ทุเรียนเป็นพืชเศรษฐกิจสำคัญของประเทศไทยที่ได้รับผลกระทบจากโรคทางใบ เช่น โรคใบสนิม ใบไหม้ และใบจุด ซึ่งส่งผลให้คุณภาพผลผลิตลดลงและเพิ่มต้นทุนการจัดการ งานวิจัยนี้มุ่งเน้นการพัฒนาซอฟต์แวร์ AI สำหรับตรวจคัดกรองโรคใบทุเรียน โดยประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึกในการจำแนกชนิดของรอยโรคในใบทุเรียน
ทุเรียนเป็นพืชเศรษฐกิจสำคัญของประเทศไทยที่มีมูลค่าทางเศรษฐกิจสูงและเป็นที่ต้องการเพิ่มขึ้นอย่างต่อเนื่อง อย่างไรก็ตาม การแพร่ระบาดของโรคทางใบ เช่น โรคใบสนิม โรคใบไหม้ และโรคใบจุด ซึ่งส่งผลต่อการเจริญเติบโตและสุขภาพของต้นโดยรวม ทำให้ผลผลิตลดลงหรือผลทุเรียนอาจมีขนาดเล็กและคุณภาพต่ำ ปัจจุบันเกษตรกรยังคงประสบปัญหาในการวินิจฉัยโรค เนื่องจากอาการของโรคมีความคล้ายคลึงกัน ซึ่งอาจนำไปสู่การรักษาที่ผิดพลาด อีกทั้งข้อจำกัดในการเข้าถึงผู้เชี่ยวชาญยังทำให้การควบคุมโรคขาดประสิทธิภาพ การพัฒนาซอฟต์แวร์ AI สำหรับตรวจคัดกรองโรคจากใบทุเรียน พร้อมระบุวิธีการดูแลรักษาจึงเป็นทางออกที่สำคัญ เทคโนโลยีนี้จะช่วยให้เกษตรกรสามารถวินิจฉัยโรคได้อย่างรวดเร็วและแม่นยำ โดยไม่ต้องใช้เครื่องมือที่ซับซ้อนหรือต้องพึ่งพาผู้เชี่ยวชาญโดยตรง อีกทั้งยังให้คำแนะนำในการรักษาและป้องกันที่เหมาะสม ลดความผิดพลาดในการจัดการโรค และเพิ่มประสิทธิภาพการดูแลสวนทุเรียน นวัตกรรมนี้จะช่วยส่งเสริมการผลิตที่ยั่งยืน ลดต้นทุน และเพิ่มผลผลิตให้กับเกษตรกรไทยในระยะยาว
คณะวิทยาศาสตร์
มะเร็งยังคงเป็นอีกหนึ่งปัญหาด้านสุขภาพที่สำคัญระดับโลก โดยเป็นสาเหตุการเสียชีวิตอันดับสองของคนทั่วโลก ในปัจจุบันนอกเหนือจากการผ่าตัดรักษาโรคมะเร็งแล้ว ยังมีการรักษามะเร็งด้วยวิธีต่างๆ ได้แก่ การฉายรังสี และเคมีบำบัด อย่างไรก็ตามการรักษาด้วยวิธีดังกล่าวทำให้เกิดผลข้างเคียงที่รุนแรงต่อผู้ป่วยได้ เนื่องจากทั้งเซลล์มะเร็งและเซลล์ปกติต่างถูกกำจัดไปพร้อมกัน ดังนั้นจึงมีการใช้โมโนโคลนอลแอนติบอดีที่สามารถจับกับโมเลกุลที่มะเร็งใช้ยับยั้งภูมิคุ้มกันของร่างกาย (immune checkpoint molecule) โดยเฉพาะอย่างยิ่ง TIGIT/PVR (T-cell immunoglobulin and ITIM domain/poliovirus receptor) ซึ่งเป็นโมเลกุลที่เป็นเป้าหมายในการการพัฒนายารักษามะเร็ง การใช้โมโนโคลนอลแอนติบอดีในการยับยั้ง TIGIT แม้จะมีประสิทธิภาพในการรักษาที่ดี แต่จากการทดลองในผู้ป่วยพบว่าสามารถเกิดผลข้างเคียงจากการใช้แอนติบอดีและไปขัดขวางการทำงานตามปกติของร่างกาย และแอนติบอดีมีต้นทุนในการผลิตที่สูง ดังนั้นเพื่อแก้ไขปัญหาเหล่านี้ จึงมีการใช้สารประกอบขนาดเล็กแทน ซึ่งมีข้อดีในเรื่องของความสามารถในการดูดซึมเข้าสู่กระแสเลือดผ่านการรับประทานเข้าไปและคาดว่าสามารถจัดการเนื้องอกได้ดีกว่าโมโนโคลนอลแอนติบอดีเนื่องจากมีขนาดที่เล็กกว่า