ผู้ป่วยวิกฤตในหอผู้ป่วย ICU (Intensive Care Unit) จำนวนมากต้องพึ่งพา เครื่องช่วยหายใจ (Mechanical Ventilator) เพื่อพยุงการทำงานของระบบทางเดินหายใจ โดยเครื่องช่วยหายใจจะสร้างข้อมูลสัญญาณคลื่น (Ventilator Waveform) เช่น Pressure, Flow และ Volume อย่างต่อเนื่อง ซึ่งสะท้อนสภาวะการทำงานของปอดและการแลกเปลี่ยนก๊าซของผู้ป่วย อย่างไรก็ตาม ข้อมูลดังกล่าวมีขนาดใหญ่และมีความซับซ้อน ทำให้การวิเคราะห์ด้วยสายตาเพียงอย่างเดียวทำได้ยาก งานวิจัยนี้จึงนำ เทคนิค Machine Learning แบบ Unsupervised Learning มาประยุกต์ใช้เพื่อค้นหารูปแบบ (Patterns) ของการทำงานของระบบทางเดินหายใจจากข้อมูลจริงของผู้ป่วย ICU ซึ่งอาจช่วยให้เข้าใจลักษณะของผู้ป่วยแต่ละกลุ่มได้ดีขึ้น และสนับสนุนการพัฒนาระบบช่วยตัดสินใจทางคลินิกในอนาคต
