Chulalongkorn University Theses and Dissertations (Chula ETD)

Other Title (Parallel Title in Other Language of ETD)

โครงข่ายประสาทเทียมสำหรับการตรวจคัดกรองวัณโรคปอดที่ดื้อยาไรแฟมพิซินในประเทศอินโดนีเซีย การศึกษาความแม่นยำและการวิเคราะห์ความคุ้มทุนของโมเดล

Year (A.D.)

2020

Document Type

Thesis

First Advisor

Sathirakorn Pongpanich

Faculty/College

College of Public Health Sciences (วิทยาลัยวิทยาศาสตร์สาธารณสุข)

Degree Name

Doctor of Philosophy

Degree Level

Doctoral Degree

Degree Discipline

Public Health

DOI

10.58837/CHULA.THE.2020.400

Abstract

Background: Diagnosis of Pulmonary Rifampicin Resistant Tuberculosis (RR-TB) with the Drug-Susceptibility Test (DST) is costly and time-consuming, and the GeneXpert for rapid diagnosis is not widely available in Indonesia. This study aims to develop an Artificial Neural Network model and evaluate the deployed model performance for RR-TB screening. Methods: A cross-sectional study involved suspected RR-TB patients with complete sputum Lowenstein Jensen DST (reference) and 19 clinical, laboratory, and radiology parameter results, retrieved from medical records in hospitals under the Faculty of Medicine, Hasanuddin University Indonesia, from January 2015-December 2019. The Artificial Neural Network (ANN) models were built along with other classifiers. The model was tested on participants recruited from January 2020-October 2020 and deployed into CUHAS-ROBUST (index test) application. Sensitivity, specificity, and accuracy were obtained for assessment. A qualitative approach with content analysis was performed from September 2020 to October 2020. Medical staff from the primary care center were invited online for application trials and in-depth video call interviews. Transcripts were derived as a data source. An inductive thematic data saturation technique was conducted. Descriptive data of participants, user experience, and impact on the health service was summarized. Cost-effectiveness analysis of direct cost was made using the data of 330 participants who underwent Genexpert and Model, confirmed by DST. The Quality Adjusted Life years of TB being untreated was used as the approximation of the undiagnosed TB (acute morbidity, chronic morbidity, and mortality). The Incremental Cost-Effectiveness Ratio (ICER) was calculated. Results: A total of 487 participants (32 Multidrug-Resistant/MDR 57 RR-TB, 398 drug-sensitive) were recruited for model building and 157 participants (23 MDR and 21 RR) in prospective testing. The ANN full model yields 88% (95% CI 85-91) accuracy, 84% (95% CI 76-89) sensitivity, and 90% specificity (95% CI 86-93). This ANN model outperforms other classifiers and selected for the CUHAS-ROBUST application. A total of 33 participants (an average of 33.12 years old) were recruited from all parts of Indonesia. The findings show that DR-TB is a new threat, and its diagnosis faces obstacles particularly prolonged waiting time and inevitable delayed treatment. Despite overcoming the RR-TB screening problems with fast prediction, the dubious screening performance, and the reliability of data collection for input parameters were the main concerns of CUHAS-ROBUST. Nevertheless, this application increases confidence in decision making, promotes medical procedure compliance, active surveillance, and enhancing a low-cost screening approach. A cost-effectiveness analysis was made. The ICER Mortality value is -3601.706137. The ICER Acute Morbidity value is -17225.55 and The ICER Chronic Morbidity value is -825.391. The very minimum sensitivity of the model to not surpass the willingness to pay (WTP) of 100 USD per QALYs gained is 80.6%. The ideal prevalence of RR-TB according to the screening using model is 14.8% to 23.3%. Using the average cost, the results still consistent, showing the model as the dominant interventionConclusions: Despite showing lower sensitivity than global GeneXpert results. The ANN-CUHAS ROBUST outperforms other AI classifier models, and by deploying it into the application, the health staff can utilize the tool for screening purposes particularly at the primary care level. Moreover, this study demonstrates AI's roles in enhancing healthcare quality and boost public health efforts against tuberculosis. The advantage of this device is cost-effective although it should need a bigger test expansion.

