้อมูล ผมไม่คิดอย่างนั้น” บริงก์สรุปในข้อความกลับบ้าน
ของเขา “เรามีประเพณีที่ยิ่งใหญ่ในการทำงานร่วมกันระหว่างฐานความรู้ต่างๆ เช่น เนื้องอกวิทยา นักฟิสิกส์การแพทย์ และอื่นๆ แล้วทำไมเราถึงร่วมมือกัน? เนื่องจากเราใช้ทักษะของกันและกัน ดังนั้นอย่าใช้เวลาทั้งหมดของคุณในการเป็นนักวิทยาศาสตร์ข้อมูลเต็มรูปแบบ”
ปริมาณโปรตอน และอัลกอริทึมการคำนวณปริมาณรังสีความเร็วระดับมิลลิวินาทีที่ใช้การเรียนรู้เชิงลึกซึ่งพัฒนาขึ้นที่มหาวิทยาลัยเทคโนโลยีเดลฟต์ ทำให้ผู้ใช้มั่นใจในขณะที่การเรียนรู้เชิงลึกอาจเป็นหนทางที่ชัดเจนในการคำนวณปริมาณโปรตอน Jiang ตั้งข้อสังเกตว่าผู้คนยังคงรู้สึกสะดวกสบายมากขึ้น
ในการใช้แบบจำลองทางฟิสิกส์ เช่น อัลกอริทึมลำแสงดินสอและการจำลอง MC “เมื่อแนวคิดของการเรียนรู้เชิงลึกสำหรับการคำนวณขนาดยาเกิดขึ้นครั้งแรก ผู้คนมีความกังวล” เขาอธิบาย “เพราะมันขับเคลื่อนด้วยข้อมูล ไม่ใช่ฟิสิกส์ คุณจึงไม่รู้ว่าเมื่อไหร่มันจะล้มเหลว อาจมีความล้มเหลวที่คาดเดาไม่ได้
กล่าวสรุป
“ฉันรู้สึกสบายใจมากขึ้นกับผลลัพธ์ที่ได้ นอกจากนี้ คุณต้องมีความโปร่งใสในระดับหนึ่ง เพราะคุณทราบลำดับที่หนึ่งเอฟเฟกต์หลักซึ่งมีพื้นฐานมาจากฟิสิกส์ และนั่นก็ถูกต้อง”และเนื่องจากเป็นกล่องดำจึงไม่มีความโปร่งใส”ในห้องปฏิบัติการวิจัยชีวการแพทย์ การวิจัยเครื่องตรวจจับสำหรับการถ่ายภาพ PET
ในช่วงห้าปีที่ผ่านมามุ่งเน้นไปที่การพัฒนาเครื่องสแกนสำหรับการถ่ายภาพสัตว์ นักชีววิทยากำลังสร้างแบบจำลองที่ซับซ้อนของโรคในมนุษย์ในสัตว์ทดลอง โดยเฉพาะในหนู ซึ่งมียีนประมาณ 95% ของมันร่วมกับมนุษย์ มีการใช้โมเดลเมาส์ที่สำคัญจำนวนมากขึ้นเรื่อยๆ เพื่อพัฒนาแนวทางการรักษาใหม่ๆ
สำหรับโรคร้ายแรงต่างๆ รวมถึงมะเร็งและอัลไซเมอร์ การถ่ายภาพทำให้สามารถติดตามสัตว์แต่ละตัวโดยไม่รุกรานเมื่อเวลาผ่านไป ซึ่งสามารถเร่งการทดลองและลดจำนวนสัตว์ที่ใช้ในการวิจัย ยิ่งไปกว่านั้น การทดลองถ่ายภาพแบบเดียวกันนี้สามารถดำเนินการในมนุษย์ได้ในภายหลัง
ซึ่งเป็นสะพานเชื่อมที่สำคัญทั้งหมดระหว่างสัตว์จำลองและคลินิก สิ่งนี้น่าจะนำไปสู่ความเข้าใจที่ดีขึ้นเกี่ยวกับความเหมาะสมของแบบจำลองสัตว์ในการทำนายความสำเร็จของแนวทางการรักษาแบบใหม่ PET มีความน่าสนใจที่ชัดเจนสำหรับการศึกษาเหล่านี้ เนื่องจากมีเป้าหมายและกระบวนการทางชีวภาพ
ความละเอียดของระบบใหม่เหล่านี้จะถึงขีดจำกัดบางประการเนื่องจากฟิสิกส์ของการทำลายโพซิตรอนในไม่ช้า ยิ่งไปกว่านั้น เครื่องตรวจจับรุ่นใหม่มีแนวโน้มที่จะต้องการอัลกอริธึมการสร้างภาพใหม่ที่ซับซ้อน ซึ่งจำลองปัจจัยทั้งหมดที่ทำให้ความละเอียดเชิงพื้นที่ลดลงอย่างแม่นยำ
เทคโนโลยีทางเลือกมีวิทยาศาสตร์ไม่มากนักที่หลอดสุญญากาศยังคงเป็นเทคโนโลยีที่ถูกเลือก หลอดโฟโตมัลติพลายเออร์มีอายุการใช้งานที่ยาวนานเป็นพิเศษใน PET เนื่องจากอัตราขยายสูง สัญญาณรบกวนต่ำ และการตอบสนองที่รวดเร็ว เป็นเวลาหลายปีที่นักวิจัยพยายามพัฒนาเครื่องตรวจจับโฟตอน
ในสหราชอาณาจักรได้พัฒนาวิธีการที่แตกต่างออกไปมากโดยใช้ห้องสัดส่วนหลายสายซึ่งพัฒนาขึ้นเป็นครั้งแรกเพื่อใช้ในฟิสิกส์ของอนุภาค ระบบนี้ประกอบด้วยตัวตรวจจับขนาดใหญ่สี่ตัว แต่ละตัวมีชุดของช่องลวดที่ประกบด้วยแผ่นตะกั่วบางๆ ที่เจาะรูด้วยเมตริกซ์ละเอียด
