จุดแข็งไม่ใช่การสร้างเอไอทั่วไป แต่คือข้อมูลและโจทย์การแพทย์
Medical AI คือการใช้ปัญญาประดิษฐ์สนับสนุนงานสุขภาพ ตั้งแต่การวินิจฉัยและการเลือกแนวทางรักษา ไปจนถึงการค้นพบยา โดยต้องพัฒนาและทดสอบให้เหมาะกับผู้ป่วยและบริบทการดูแลจริง ไม่ใช่เพียงสร้างแบบจำลองที่ทำงานได้ในห้องทดลอง เมื่อการแข่งขันด้านเทคโนโลยีเร่งตัว การพยายามแข่งสร้าง AI ทั่วไปกับมหาอำนาจย่อมไม่ใช่ทางเลือกที่คุ้มแรง ภาครัฐจึงเสนอให้ใช้ข้อมูลคลินิก ชีววิทยาประชากร ความหลากหลายทางชีวภาพ และความเชี่ยวชาญของนักวิจัยในประเทศเป็นฐานพัฒนา AI ทางการแพทย์ จุดแข็งยังรวมถึงข้อมูลด้านเวชศาสตร์เขตร้อน มะเร็ง และโรคหลอดเลือดสมอง ซึ่งเชื่อมกับโจทย์สุขภาพที่ต้องการคำตอบเฉพาะ กรอบ National Strategic AI วางไว้ 7 พันธกิจ ตั้งแต่โมเดลพื้นฐานทางการแพทย์ จีโนมิกส์และการแพทย์แม่นยำ การค้นพบยา ไปจนถึง AI ค้นหามะเร็งและผู้ช่วยงานคลินิกที่เชื่อถือได้ นี่เป็นทิศทางที่มีเหตุผล แต่จะมีคุณค่าก็ต่อเมื่อข้อมูลถูกกำกับดูแลอย่างเหมาะสม และประโยชน์ตกถึงผู้ป่วย ไม่ใช่หยุดอยู่ที่เป้าหมายเชิงยุทธศาสตร์

เวทีประชุมจะมีความหมายเมื่อพางานวิจัยออกจากห้องประชุม
เมื่อวันที่ 30 ตุลาคม 2569 ศ. ดร.ยศชนัน วงศ์สวัสดิ์ รองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม กล่าวปาฐกถาในงาน Global Medical AI Summit 2026 ที่กรุงเทพฯ ขณะที่นายศุภชัย ปาจริยานนท์ ผู้ก่อตั้ง RISE ร่วมเสนอภาพการพัฒนา Medical AI ในมุมมองระดับนานาชาติ งานนี้รวบรวมผู้เชี่ยวชาญการแพทย์ นักลงทุน นักพัฒนาเทคโนโลยี และภาครัฐ เพื่อเชื่อมงานวิจัยกับการประยุกต์ใช้และการลงทุน มีผู้บริหารกว่า 400 คนจาก 263 องค์กรทั่วโลกเข้าร่วม ขนาดของงานสะท้อนความสนใจ แต่จำนวนผู้เข้าร่วมไม่ใช่ตัวชี้วัดความสำเร็จที่สำคัญที่สุด การจับคู่ธุรกิจ การหารือกับโรงพยาบาล และการสร้างความร่วมมือเพื่อทดสอบระบบต่างหากที่จะบอกได้ว่าเวทีนี้พานวัตกรรมไปได้ไกลเพียงใด เป้าหมายระดับประเทศคือเปลี่ยนบทบาทจากศูนย์บริการสุขภาพไปเป็นศูนย์วิจัยและพัฒนา ไม่ใช่เพิ่มกิจกรรมประชาสัมพันธ์อีกหนึ่งครั้ง

ฐานทดสอบคือสะพานจากต้นแบบไปถึงผู้ป่วย
จุดติดขัดของบริษัท Medical AI ไม่ได้อยู่แค่การสร้างแบบจำลอง แต่รวมถึงการทดสอบทางคลินิก การนำระบบเข้าใช้ในโรงพยาบาล และการขยายไปยังตลาดภูมิภาค แผนสนับสนุนระบบทดสอบกลางแบบเชื่อมโยงข้อมูลจากโรงพยาบาล 25 แห่งจึงสำคัญ เพราะช่วยให้ผู้พัฒนาประเมินระบบในบริบทการรักษาที่หลากหลาย โดยยังต้องรักษาความปลอดภัยและความเป็นส่วนตัวของข้อมูล การสร้างระบบนิเวศยังต้องครอบคลุมการตรวจสอบประสิทธิภาพ มาตรฐาน การขึ้นทะเบียน เงินทุน และช่องทางตลาด เพื่อให้ผลิตภัณฑ์พร้อมใช้จริง ไม่ใช่จบลงหลังการสาธิต หากระบบช่วยลดภาระงานหรือทำให้การตัดสินใจทางคลินิกดีขึ้น ผู้ป่วยอาจเข้าถึงบริการที่เหมาะสมเร็วขึ้น และบุคลากรที่มีจำกัดก็มีเครื่องมือสนับสนุนเพิ่มขึ้น แต่ความไว้ใจจากแพทย์และโรงพยาบาลจะเกิดจากหลักฐานการใช้งาน ไม่ใช่คำกล่าวอ้าง

เป้าหมายผู้ป่วย 100 ล้านคนต้องวัดด้วยผลลัพธ์
SEA HI Hub ซึ่งเป็นเครือข่ายที่ RISE ร่วมขับเคลื่อน มีระบบบริการสุขภาพพันธมิตร 50 แห่งและเข้าถึงผู้ป่วยราว 30 ล้านคนในช่วงประมาณ 9 เดือน พร้อมตั้งเป้าเข้าถึงผู้ป่วย 100 ล้านคนภายใน 3 ปี ตัวเลขนี้แสดงศักยภาพการขยายเครือข่าย แต่การเข้าถึงไม่ควรถูกนับเป็นความสำเร็จโดยลำพัง ต้องตอบให้ได้ด้วยว่าผู้ป่วยได้รับบริการดีขึ้นหรือไม่ และระบบทำงานได้อย่างปลอดภัยเพียงใด อีกเป้าหมายคือผลักดันผลิตภัณฑ์ Medical AI 20 รายการสู่เชิงพาณิชย์ภายในปี 2571 สำหรับประชาชน สิ่งที่ควรจับตาจึงไม่ใช่จำนวนโมเดลหรือยอดผู้ใช้เท่านั้น แต่คือความแม่นยำในงานจริง ความเป็นธรรมต่อผู้ป่วยกลุ่มต่าง ๆ และการเชื่อมต่อกับกระบวนการรักษา Medical AI ไทยจะก้าวจากแนวคิดสู่ นวัตกรรมสุขภาพได้ เมื่อรัฐ โรงพยาบาล นักวิจัย และธุรกิจร่วมกันสร้างระบบทดสอบที่โปร่งใส แล้วเปิดทางให้เทคโนโลยีที่ผ่านเกณฑ์เข้าสู่บริการจริง






