AI การวินิจฉัยทางการแพทย์: ไม่ใช่แค่คะแนนแม่นยำ
AI การวินิจฉัยทางการแพทย์คือการใช้ปัญญาประดิษฐ์มาวิเคราะห์ข้อมูลทางคลินิกและภาพทางการแพทย์เพื่อช่วยตรวจจับโรค วินิจฉัยภาวะผิดปกติ และเสนอแนวทางรักษา โดยอาศัยอัลกอริทึมที่เรียนรู้จากฐานข้อมูลผู้ป่วยจำนวนมาก เป้าหมายไม่ใช่เพียงเพิ่มความแม่นยำ AI ทางการแพทย์ แต่ยังต้องเสริมการตัดสินใจของแพทย์ ลดความผิดพลาด และเพิ่มความปลอดภัยให้คนไข้ในระบบสุขภาพที่ซับซ้อนและมีข้อจำกัดด้านทรัพยากรอยู่แล้ว
แม้จะมีงานวิจัยที่รายงานว่าระบบ AI ตรวจจับโรค เช่น โมเดล CNN สำหรับตรวจมะเร็งปอด สามารถทำความแม่นยำได้ในระดับราว 94.7% แต่ในโรงพยาบาลจำนวนมาก เครื่องมือเหล่านี้ยังไม่ถูกนำมาใช้เป็นส่วนหนึ่งของการวินิจฉัยประจำวัน ความลังเลไม่ได้เกิดจากเทคโนโลยีไร้ประสิทธิภาพ แต่เกิดจากคำถามว่าความถูกต้องเชิงเทคนิคเพียงอย่างเดียวเพียงพอแล้วหรือยังที่จะให้แพทย์และคนไข้ฝากชีวิตไว้กับระบบอัลกอริทึมที่ไม่ใช่มนุษย์ ระบบ AI ตรวจจับโรคจึงยังถูกมองว่าเป็น “ผู้ช่วยในห้องทดลอง” มากกว่าจะเป็น “เพื่อนร่วมทีมในคลินิก”
เมื่อความแม่นยำไม่เท่ากับความเชื่อมั่นในโรงพยาบาล
คำอธิบายสำคัญของช่องว่างนี้คือความจริงที่ว่า การรักษาไม่ได้จบลงที่ผลคำนวณของระบบ AI ตรวจจับโรค แต่ไปสุดที่ดุลยพินิจของแพทย์และความรู้สึกปลอดภัยของคนไข้ นพ.สุรสิทธิ์ ซอและห์ อิสสระชัยชี้ชัดว่าแม้ AI จะรวบรวมข้อมูลและมาตรฐานการรักษาได้ดีเพียงใด “การตัดสินใจขั้นสุดท้าย ยังไงก็ต้องเป็นหมอเลือกอยู่ดี” เพราะมนุษย์มีความซับซ้อนเกินกว่าที่อัลกอริทึมจะเข้าใจทุกบริบท ทั้งสัญญาณเล็กๆ ในห้องตรวจ ประวัติชีวิต และสภาพจิตใจของคนไข้ที่ผูกกับการตอบสนองต่อการรักษา
อีกด้านหนึ่งคือคำถามเรื่องความรับผิดชอบทางกฎหมาย หากการตัดสินใจอาศัย AI การวินิจฉัยทางการแพทย์แล้วเกิดความผิดพลาด ใครต้องรับผิด แพทย์ ผู้พัฒนาระบบ หรือองค์กรที่นำ AI ในสุขภาพมาใช้ ปัจจุบันยังไม่มีคำตอบชัดเจน ทำให้แพทย์จำนวนมากเลือกใช้ AI ในฐานะเครื่องมือสนับสนุน ไม่ใช่ผู้ตัดสินใจหลัก ความเชื่อมั่น AI ในโรงพยาบาลจึงไม่ได้ขึ้นกับความแม่นยำ AI ทางการแพทย์เพียงตัวเลข แต่ขึ้นกับการออกแบบบทบาทของ AI ให้สอดคล้องกับจริยธรรมการดูแลและโครงสร้างความรับผิดชอบด้วย
บทเรียนจาก IBM Watson และคำเตือนต่อการนำ AI ในสุขภาพ
กรณี IBM Watson ด้านมะเร็งเป็นตัวอย่างเตือนใจว่า ความทะเยอทะยานของเทคโนโลยีล้ำหน้าไม่ได้การันตีการยอมรับในคลินิก ระบบนี้ถูกออกแบบให้เป็นผู้ช่วยเสนอแนวทางรักษามะเร็งให้แพทย์ แต่สุดท้ายโครงการต้องยุติลงในปี 2565 บทเรียนสำคัญคือการพัฒนา AI การวินิจฉัยทางการแพทย์ที่อาศัยโมเดลซับซ้อน โดยไม่ฝังมันอย่างลื่นไหลในกระบวนการทำงานจริงของแพทย์ และโดยไม่สร้างความเข้าใจให้คนไข้ว่า AI มาช่วยเสริม ไม่ได้มาแทนที่ อาจลงเอยด้วยการถูกพักใช้งาน แม้จะมีศักยภาพด้านเทคนิค
