มะเร็งเต้านมเป็นหนึ่งในสาเหตุการเสียชีวิตอันดับต้น ๆ ของสตรีทั่วโลก แม้ว่าผู้ป่วยบางรายจะไม่พบการแพร่กระจายไปยังต่อมน้ำเหลืองในระยะแรก แต่ยังคงมีโอกาสเกิดการกลับเป็นซ้ำหรือเกิดการแพร่กระจายไปยังอวัยวะอื่นในภายหลัง ซึ่งการประเมินความเสี่ยงจากข้อมูลทางคลินิกเพียงอย่างเดียวอาจไม่เพียงพอและไม่ครอบคลุมความซับซ้อนระดับโมเลกุลของโรค
โครงการนี้จึงพัฒนาระบบ AI for Breast Cancer Relapse Prediction using RNA Expression โดยมุ่งวิเคราะห์รูปแบบการแสดงออกของยีน (RNA Expression Profiles) จากชุดข้อมูลสาธารณะ GSE2034 จำนวน 286 ตัวอย่าง ซึ่งเป็นผู้ป่วยมะเร็งเต้านมชนิด lymph-node negative ระบบใช้กระบวนการคัดเลือกคุณลักษณะ (Feature Selection) เพื่อค้นหายีนสำคัญที่เกี่ยวข้องกับการเกิด distant metastasis จากนั้นนำข้อมูลเข้าสู่กระบวนการสร้างโมเดลด้วยเทคนิค AutoML และประเมินผลด้วย k-fold cross validation เพื่อให้ได้โมเดลที่มีความแม่นยำและเสถียรภาพสูง
ผลการวิเคราะห์พบว่าโมเดลสามารถทำนายความเสี่ยงการกลับเป็นซ้ำได้อย่างแม่นยำ (Accuracy สูงสุดประมาณ 93%) และสามารถระบุยีนที่มีอิทธิพลสำคัญต่อการเกิด relapse ได้อย่างชัดเจน ซึ่งสะท้อนศักยภาพของการใช้ข้อมูล RNA Expression ในการสนับสนุนการประเมินความเสี่ยงเชิงลึกระดับโมเลกุล งานวิจัยนี้จึงเป็นก้าวสำคัญในการประยุกต์ AI กับข้อมูลจีโนม เพื่อมุ่งสู่การแพทย์แม่นยำ (Precision Medicine) ในอนาคต
