จากผู้ช่วยสู่ผู้ลงมือทำ
เอเจนต์ AI การแพทย์ คือระบบปัญญาประดิษฐ์ที่ไม่ได้หยุดอยู่แค่การวิเคราะห์ข้อมูลหรือเสนอคำแนะนำ แต่สามารถวางแผนและดำเนินขั้นตอนในงานดูแลรักษาผู้ป่วยได้ จึงต้องมีมนุษย์กำกับและมีวิธีตรวจสอบผลลัพธ์อย่างชัดเจน เวที Siriraj x MIT Hacking Medicine 2026 จัดขึ้นภายใต้แนวคิด Agentic Healthcare: From Models to Trustworthy Medicine เพื่อชวนวงการแพทย์คิดให้ไกลกว่าความฉลาดของโมเดล และมองเงื่อนไขที่ทำให้เทคโนโลยีไว้ใจได้ จุดเปลี่ยนนี้สำคัญเพราะ AI กำลังขยับจากการช่วยอ่านข้อมูลไปสู่การร่วมวางแผนและลงมือดูแลผู้ป่วยโดยตรง หากระบบมีอิทธิพลต่อการตัดสินใจทางคลินิก คำถามจึงไม่ใช่เพียงว่ามันแม่นแค่ไหน แต่ใครตรวจสอบ ใครหยุดระบบได้ และใครรับผิดชอบเมื่อผลลัพธ์เป็นอันตรายต่อคนไข้ ความเร็วและคะแนนทดสอบอาจสร้างความสนใจ แต่ไม่ใช่หลักประกันความปลอดภัย
ขนาดงานสะท้อนความกว้างของความสนใจ: มีผู้สมัคร Hackathon กว่า 1,100 รายจาก 35 สัญชาติ คัดเลือก 200 คน และมีผู้เข้าร่วมประชุมวิชาการกว่า 400 คนจาก 180 องค์กร แต่สิ่งที่ควรจับตาไม่ใช่จำนวนผู้เข้าร่วม หากเป็นโจทย์ที่งานตั้งไว้ว่า AI จะเปลี่ยนจากโมเดลอัจฉริยะเป็นนวัตกรรมที่เชื่อถือได้อย่างไร

คะแนนสูงไม่ใช่คำตอบเรื่องความรับผิด
กรณี AI Agent Hospital จากมหาวิทยาลัยชิงหวาแสดงทั้งศักยภาพและช่องว่างด้านความรับผิดชอบ ระบบเรียนรู้จากผู้ป่วยจำลองด้วยความเร็วสูงกว่ามนุษย์ 100 เท่า และทำคะแนนทดสอบ MedQA ได้แม่นยำกว่า 96% ก่อนเริ่มกระบวนการร่วมพัฒนากับแพทย์ในโรงพยาบาลจริง ตัวเลขเหล่านี้น่าประทับใจ แต่การสอบผ่านไม่เท่ากับการพิสูจน์ว่าระบบปลอดภัยกับผู้ป่วยทุกกลุ่ม ในสถานการณ์จริง ข้อมูลอาจไม่ครบ อาการซ้อนทับกัน หรือผู้ป่วยมีเงื่อนไขที่ชุดทดสอบไม่ครอบคลุม หาก AI แนะนำผิด ใครเป็นผู้ตรวจสอบเหตุการณ์ และใครต้องชี้แจงต่อผู้ป่วย?
