เดิมทีผู้คนนิยมไปโรงพยาบาลเพื่อตรวจสุขภาพหรือเข้ารับการรักษาโรค โดยการที่คนไข้เข้าพบแพทย์แต่ละครั้งนั้น ข้อมูลที่แพทย์เก็บรวบรวมเพื่อใช้ในการวินิจฉัยโรคส่วนมากคือ อุณหภูมิในร่างกาย อัตราการเต้นของหัวใจ ความดันโลหิต คลื่นสมอง ระดับน้ำตาลในเลือด ฯลฯ ซึ่งหมายความว่า ในแต่ละครั้งแพทย์จะทราบข้อมูลทางสุขภาพของคนไข้ได้เฉพาะตอนที่คนไข้มาที่โรงพยาบาลเท่านั้น และข้อมูลนั้นจะถูกแพทย์นำมาใช้ในการตัดสินใจ (คิดเป็นสัดส่วนน้อยกว่าร้อยละหนึ่งเมื่อรวมถึงข้อมูลที่ไม่สามารถวัดได้เมื่อคนไข้อยู่นอกโรงพยาบาล) ซึ่งอาจนำไปสู่การรักษาที่ไม่เต็มประสิทธิภาพ และไม่เอื้ออำนวยต่อคนไข้ ผู้ที่ต้องเสียทั้งเงินและเวลา เดินทางมาที่โรงพยาบาลเพื่อเข้ารักษาเป็นประจำ
อ.อัคร สุประทักษ์ คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล ได้ทำวิจัยเรื่อง “Learning from Biosignals” และผลงานวิจัยชิ้นนี้ได้รับรางวัลชนะเลิศการประกวด Educational Award for Excellence 2017 สาขา Engineering and Technology จาก Anglo-Thai Society ซึ่งเป็นการประกวดผลงานวิจัยของนักเรียนทุนไทยในประเทศอังกฤษ ในงานวิจัยชิ้นนี้ อ.อัครได้ประดิษฐ์และพัฒนาชุดคำสั่งคอมพิวเตอร์ (Algorithms) โดยใช้การเรียนรู้เชิงลึก (Deep learning) เพื่อดึงข้อมูลจากคลื่นสัญญาณจากร่างกายคน (Biosignals) ผ่านตัวกลางอย่างอุปกรณ์สวมใส่อีเล็กทรอนิกส์ (Wearable devices) ที่คนไข้สามารถพกพาติดตัวไปได้ทุกที่
ผลงานวิจัยที่โดดเด่นนั้นเป็นการประดิษฐ์โมเดลที่มีชื่อว่า “DeepSleepNet” ซึ่งสามารถเปลี่ยนคลื่นสมองที่วัดได้จาก Electrodes ที่ติดไว้บนใบหน้าของคนไข้ขณะนอนหลับให้กลายเป็นลำดับของ Sleep Stages หรือทางการแพทย์เรียกว่า Hypnograms ซึ่ง Hypnograms ที่ได้จาก DeepSleepNet มีความคล้ายคลึงกับการวินิจฉัยของ Sleep Experts นอกจากเรื่องการนอนแล้ว อ.อัครยังพัฒนาชุดคำสั่งคอมพิวเตอร์อื่นเพื่อเพิ่มประสิทธิภาพในวิเคราะห์ข้อมูล อย่างเช่น ความเร็วในการเดิน รวมไปถึง Desynchronization among Biosignals เพื่อเพิ่มจุดสังเกตในการวินิจฉัยโรคของแพทย์ให้ดียิ่งขึ้น
อ.อัครกล่าวว่า “ผลงานวิจัยนี้ ยังสามารถพัฒนาต่อยอดเพื่อประดิษฐ์เป็นอุปกรณ์สวมใส่อีเล็กทรอนิกส์ในรูปแบบใหม่ อาทิเช่น ผ้าปิดตาอัจฉริยะ (Smart Eye-mask) ที่สามารถวิเคราะห์คลื่นสมองของคนไข้ขณะนอนหลับอยู่ที่บ้าน เพื่อช่วยให้แพทย์ได้เข้าถึงข้อมูลเบื้องต้นของคนไข้ในชีวิตประจำวันเพิ่มเติมจากที่วัดได้ในโรงพยาบาล ซึ่งจะช่วยเพิ่มประสิทธิภาพให้กับแพทย์ในการวินิจฉัยโรคได้อย่างรวดเร็วและตรงจุดยิ่งขึ้น อีกทั้งช่วยลดค่าใช้จ่าย และเวลาที่คนไข้ต้องเสียไปกับการเดินทางมารับการตรวจที่โรงพยาบาลบ่อยๆอีกด้วย”
