การวินิจฉัยผู้ป่วยโรคอัลไซเมอร์ด้วยเครื่องหมายทางพันธุกรรมแบบผสมโดยใช้แบบจำลองการเรียนรู้แบบมีผู้สอน

ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์

ปวริศา เนียมทอง, ภคพร สุจิระพร, ศศิเลขา เงินยางแดง

อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์

ภูภิภัทร ใจแก้ว

โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์

โรงเรียนสวนกุหลาบวิทยาลัย รังสิต

ปีที่จัดทำโครงงานวิทยาศาสตร์

พ.ศ. 2566

บทคัดย่อโครงงานวิทยาศาสตร์

โรคอัลไซเมอร์เป็นภาวะสมองเสื่อมที่พบมากที่สุด ไม่มีสาเหตุการเกิดที่แน่ชัดและยังไม่มีวิธีรักษา จากความก้าวหน้าทางการแพทย์ทำให้การตรวจวินิจฉัยโรคอัลไซเมอร์เป็นไปได้สะดวกและถูกต้องแม่นยำมากขึ้น โดยทั่วไปการวินิจฉัยโรคอัลไซเมอร์จะใช้วิธีการทำแบบสอบถามสั้นๆ หรือการใช้เครื่องมือทางการแพทย์ในการตรวจ การตรวจแต่ละแบบจะมีข้อดีและข้อเสียแตกต่างกันไป เช่น การใช้วิธีการทำแบบทดสอบ จะสามารถวินิจฉัยได้รวดเร็ว แต่ผลที่ได้อาจคลาดเคลื่อนเนื่องจากเป็นการตรวจแบบผิวเผินเท่านั้น ส่วนการใช้เครื่องมือทางการแพทย์ จะสามารถระบุทั้งรายละเอียดและระยะของโรคได้อย่างแม่นยำ แต่จะมีค่าใช้จ่ายที่สูง และอาจส่งผลข้างเคียง เช่น การได้รับรังสี เป็นต้น

การตรวจวินิจฉัยโรคอัลไซเมอร์จากเครื่องหมายทางพันธุกรรมจึงเป็นตัวเลือกที่ดี เนื่องจากเครื่องหมายทางพันธุกรรมนั้นเป็นสิ่งที่ติดตัวมาแต่กำเนิด หากสามารถรู้ได้ว่าตนเป็นโรคอัลไซเมอร์หรือไม่ตั้งแต่ก่อนที่โรคจะแสดงอาการ จะทำให้ได้ตระหนักและคอยรักษาชะลออาการของโรคเพื่อที่จะลดความเสี่ยงในการเสียชีวิตเอาไว้ได้

ทางคณะผู้วิจัยเห็นว่าในปัจจุบันการใช้การเรียนรู้ของเครื่องเข้ามามีบทบาทในการแพทย์อย่างมาก จึงต้องการพัฒนา Machine Learning เพื่อวินิจฉัยโรคอัลไซเมอร์โดยใช้เครื่องหมายทางพันธุกรรม เป็นข้อมูลในการเรียนรู้ของแบบจำลองในการจัดจำแนกผู้ป่วยโรคอัลไซเมอร์ จากปัญหาที่ได้กล่าวมาข้างต้น ทีมผู้พัฒนาจึงได้พัฒนาแบบจำลองการเรียนรู้เชิงลึกโดยใช้เทคนิค GWAS (Genome-Wide Association Study) กับชุดข้อมูลหลายชุดรูปแบบ เพื่อเพิ่มประสิทธิภาพในการวินิจฉัยโรคอัลไซเมอร์ของแบบจำลอง โดยจะใช้แบบจำลองมาตรฐาน เช่น Support Vector Machine (SVM), Decision Tree ฯลฯ ในการจำแนกชุดข้อมูลออกเป็น 2 กลุ่ม ว่าเป็นโรคหรือไม่เป็นโรค โดยแบบจำลองที่พัฒนาขึ้นนี้จะเพิ่มประสิทธิภาพในการวินิจฉัยของแพทย์ ด้วยเครื่องมือที่มีความสามารถในการวิเคราะห์ข้อมูลจํานวนมาก (Big Database Analysis) และมีความแม่นยําสูง