โดยในการทดลองนี้เราศึกษาตัวยาที่มีความสามารถในการจับกับ TIGIT โดยคัดกรองจากตัวยาที่ผ่านการอนุมัติจาก FDA (Food and Drug Administration) ผ่านวิธี virtual screening และ molecular docking ได้สารประกอบ 100 ตัว และนำมาคัดกรองต่อจนเหลือ 10 ตัว ซึ่งมีค่าความสามารถในการจับ TIGIT อยู่ในช่วง -9.152 to -7.643 kcal/mol จากนั้นสารประกอบเหล่านี้จะถูกประเมินคุณสมบัติทางเภสัชจลนศาสตร์โดยใช้การวิเคราะห์ ADMET (Absorption, Distribution, Metabolism, Excretion, และ Toxicity) เพื่อแสดงให้เห็นว่าตัวยาแต่ละตัวมีคุณสมบัติที่เหมาะสมสำหรับการใช้เป็นยา สารประกอบที่ผ่านเกณฑ์จะถูกวิเคราะห์ต่อโดยคาดคะเนการเปลี่ยนแปลงทางโครงสร้างและความเสถียรในการจับกับ TIGIT ผ่านการใช้ molecular dynamics (MD) เพื่อให้มั่นใจว่าโครงสร้างของโปรตีนจะไม่เปลี่ยนแปลงไป การศึกษานี้แสดงให้เห็นว่าการใช้วิธีการทางคอมพิวเตอร์และการนำยากลับมาใช้ใหม่ (Drug repurposing) สามารถเป็นแนวทางในการค้นหายาที่มีประสิทธิภาพ ซึ่งจะช่วยเร่งกระบวนการพัฒนายารักษามะเร็งใหม่ได้รวดเร็วขึ้น
คณะเทคโนโลยีการเกษตร
โครงงานสวนสาธารณะ : เเอนเซียนท์ ซี ปาร์ค เป็นสวนสาธารณะเเห่งใหม่ที่อ่างศิลา จังหวัดชลบุรี สร้างเพื่อการเรียนรู้เเละการท่องเที่ยว ในเเนวคิดท้องทะเลเมื่อ65ปีก่อน
คณะวิศวกรรมศาสตร์
ปัจจุบันแบตเตอรี่ลิเทียมถูกใช้งานอย่างแพร่หลายในอุปกรณ์อิเล็กทรอนิกส์และยานยนต์ไฟฟ้า ทำให้การประมาณสถานะสุขภาพ (State of Health: SOH) ของแบตเตอรี่มีความสำคัญอย่างมาก เนื่องจากสามารถช่วยยืดอายุการใช้งาน ลดค่าใช้จ่ายในการบำรุงรักษา และป้องกันปัญหาด้านความปลอดภัย เช่น ความร้อนสูงเกินหรือการระเบิด โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาและวิเคราะห์แบบจำลองทางคณิตศาสตร์ของแบตเตอรี่ ตลอดจนพัฒนาเทคนิคการประมาณสถานะสุขภาพโดยใช้โครงข่ายประสาทเทียม (Neural Networks) เพื่อเพิ่มความแม่นยำและความรวดเร็วในการประเมิน การทดลองได้ทำการเก็บข้อมูลการประจุและคายประจุของแบตเตอรี่ลิเทียมจำนวน 3 เซลล์ ภายใต้อุณหภูมิที่ควบคุม และใช้กระแสคงที่ในการชาร์จและคายประจุไฟฟ้า พร้อมทั้งบันทึกค่ากระแส แรงดัน และเวลา จากนั้นนำข้อมูลที่ได้มาวิเคราะห์เพื่อหาค่าความจุของแบตเตอรี่ในแต่ละรอบการใช้งาน และใช้เป็นข้อมูลฝึกสอนโครงข่ายประสาทเทียม ผลลัพธ์ที่ได้ช่วยให้สามารถคาดการณ์สถานะสุขภาพของแบตเตอรี่ได้อย่างมีประสิทธิภาพ ผลจากโครงงานนี้สามารถนำไปพัฒนาระบบจัดการแบตเตอรี่ (Battery Management System) เพื่อช่วยปรับปรุงประสิทธิภาพและยืดอายุการใช้งานของแบตเตอรี่ ทั้งยังเป็นแนวทางในการนำเทคนิคปัญญาประดิษฐ์มาประยุกต์ใช้ในงานด้านพลังงานอย่างมีประสิทธิภาพ