ผู้เชี่ยวชาญด้านสุขภาพจำนวนไม่น้อยชี้ว่าหลักฐานทางคลินิกที่แข็งแรงเป็นแค่จุดเริ่มต้น การออกแบบระบบต้องร่วมกับแพทย์ตั้งแต่ต้น ให้สอดคล้องกับการปฏิบัติงานจริง และไม่ทำให้ขั้นตอนวุ่นวายขึ้น องค์กรสุขภาพจึงต้องเลือกเครื่องมืออย่างตั้งใจมากกว่าจะไล่ตามกระแส เพราะทุกครั้งที่ระบบใหม่ถูกนำเข้า ความไว้วางใจของบุคลากรและคนไข้คือทรัพยากรที่เปราะบาง ถ้าเสียไปแล้วจะยากมากที่จะทำให้กลับคืนมา
AMIE: ศักยภาพใหม่ของ AI คลินิกแบบเรียลไทม์…แต่ยังติดกรงวิจัย
ฝั่งเทคโนโลยีไม่ได้หยุดนิ่ง ตัวอย่างล่าสุดคือระบบ AMIE ซึ่งถูกพัฒนาให้รองรับการปรึกษาแพทย์ผ่านวิดีโอแบบเรียลไทม์ ระบบนี้สามารถตีความสัญญาณภาพและเสียง แนะนำการตรวจร่างกายเสมือน และให้เหตุผลเชิงการวินิจฉัยในเวลาจริง ในการทดลองแบบสุ่มกับนักแสดงผู้ป่วยและแพทย์เวชปฏิบัติทั่วไป นักประเมินทางคลินิกให้คะแนน AMIE ในด้านการซักประวัติ ความแม่นยำในการวินิจฉัย การจัดการรักษา และคุณภาพการสื่อสารอยู่ในระดับน่าพอใจ ขณะที่ผู้แสดงบทคนไข้ยังชอบประสบการณ์วิดีโอมากกว่าข้อความ
แต่ถึงศักยภาพจะดูน่าเชื่อถือ AMIE ยังเป็นเพียงระบบวิจัยที่ทดสอบในสถานการณ์จำลอง ไม่ใช่ในห้องตรวจจริง และผู้พัฒนาก็ยอมรับว่ายังต้องมีการศึกษาต่อก่อนนำไปใช้ในโลกจริงอย่างรับผิดชอบ ช่องว่างระหว่างความพร้อมเชิงเทคนิคกับการใช้งานจริงจึงยังอยู่ ความเชื่อมั่น AI ในโรงพยาบาลจะไม่เกิดขึ้นอัตโนมัติแค่เพราะมีเดโมสวยๆ แต่ต้องผ่านทั้งการพิสูจน์ในกรณีใช้งานจริง การกำหนดมาตรฐานรับผิด และการอธิบายให้คนไข้เข้าใจบทบาทของ AI อย่างโปร่งใส
จะให้ AI เป็นสมาชิกทีมรักษา ต้องเริ่มจากความสัมพันธ์ ไม่ใช่ตัวเลข
ภาพอนาคตที่สมเหตุสมผลไม่ใช่ AI มาแทนแพทย์ แต่คือ AI ถูกออกแบบเป็นสมาชิกทีมรักษาที่ทำงานร่วมกับมนุษย์อย่างชัดเจน ในโลกที่ข้อมูลทางการแพทย์พุ่งสูงและโรคซับซ้อนขึ้น ระบบ AI การวินิจฉัยทางการแพทย์ที่แม่นยำสามารถช่วยแพทย์มองเห็นสัญญาณเล็กๆ ที่อาจตกหล่นจากสายตามนุษย์ แต่การนำ AI ในสุขภาพให้เดินหน้าไปถึงจุดนั้น ต้องตอบให้ได้ว่าใครเป็นเจ้าของการตัดสินใจ ใครรับผิดเมื่อผิดพลาด และคนไข้เข้าใจหรือไม่ว่าระบบกำลังทำอะไรอยู่กับข้อมูลและร่างกายของเขา
สุดท้ายแล้ว ความแม่นยำ AI ทางการแพทย์ระดับ 95% อาจทำให้เราตื่นเต้น แต่สิ่งที่จะตัดสินว่าระบบเหล่านี้ได้เข้าไปอยู่ในโรงพยาบาลจริงหรือไม่ คือระดับความเชื่อมั่นของคนที่ใช้และคนที่ถูกใช้กับมัน ถ้าเราไม่ลงทุนสร้างความเชื่อใจ โปร่งใส และโครงสร้างรับผิดชอบให้ชัดเจน AI ที่เก่งที่สุดก็จะติดอยู่หลังประตูห้องวิจัย ไม่เคยกลายเป็นเครื่องมือที่ช่วยชีวิตคนในคลินิกจริงได้อย่างเต็มศักยภาพ
