ในช่วงที่ผ่าน บริษัท Cardiogram ได้ร่วมมือกับ UC San Francisco (UCSF) ในการศึกษาวิจัยว่าอุปกรณ์สวมใส่อย่าง Apple Watch หรือ Android Wear นั้นจะช่วยในการตรวจพบสภาวะทางการแพทย์ เช่น เบาหวาน ความดันโลหิตสูง หรือภาวะหยุดหายใจในขณะหลับ ได้ดีขนาดไหน
และตอนนี้บริษัทได้มาถึงก้าวสำคัญ เมื่อมีการเปิดเผยผลการวิจัยเชิงทดลองทางคลินิก โดยพบว่า Apple Watch และอุปกรณ์สวมใส่อื่น ๆ สามารถช่วยตรวจพบอาการภาวะหัวใจห้องบนเต้นสั่นพลิ้วได้อย่างค่อนข้างแม่นยำ
การวิจัยเชิงทดลองทางคลินิก คือ ชุดของกระบวนการในการวิจัยทางการแพทย์และการพัฒนายาที่ทำขึ้นเพื่อประเมินข้อมูลเกี่ยวกับความปลอดภัย (รวมทั้งผลไม่พึงประสงค์จากยาและผลข้างเคียงของวิธีการรักษา) และประสิทธิภาพของเครื่องมือต่างๆ ในการให้บริการสุขภาพ (เช่น ยา การตรวจ อุปกรณ์ วิธีการรักษา ฯลฯ)
การวิจัยจะเริ่มขึ้นได้ก็ต่อเมื่อได้มีการศึกษาข้อมูลเกี่ยวกับประสิทธิภาพและความปลอดภัยจากการศึกษาที่ไม่ใช่ทางคลินิกจนได้ข้อมูลที่น่าพอใจแล้ว และผ่านการรับรองขององค์กรจริยธรรมที่เกี่ยวข้อง
ที่มา : https://th.wikipedia.org/wiki/การทดลองทางคลินิก
งานวิจัยดังกล่าวได้เผยแพร่ใน JAMA Cardiology เป็นผลการศึกษาจากผู้ใช้แอพฯ Cardiogram จำนวน 9,750 คนที่ ที่ได้เข้าร่วมในโครงการ Health eHeart Study ของ UCSF โดยได้มีการรวบรวมข้อมูลการเต้นของหัวใจกว่า 100 ล้านข้อมูล และใช้แบบจำลอง Deep Learning ในการจำแนกว่าผู้ใช้ดังกล่าวมีภาวะหัวใจห้องบนเต้นสั่นพลิ้วหรือไม่ ผลการศึกษาพบว่าสามารถตรวจพบอาการได้แม่นยำกว่าร้อยละ 97 โดยมีค่าความไว (อัตราความถูกต้องในการตรวจพบอาการสำหรับผู้ที่เป็น) ถึงร้อยละ 98 และมีค่าความจำเพาะ (อัตราความถูกต้องในการตรวจไม่พบอาการสำหรับผู้ที่ไม่เป็น) ร้อยละ 90 ซึ่งงานวิจัยนี้เป็นงานวิจัยต่อเนื่องจากงานที่ Cardiogram เคยทำเสนอไปก่อนหน้านี้แล้ว
ประเด็นที่สำคัญในงานวิจัยนี้ที่ Cardiogram เน้นย้ำ คือ แบบจำลอง Deep Learning ที่สร้างขึ้นมาในชื่อ DeepHeart สามารถตรวจพบอาการโดยใช้จำนวนข้อมูลในการเรียนรู้น้อยกว่าแบบจำลองอื่น สามารถใช้ข้อมูลคลื่นไฟฟ้าหัวใจ (Electrocardiograms) เพียง 6,338 ข้อมูลในการเรียนรู้เพื่อสร้างแบบจำลองจำนวน 8 ชั้นขึ้นมา ซึ่งสิ่งนี้นับว่าเป็นการพัฒนาก้าวสำคัญเนื่องจากข้อมูลคลื่นหัวใจไฟฟ้าเป็นข้อมูลที่มีราคาแพง และต้องใช้เวลานานหากต้องการข้อมูลในปริมาณมาก โดยบริษัทได้เผยแพร่วิธีการทำงานของแบบจำลอง Deep Learning นี้ผ่านทาง arXiv