Other Abstract (Other language abstract of ETD)

ความเป็นมา: การวินิจฉัยวัณโรคที่ดื้อยาไรแฟมพิซินในปอด (RR-TB) ด้วยวิธีการตรวจสอบความไวต่อยา (DST) มีค่าใช้จ่ายค่อนข้างสูงและใช้เวลานาน และวิธี GeneXpert ซึ่งเป็นการตรวจวินิจฉัยอย่างรวดเร็วก็ยังไม่มีให้บริการอย่างแพร่หลายในประเทศอินโดนีเซีย การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินประสิทธิภาพ CUHAS-ROBUST ซึ่งเป็นปัญญาประดิษฐ์ (Artificial Intelligence) ที่ใช้ตรวจคัดกรองวัณโรคที่ดื้อยาไรแฟมพิซิน (RR-TB) วิธีการวิจัย :การวิจัยนี้เป็นการศึกษาภาคตัดขวางในผู้ป่วยที่สงสัยว่ามีวัณโรคที่ดื้อยาไรแฟมพิซิน (RR-TB) ด้วยการเพาะเชื้อจากเสมหะบนอาหารไข่ด้วยวิธีที่เรียกว่า Lowenstein Jensen (วิธีมาตรฐาน) และนำผลของพารามิเตอร์ 19 ตัวจากข้อมูลทางคลินิก ห้องปฏิบัติการ และรังสีวิทยา ซึ่งได้มาจากเวชระเบียนในโรงพยาบาล คณะแพทยศาสตร์ มหาวิทยาลัยฮาสานุดดิน ประเทศอินโดนีเซีย ตั้งแต่เดือนมกราคม พ.ศ. 2558 ถึงเดือนธันวาคม พ.ศ. 2562 ทั้งนี้ได้ใช้โมเดลโครงข่ายประสาทเทียม (ANN) ซึ่งถูกสร้างขึ้นพร้อมกับโมเดลจำแนกอื่นๆ โดยโมเดลนี้ได้นำมาทดสอบกับผู้เข้าร่วมวิจัยซึ่งถูกคัดเลือกในช่วงเดือนมกราคมถึงเดือนตุลาคม พ.ศ. 2563 รวมถึงได้ถูกนําไปใช้ในแอปพลิเคชันที่เรียกว่า CUHAS-ROBUST (ดัชนีตรวจสอบ) พร้อมทั้งใช้ค่าความไว (Sensitivity) ความจําเพาะ (Specificity) และความแม่นยํา (Accuracy) มาการประเมินประสิทธิภาพของโมเดลนี้. การวิจัยเชิงคุณภาพด้วยวิธีการวิเคราะห์เนื้อหา (content analysis) ได้ดำเนินการในช่วงเดือนกันยายน 2563 ถึงเดือนตุลาคม 2563 โดยบุคลาการทางการแพทย์จากหน่วยบริการสาธารณสุขปฐมภูมิได้ถูกเชิญด้วยระบบออนไลน์เพื่อทดลองใช้แอปพลิเคชันและถูกสัมภาษณ์ผ่านวิดีโอคอล ได้มีการถอดคำสัมภาษณ์เพื่อใช้เป็นข้อมูล ทั้งนี้มีการใช้เทคนิคการวิเคราะห์แก่นสาระเชิงอุปนัยจากความอิ่มตัวที่เกิดขึ้นจากการเก็บข้อมูล ส่วนข้อมูลเชิงบรรยายของผู้เข้าร่วมวิจัย ประสบการณ์การใช้แอปพลิเคชั่น และผลที่คาดว่าจะเกิดขึ้นในบริการด้านสุขภาพได้ถูกนำรวบรวมสรุปไว้. การวิเคราะห์ต้นทุนประสิทธิผล (Cost effectiveness analysis) ของต้นทุนทางตรง (Direct cost) ได้จากข้อมูลของผู้เข้าร่วมวิจัย 330 คนที่ใช้วิธี Genexpert และโมเดล ซึ่งยืนยันด้วยวิธีการตรวจสอบความไวต่อยา (DST) จำนวนปีสุขภาวะ (QALYs) ในผู้ป่วยวัณโรคที่ไม่ได้รับการรักษาได้นำมาใช้เพื่อประมาณการผู้ป่วยวัณโรคที่ไม่ได้รับการวินิจฉัย (การเจ็บป่วยเฉียบพลัน การเจ็บป่วยเรื้อรัง และการเสียชีวิต) อัตราค่าต้นทุน-ประสิทธิผลส่วนเพิ่ม (ICER) ถูกนำมาคำนวณและสร้างเป็นกราฟ ผลการวิจัย :ผู้เข้าร่วมวิจัยทั้งหมด 487 ราย (32 เชื้อดื้อยาหลายขนาน/ 57 เชื้อดื้อยาไรแฟมพิซิน, 398 ไม่ดื้อยา) ได้ถูกคัดเลือกเพื่อใช้ในการสร้างโมเดล และผู้เข้าร่วมวิจัย 157 คน (23 