เทคนิคการอ่านงานวิจัย AI/Machine Learning ทางการแพทย์

            ในปัจจุบันเทคโนโลยี AI/Machine Learning ทางการแพทย์ได้พัฒนาไปอย่างรวดเร็ว จึงพบว่ามีอุปกรณ์หรือเทคนิคใหม่ ๆ ทางการแพทย์ที่เริ่มนำมาใช้งานจริงมากขึ้น ดังนั้น บุคลากรทางการแพทย์จึงควรอ่านงานวิจัยด้านนี้และสามารถประเมินความถูกต้องภายในของงานวิจัย (internal validity) และการนำไปประยุกต์ใช้จริงในทางปฏิบัติได้ (generalizability) เมื่อไม่นานที่ผ่านมานี้ วารสาร JAMA ได้ออกข้อแนะนำและเทคนิคการอ่านงานวิจัยที่เกี่ยวข้องกับ AI/Machine Learning ทางการแพทย์ โดยระบุว่าหัวข้อที่ผู้อ่านควรจะต้องให้ความสนใจมากเป็นพิเศษคือ 1. รายละเอียดเกี่ยวกับการออกแบบระเบียบวิธีวิจัย และตัวเปรียบเทียบ ซึ่งควรเป็นยาหรือการปฏิบัติมาตรฐานหรือสามารถเป็นตัวเปรียบเทียบได้อย่างแท้จริง  2. กลุ่มตัวอย่างจะต้องมีจำนวนมากพอและสะท้อนกับสิ่งที่เกิดขึ้นจริงกับกลุ่มตัวอย่างในทางปฏิบัติ  3. ข้อมูลหรือสถานการณ์หรือสิ่งแวดล้อมใด ๆ ที่นำมาทดสอบจะต้องเกิดจากชุดคำสั่งหรือชุดข้อมูลจากแหล่งที่มาซึ่งแตกต่างออกไปจากข้อมูลที่พัฒนาระบบ AI/Machine Learning ขึ้นมา ทั้งนี้เพื่อลดอคติที่อาจทำให้ผลการศึกษาออกมาดีเกินจริง  4. ผลที่เกิดขึ้นเป็นอย่างไร มีนัยสำคัญทางสถิติแค่ไหน มีนัยสำคัญทางคลินิกแค่ไหน หากสถานการณ์ที่จะนำผลการวิจัยไปใช้มีความแตกต่างจากผลการวิจัยมากจะมีแนวทางการนำไปประยุกต์ใช้อย่างไร และ 5. จะเกิดประโยชน์ต่อผู้ป่วยที่จะนำผลการศึกษาไปใช้ในภาพรวมมากกว่าผลเสียที่จะได้รับหรือไม่ ซึ่งเป็นข้อพิจารณาที่สำคัญที่สุด

ที่มา: Liu Y, Chen PC, Krause J, Peng L. How to read articles that use machine learning: users' guides to the medical literature. JAMA;322:1806-16.