ในการพูดคุยเกี่ยวกับงานวิจัยนี้ Brandon Ballinger ผู้ร่วมก่อตั้ง Cardiogram ได้อธิบายว่า นี่คือสิ่งที่สำคัญมากที่บริษัทด้านการดูแลสุขภาพจะต้องพัฒนาขึ้นบนพื้นฐานของหลักฐานที่ชัดเจน และบทความทางในวารสารทางการแพทย์ที่ได้เผยแพร่ไปในวันนี้คือกลไกที่สำคัญในการสร้างความน่าเชื่อถือในหมู่ผู้เชี่ยวชาญด้านการดูแลสุขภาพ และพวกเรารู้สึกตื่นเต้นเป็นอย่างมากที่ได้มาถึงก้าวสำคัญในวันนี้
ข้อจำกัดของงานวิจัยชิ้นนี้คือการเน้นไปที่ผู้ป่วยซึ่งมีความเสี่ยงต่อการเกิดภาวะหัวใจห้องบนเต้นสั่นพลิ้ว ดังนั้นจะต้องมีการทำวิจัยต่อไปเพื่อแสดงให้ว่าแบบจำลอง Deep Learning ของบริษัทสามารถตรวจพบได้ในคนไข้ที่ไม่เคยมีประวัติการรักษามาก่อน โดยการวิเคราะห์ครั้งที่สองในกลุ่มผู้ป่วยที่รายงานด้วยตนเองพบว่ามีความถูกต้องที่ร้อยละ 71
โดย Ballinger ได้กล่าวว่า “เช่นเดียวกับที่ Google ลงทุนเพื่อพัฒนาคุณภาพในการค้นหา เราก็จะลงทุนเพื่อการวิจัยเชิงทดลองทางคลินิกต่อไป” นอกจากนี้บริษัทกำลังพัฒนาการทดลองแบบสุ่ม และมีกลุ่มควบคุมซึ่งนับเป็นมาตรฐานทองที่ใช้ในการทดลองวิจัยทางคลินิก และทำการวิเคราะห์ทางเศรษฐศาสตร์เพื่อประเมินว่าอุปกรณ์สวมใส่จะช่วยในการลดต้นทุนด้านการวินิจฉัยโรคได้หรือไม่
สิ่งที่ท้าทายยิ่งกว่าคือเราจะทำอย่างไรกับผลการวิจัยเหล่านี้ โดย Ballinger กล่าวว่า “อุปกรณ์สวมใส่สามารถช่วยในการตรวจพบอาการเหล่านี้ได้ แต่เราจะต้องคิดให้ออกว่าจะมีกระบวนการอย่างไรต่อไป” ถ้า Cardiogram ตรวจพบภาวะหัวใจห้องบนสั่นพลิ้วได้แล้ว ผู้ป่วยจะต้องทำอย่างไรต่อไป เช่น ควรไปพบแพทย์ผู้เชี่ยวชาญด้านโรคหัวใจเพื่อทำการทดสอบเพิ่มเติม หรือควรจะมีชุดอุปกรณ์ที่ช่วยให้คนไข้สามารถทดสอบได้เองที่บ้าน การกำหนดกระบวนการเหล่านี้จะมีผลอย่างมากต่อผู้ป่วยในเรื่องค่าใช้จ่าย ดังนั้นจะต้องมีการกำหนดกระบวนการขึ้นมาอย่างเหมาะสม
สำหรับบริษัท Cardiogram ก่อตั้งขึ้นโดย Ballinger และ Jonathan Hsieh ในปี ค.ศ. 2016 โดยได้ระดมทุน 2 ล้านเหรียญผ่าน VC จากกองทุน Bio Fund ของ A16Z ตัวแอพพลิเคชั่นนั้นสามารถทำงานได้ทั้งบน Apple Watch และนาฬิกาที่ใช้ระบบ Wear OS ที่มีเซ็นเซอร์วัดอัตราการเต้นของหัวใจ เช่น Huawei Watch ผู้เขียนหลักของงานวิจัยฉบับนี้คือนายแพทย์ Gregory Marcus แห่ง UCSF ซึ่งเป็นผู้อำนวยการฝ่ายวิจัยทางคลินิกในแผนกโรคหัวใจ ร่วมกับ José Sanchez และ Geoff Tison
