Cancer is one of the major health issues in Thailand, particularly as the country enters an aging society. The risk of chronic diseases among the elderly often results in limitations in treatment, making it difficult for most patients to achieve a complete recovery. This necessitates continuous care and the provision of accurate information and guidance about cancer. However, current health record systems for patients lack effective interconnectivity, which hinders data analysis and the development of patient care models. Additionally, incorrect information about cancer spread across social media can lead to misunderstandings among elderly patients. To address these issues, researchers have developed a chatbot system that utilizes Natural Language Processing (NLP) technology to understand human language and accurately respond to questions about elderly cancer patient care. The chatbot provides reliable and up-to-date information based on medical knowledge sourced from a database reviewed by healthcare professionals. Furthermore, a web application has been developed to record and analyze patient assessments according to medical standards, enabling healthcare providers to plan and develop appropriate treatment approaches in a better way. This system also facilitates data sharing and connectivity across hospital systems, allowing information to be used to enhance the precision and modernity of treatment approaches. In addition, the chatbot acts as an assistant, providing information and guidance to patients, reducing the workload of healthcare staff in answering questions and encouraging patients to take a more active role in managing their own health.
โรคมะเร็งเป็นหนึ่งในสาเหตุสำคัญของการเจ็บป่วยและการเสียชีวิตของประชากรทั่วโลก องค์กรอนามัยโลก (World Health Organization; WHO) ระบุว่าในปี 2022 มีผู้ป่วยมะเร็งรายใหม่ประมาณ 20 ล้านคน และคาดว่าในปี 2050 จะมีผู้ป่วยมะเร็งรายใหม่เพิ่มเป็น 35 ล้านคนทั่วโลก โดยในประเทศไทยมีผู้ป่วยมะเร็งรายใหม่จำแนกตามระยะ ของโรคและกลุ่มอายุ ซึ่งพบว่าผู้ป่วยโรคมะเร็งที่อยู่ในระยะ ลุกลามส่วนใหญ่อยู่ในกลุ่มผู้สูงอายุร้อยละ 87 และมากกว่า ร้อยละ 50 ของผู้ป่วยโรคมะเร็งทั้งหมด จากสถิติดังกล่าว สามารถสรุปได้ว่า อายุที่เพิ่มขึ้นเป็นปัจจัยเสี่ยงสำคัญที่ส่ง- ผลต่อการเกิดโรคมะเร็ง ทำให้ผู้สูงอายุจึงมีความเสี่ยงสูง กว่ากลุ่มอายุอื่น ๆ และจำเป็นต้องได้รับการดูแลรักษา อย่างใกล้ชิด แต่การรักษาในปัจจุบันพบว่าการบันทึกข้อมูล ในแต่ละโรงพยาบาลของไทยมักไม่เชื่อมโยงกัน ซึ่งนำไปสู่ การวิเคราะห์และการวิจัยที่เป็นไปอย่างล่าช้า นอกจากนี้ ผู้สูงอายุส่วนใหญ่มักพบอุปสรรคในการเข้าถึงข้อมูลที่เกี่ยวข้องกับโรคมะเร็ง โดยเฉพาะข้อมูลจากแหล่งที่ไม่น่าเชื่อถือ ซึ่งอาจทำให้เกิดการเข้าใจผิดเกี่ยวกับโรคและวิธีการรักษา ดังนั้นผู้วิจัยจึงพัฒนาระบบแชทบอทและเว็บแอปพลิเคชัน เพื่อช่วยในการเข้าถึงบริการด้านสุขภาพของผู้ป่วยสูงอายุ และอำนวยความสะดวกให้แก่บุคลากรทางการแพทย์
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
This study presents the development of carbon-based multiphase metal oxide nanocomposites (CNF@MOx; M = Ag, Mn, Bi, Fe) incorporating silver, manganese, bismuth, and iron nanoparticles within polyacrylonitrile (PAN)-derived carbon nanofibers. These nanocomposites were fabricated via the electrospinning technique followed by annealing in an argon atmosphere. The resulting nanofibers exhibited a uniform structure, with diameters ranging from 559 to 830 nm and embedded nanoparticles of 9-21 nm. Structural characterization confirmed the presence of various oxidation states of metal oxides, which play a crucial role in charge storage mechanisms. Electrochemical performance testing demonstrated that CNF@Ag/Mn/Bi/Fe-20 achieved the highest specific capacitance of 156 F g⁻¹ at a scan rate of 2 mV s⁻¹ and exhibited excellent cycling stability, retaining over 96% of its capacitance after 1400 charge-discharge cycles. The synergistic combination of electric double-layer capacitance and redox-based charge storage enhances the performance of these nanofibers as promising electrode materials for supercapacitor applications.
คณะเทคโนโลยีการเกษตร
Dwarf whipray (Brevitrygon heterura) is a common species found in a local market in the Gulf of Thailand. However, like many other species of stingrays, it is threatened by overfishing and habitat destruction. Therefore, an accurate species identification is crucial because conservation efforts may vary depending on the species. This study aims to understand morphological variation of B. heterura in the Gulf of Thailand by morphometric study and genetic analysis. During October 2022 and February 2023, we obtained 49 samples from research vessels fish landing ports and local fish markets. We observed two distinct groups based on 43 morphological variables/ratios. B. heterura samples from Chanthaburi, Rayong, Chonburi, Samut Sakhon, Nakhon Si Thammarat and Songkla provinces, called “group A," typically have longer snout length than those from Prachuap Khiri Khan provinces, called “group B" according to external morphological characters for species identification. Three morphological variables/ratios were significantly different between groups A and B. Main characters to explain intraspecific variations between group A and group B are further discussed. DNA barcoding based on a fragment of the cytochrome c oxidase subunit I (COI) gene were obtain from eight samples of group A and eight samples from group B. Pairwise percent sequence divergence (p-distance) for COI between group A and group B were 0.0-2.5. This study contributes to the understanding of variations of morphology and genetics of B. heterura in the Gulf of Thailand.
คณะวิทยาศาสตร์
Currently, climate change and human activities are causing rapid deterioration of coral reefs worldwide. Monitoring coral health is essential for marine ecosystem conservation. This project focuses on developing an Artificial Intelligence (AI) model to classify coral health into four categories: Healthy, Bleached, Pale, and Dead using Deep Learning techniques. With pre-trained convolutional neural network (CNN) for image classification. To improve accuracy and mitigate overfitting, 5-fold Cross-Validation is employed during training, and the best-performing model is saved. The results of this project can be applied to monitor coral reef conditions and assist marine scientists in analyzing coral health more efficiently and accurately. This contributes to better conservation planning for marine ecosystems in the future.