เชื้อดื้อยาหลายขนาน และ 21 เชื้อดื้อยาไรแฟมพิซิน) ในการทดสอบแบบไปข้างหน้า พบว่าโมเดลสมบูรณ์ของโครงข่ายประสาทเทียม ให้ความแม่นยํา 88% (95% CI 85-91) ความไว 84% (95% CI 76-89) และ 90% ความจําเพาะ (95% CI 86-93) โมเดลโครงข่ายประสาทเทียมนี้มีประสิทธิภาพเหนือกว่าโมเดลจำแนกอื่นๆ และได้ถูกนําไปใช้ในแอปพลิเคชัน CUHAS-ROBUST. ผู้เข้าร่วมทั้งหมด 33 คน (อายุเฉลี่ย 33.12 ปี) ได้ถูกคัดเลือกจากทุกภาคของประเทศอินโดนีเซีย ผลการวิจัยนี้แสดงให้เห็นว่า วัณโรคที่ดื้อยาไรแฟมพิซินเป็นภัยคุกคามใหม่ และการวินิจฉัยมีอุปสรรคที่สำคัญคือระยะเวลาที่ใช้ในการรอรับการรักษาและส่งผลให้ได้รับการรักษาที่ล่าช้าอย่างหลีกเลี่ยงไม่ได้ ถึงแม้จะมีการพยายามเอาชนะปัญหาการคัดกรองวัณโรคที่ดื้อยาไรแฟมพิซินด้วยการคาดการณ์ที่รวดเร็ว ประสิทธิภาพการคัดกรองและความน่าเชื่อถือของการเก็บรวบรวมข้อมูลสําหรับพารามิเตอร์ที่ใช้ในแอปพลิเคชัน CUHAS-ROBUST ยังคงเป็นสิ่งหลักที่ต้องพัฒนาต่อไป อย่างไรก็ตามแอปพลิเคชันนี้ช่วยเสริมความมั่นใจในการตัดสินใจ สนับสนุนการทำหัตถการทางการแพทย์ การเฝ้าระวัง และส่งเสริมการใช้วิธีการคัดกรองที่ต้นทุนต่ำ. ส่วนการวิเคราะห์ต้นทุนประสิทธิผล อัตราค่าต้นทุน-ประสิทธิผลส่วนเพิ่ม (ICER) ของการเสียชีวิตคือ -3601.706137 ส่วน ICER การเจ็บป่วยเฉียบพลันคือ -17225.55 และ ICER การเจ็บป่วยเรื้อรังคือ -825.391 ความไวขั้นต่ำของโมเดลที่จะไม่ผ่านความเต็มใจที่จะจ่าย (Willingness to pay) ที่จำนวนเงิน 100 ยูเอสดอลลาร์ ต่อ QALYs เท่ากับ 80.6% ในส่วนความชุกของโรคที่คาดหวังของวัณโรคที่ดื้อยาไรแฟมพิซินตามการคัดกรองโดยใช้โมเดลนี้ คือ 14.8% ถึง 23.3% ทั้งนี้ผลดังกล่าวนี้สอดคล้องกับค่าใช้จ่ายเฉลี่ย ซึ่งสะท้อนความโดดเด่นของโมเดลนี้ สรุป : แม้ผลจากโมเดลโครงข่ายประสาทเทียมในแอพพลิเคชั่น CUHAS-ROBUST จะมีความไวที่ต่ำกว่าผลลัพธ์ GeneXpert ทั่วโลก CUHAS-ROBUST ยังคงมีประสิทธิภาพดีกว่าโมเดลจำแนกอื่นๆ ของปัญญาประดิษฐ์ และได้มีการนำไปใช้จริงในแอปพลิเคชัน โดยบุคลากรทางการแพทย์สามารถใช้เครื่องมือดังกล่าวในการคัดกรองโรคโดยเฉพาะในหน่วยบริการปฐมภูมิ นอกจากนี้ การศึกษานี้ยังแสดงให้เห็นถึงบทบาทของปัญญาประดิษฐ์ ในการช่วยส่งเสริมคุณภาพการดูแลสุขภาพ และผลักดันความพยายามด้านสาธารณสุขในการต่อสู้กับวัณโรค ทั้งนี้ข้อได้เปรียบของอุปกรณ์นี้คือมีความคุ้มค่าแม้จะต้องการขยายการทดสอบให้เพิ่มมากขึ้น

Download

Share

COinS
 
 

To view the content in your browser, please download Adobe Reader or, alternately,
you may Download the file to your hard drive.

NOTE: The latest versions of Adobe Reader do not support viewing PDF files within Firefox on Mac OS and if you are using a modern (Intel) Mac, there is no official plugin for viewing PDF files within the browser window.