การพัฒนาปัญญาประดิษฐ์เพื่อตรวจหาเชื้อไมโคแบคทีเรียม ทูเบอร์คูโลซิส (M. tuberculosis) จากการตรวจเสมหะด้วยวิธี AFB

ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์

ปัณณธร ขุนโหร, ปีระกา พวงทอง

อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์

วิเชียร ดอนเเรม

โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์

โรงเรียนวิทยาศาสตร์จุฬาภรณราชวิทยาลัย ชลบุรี

ปีที่จัดทำโครงงานวิทยาศาสตร์

พ.ศ. 2565

บทคัดย่อโครงงานวิทยาศาสตร์

วัณโรคปอดเป็นโรคติดต่อโดยแพร่เชื้อผ่านทางอากาศ เกิดจากการติดเชื้อภายในปอดจากแบคทีเรียที่ชื่อไมโคแบคทีเรียม ทูเบอร์คูโลซิส (M. tuberculosis) ในประเทศไทยการตรวจเชื้อวัณโรคโดยเบื้องต้นสามารถกระทำได้อยู่ 2 วิธีคือ 1) การตรวจผิวหนัง (Tuberculin Skin test) ซึ่งไม่เป็นที่นิยม และ 2) การตรวจเสมหะ (AFB Sputum Smear test) ซึ่งเป็นการนำเสมหะตัวอย่างไปย้อมสีและนำไปส่องกล้องจุลทรรศน์ โดยเชื้อวัณโรคที่พบจะเป็นสีชมพู อย่างไรก็ตามการตรวจหาเชื้อนี้มีโอกาสที่จะไม่พบเชื้อในบริเวณหนึ่งของสไลด์ด้วยปริมาณของเชื้อในผู้ป่วยที่ต่ำ จึงทำให้ผู้ตรวจต้องค้นหาทุกบริเวณของสไลด์เพื่อยืนยันการติดเชื้อวัณโรคและส่งผลให้การตรวจหาเชื้อใช้เวลานานขึ้น ผู้จัดทำจึงจัดทำโครงงานนี้ขึ้นเพื่อพัฒนาปัญญาประดิษฐ์ในการตรวจหาไมโคแบคทีเรียม ทูเบอร์คูโลซิสจากการตรวจเสมหะด้วยวิธี AFB เพื่อช่วยแบ่งเบาภาระของบุคลากรทางการแพทย์ในการตรวจหาเชื้อวัณโรค ในการพัฒนาปัญญาประดิษฐ์ให้สามารถวิเคราะห์ภาพและตรวจหาเชื้อวัณโรคได้จากการมองเห็น ผู้จัดทำได้พัฒนาโมเดลโครงข่ายประสาทเทียม (Neural Network Model) ขึ้นจากภาษา Python โดยเลือกใช้โมเดลโครงข่ายประสาทเทียม Yolov5 ในการพัฒนาระบบตรวจหาเชื้อ และโมเดล OpenCV สำหรับการประมวลผลภาพ จากนั้นจึงได้รวบรวมภาพของเสมหะตัวอย่างจากเว็บไซต์ Kaggle และ ZNSM-iDB ต่อด้วยการเพิ่มจำนวนภาพด้วยวิธี Image Augmentation และแบ่งภาพทั้งหมดออกเป็น 2 ชุดข้อมูลย่อย โดยที่ชุดข้อมูลแรกจะถูกนำไปสร้าง Dataset สำหรับการฝึกปัญญาประดิษฐ์ ซึ่งพัฒนาขึ้นโดยการนำภาพของชุดข้อมูลแรกไประบุตำแหน่งของเชื้อ M. tuberculosis ผ่านเว็บไซต์ Roboflow และจึงนำ Dataset ที่ได้รับการระบุตำแหน่งของเชื้อวัณโรคภายในภาพแล้วไปฝึกปัญญาประดิษฐ์ต่อ ส่วนในชุดข้อมูลที่สองนั้นจะถูกนำไปใช้ในการทดสอบความแม่นยำของปัญญาประดิษฐ์ที่ถูกฝึกโดยชุดข้อมูลแรก ซึ่งทำการทดสอบโดยการนำภาพจากชุดข้อมูลที่สองไปให้ปัญญาประดิษฐ์ได้วิเคราะห์และนำผลการทำนายของระบบที่ได้มาเปรียบเทียบกับผลจริงที่ถูกวิเคราะห์โดยแพทย์ จากนั้นจึงนำผลที่ได้มาคำนวณความแม่นยำทางสถิติด้วย F1 score โดยหาก F1 score ที่ได้มีค่าน้อยกว่า 0.99 ผู้จัดทำได้นำปัญญาประดิษฐ์ไปฝึกใหม่จนกว่า F1 score จะสามารถให้ค่าที่มากกว่า 0.99 โดยจากการทดลอง พบว่า ปัญญาประดิษฐ์สามารถตรวจหาเชื้อในภาพได้ด้วยความแม่นยำ 99.01% และใช้เวลาในการตรวจผลต่อภาพเฉลี่ย 73.735 มิลลิวินาที ซึ่งสามารถเพิ่มความแม่นยำในการตรวจผลได้โดยการเพิ่มวิธีในการประมวลผลภาพและป้อนเซ็ตของข้อมูลในการฝึก AI ให้มากขึ้น