การวิเคราะห์คลื่นเครื่องช่วยหายใจด้วยปัญญาประดิษฐ์ เพื่อประเมินกลไกปอดและตรวจจับความผิดปกติของลมหายใจ

ปัจจุบันการดูแลรักษาผู้ป่วยวิกฤตในหอผู้ป่วย (ICU) ต้องอาศัยการประเมินจากเครื่องช่วยหายใจ ซึ่งสร้างข้อมูลคลื่นสัญญาณ (Waveform) อย่างมหาศาลและมีความซับซ้อนสูง การเฝ้าระวังภาวะ "ผู้ป่วยต้านเครื่อง" (Patient-Ventilator Asynchrony) ซึ่งเป็นภาวะอันตรายที่ทำให้เนื้อปอดบาดเจ็บและเพิ่มอัตราการเสียชีวิตนั้น ยังคงต้องอาศัยความเชี่ยวชาญของบุคลากรทางการแพทย์ในการสังเกตด้วยสายตา ทำให้เกิดความท้าทายด้านภาระงาน ความล่าช้า และความคลาดเคลื่อนในการแปลผล

โครงงานนี้จึงถูกพัฒนาขึ้นเพื่อแก้ปัญหาดังกล่าว โดยผสมผสานวิทยาการข้อมูล (Data Science) เข้ากับการแพทย์ นำเทคโนโลยีปัญญาประดิษฐ์ (AI) มาประมวลผลสัญญาณความถี่สูงแบบอัตโนมัติ โดยระบบจะทำการตัดแบ่งรอบลมหายใจและสกัดคุณลักษณะสำคัญทางกลไกปอด ได้แก่ ความดัน (PIP), อัตราการไหลสูงสุด (Max Flow) และปริมาตรลมหายใจที่แท้จริง (Tidal Volume) จากนั้นจึงประยุกต์ใช้โมเดล Machine Learning แบบไร้ผู้สอน (Unsupervised Learning) นำโดย Isolation Forest เพื่อตรวจจับลมหายใจที่ผิดปกติ และ K-Means Clustering เพื่อจัดกลุ่มชนิดของการต้านเครื่อง พร้อมทั้งสร้างนวัตกรรม "3D Respiratory State Space" ที่ช่วยให้กลุ่มโรคที่ทับซ้อนกันแยกตัวออกจากกันทางเรขาคณิตได้อย่างชัดเจน

ผลการดำเนินงานพบว่า ระบบ AI สามารถจำแนกรูปแบบการต้านเครื่องที่สำคัญได้ถึง 3 ชนิด ได้แก่ พยายามหายใจแต่ไม่สำเร็จ (Ineffective Triggering), การกัดท่อ (Severe Obstruction) และภาวะลมค้างในปอด (Double Triggering) ได้อย่างแม่นยำ ยิ่งไปกว่านั้น เมื่อบูรณาการข้อมูลคลื่นสัญญาณเข้ากับฐานข้อมูลเวชระเบียน (Clinical Data) ทำให้ค้นพบความเชื่อมโยงทางสรีรวิทยาที่สำคัญ โดยพบว่ากลุ่มผู้ป่วยโรคปอดอักเสบ (Pneumonia/HAP) มีค่าความต้านทานปอดสูง ส่งผลให้มีอัตราการต้านเครื่อง หรือ Asynchrony Index (AI%) วิกฤตกว่ากลุ่มโรคอื่นอย่างมีนัยสำคัญ

จากความสำเร็จดังกล่าว โครงงานได้ต่อยอดผลลัพธ์สู่ต้นแบบ "Smart ICU Dashboard" ซึ่งเป็นแผนที่ระบุความวิกฤตของผู้ป่วยรายบุคคล (Patient-Level Diagnosis Map) ที่สามารถชี้เป้าผู้ป่วยที่มีความเสี่ยงในระยะเริ่มต้น (AI% > 5%) ได้แบบทันที นวัตกรรมนี้ไม่เพียงช่วยลดภาระการวิเคราะห์แบบ Manual ของแพทย์และพยาบาล แต่ยังช่วยพลิกโฉมการดูแลผู้ป่วยวิกฤตจาก "เชิงรับ" สู่การรักษาแบบ "ป้องกันเชิงรุก" (Proactive Care) เพื่อยกระดับความปลอดภัยและช่วยรักษาชีวิตผู้ป่วยวิกฤตได้อย่างมีประสิทธิภาพสูงสุด