การตอบว่าแพทย์เป็นผู้รับผิดชอบทั้งหมดอาจไม่เป็นธรรม หากองค์กรเลือกซื้อและกำหนดวิธีใช้ระบบ ขณะที่การโยนความผิดให้ผู้พัฒนาก็ไม่พอ หากโรงพยาบาลนำเครื่องมือไปใช้โดยไม่มีการกำกับ ความรับผิดชอบ AI จึงต้องถูกแบ่งหน้าที่ตั้งแต่การพัฒนา การอนุมัติ การใช้งาน ไปจนถึงการทบทวนความเสียหาย พร้อมเก็บบันทึกว่าใครเห็นคำแนะนำอะไรและตัดสินใจอย่างไร หลัก Human-in-the-loop ที่ย้ำให้แพทย์อยู่ในวงจรการตัดสินใจเป็นแนวป้องกันสำคัญ แต่จะมีความหมายก็ต่อเมื่อแพทย์มีอำนาจปฏิเสธคำแนะนำ มีเวลาและข้อมูลเพียงพอ และไม่ถูกบังคับให้เชื่อระบบเพราะภาระงานล้นมือ
กำกับให้ตรวจสอบได้ ก่อนขยายสู่โรงพยาบาล
ก่อนขยาย AI ในโรงพยาบาล สิ่งที่ต้องมาก่อนคือกติกาที่ทำงานได้จริง ไม่ใช่เพียงคำรับรองว่าโมเดลผ่านการทดสอบ การฝึกและทดสอบควรผ่านคณะกรรมการจริยธรรมการวิจัย ใช้คลังข้อมูลที่ปลอดภัยอย่าง SI Data Plus และให้แพทย์ผู้เชี่ยวชาญตรวจสอบซ้ำก่อนทดลองใช้ นอกจากนี้ต้องมีช่องทางรายงานเหตุผิดพลาด ประเมินผลหลังใช้งาน และหยุดระบบได้เมื่อพบความเสี่ยง การกำกับต้องมาจากทั้งผู้บริหารที่กำหนดมาตรฐานและบุคลากรหน้างานที่เห็นปัญหาในบริบทจริง หากขาดด้านใดด้านหนึ่ง ระเบียบอาจกลายเป็นเอกสารบนชั้น ส่วนความเสี่ยงตกอยู่กับผู้ป่วย
แนวคิดเอเจนต์ AI การแพทย์ในบทบาทผู้พิทักษ์มีประโยชน์เมื่อระบบช่วยจับสัญญาณเตือนหรือความผิดปกติที่อาจหลุดจากสายตามนุษย์ แล้วส่งต่อให้ทีมรักษาพิจารณา นี่คือภาพของ AI ดูแลผู้ป่วยที่เสริมความสามารถคน มากกว่าตัดสินใจแทนโดยไม่มีผู้ตรวจสอบ การเลือกโมเดลเฉพาะงานที่โปร่งใสและตรวจสอบง่ายยังสมเหตุสมผลกว่าการฝากทุกอย่างไว้กับระบบขนาดใหญ่แบบครอบจักรวาล โดยเฉพาะเมื่อข้อมูลและบริบทของผู้ป่วยแตกต่างกัน การพัฒนา AI จากข้อมูลที่สะท้อนประชากรและการรักษาที่ใช้จริงจึงเป็นส่วนหนึ่งของความปลอดภัย ไม่ใช่รายละเอียดทางเทคนิคที่ค่อยคิดทีหลัง

นวัตกรรมต้องรับใช้คน และรับผิดเมื่อพลาด
การนำ AI มาใช้จะมีความหมายก็ต่อเมื่อช่วยผู้ป่วยได้โดยไม่ผลักภาระความเสี่ยงไปให้คนไข้ ตัวอย่างจากงานคือทีม Wello Food ซึ่งนำเสนออาหารเฉพาะบุคคลสำหรับผู้ป่วยโรคเรื้อรัง เช่น โรคไต เบาหวาน และมะเร็ง ส่งถึงบ้านโดยมีเชฟและนักกำหนดอาหารร่วมดูแล พร้อมผู้ช่วย AI Dietitian กรณีนี้ชี้ว่าเทคโนโลยีอาจเชื่อมการดูแลต่อเนื่องเข้ากับชีวิตประจำวัน แต่การใช้ AI ให้คำแนะนำด้านสุขภาพก็ยังต้องมีขอบเขต แหล่งข้อมูล และผู้เชี่ยวชาญที่รับช่วงเมื่อคำแนะนำไม่เหมาะกับผู้ป่วยรายนั้น
งานยังเปิดโจทย์ทางคลินิกด้านโรคหัวใจและหลอดเลือดกับโรคมะเร็งให้ทีมสหสาขาร่วมพัฒนา และวางแผนความร่วมมือกับ MIT ต่อในปี 2570 ผ่านโครงการจับคู่งานวิจัยกับพันธมิตรและขยายโครงการบ่มเพาะให้คนในศิริราชเข้าถึงได้กว้างขึ้น ทิศทางนี้ควรเดินหน้าควบคู่กับมาตรฐานความรับผิดที่ประชาชนเข้าใจได้ ตั้งแต่ผู้พัฒนาต้องเปิดเผยข้อจำกัด โรงพยาบาลต้องตรวจสอบการใช้งาน ไปจนถึงแพทย์มีอำนาจตัดสินใจโดยไม่ถูกระบบบีบให้ทำตาม เมื่อ AI ลงมือทำ คำตอบเรื่องผู้รับผิดชอบไม่ควรเกิดขึ้นหลังมีผู้เสียหาย แต่ต้องถูกกำหนดก่อนระบบเข้าสู่การดูแลจริง






