AI ตรวจวินิจฉัยโรคจากภาพถ่าย ก้าวใหม่ที่แพทย์เริ่มไว้วางใจ

AI ตรวจวินิจฉัยโรคคืออะไร และทำไมเราควรสนใจตั้งแต่วันนี้

AI ตรวจวินิจฉัยโรคคือการใช้ระบบคอมพิวเตอร์ที่เรียนรู้จากข้อมูลทางการแพทย์จำนวนมากเพื่อช่วยแปลผลภาพถ่ายหรือข้อมูลสุขภาพ และเสนอคำจำแนกหรือความเสี่ยงของโรคให้แพทย์พิจารณา ระบบเหล่านี้มักอาศัยเทคนิค machine learning ในโรงพยาบาลเพื่อวิเคราะห์ภาพผิวหนังใบหน้าหรือข้อมูลผู้ป่วยอย่างเป็นระบบ โดยไม่แทนที่แพทย์แต่ทำหน้าที่เป็นเครื่องมือเสริมในการตัดสินใจทางคลินิก ช่วยให้การตรวจคัดกรองโรคเร็วขึ้นสม่ำเสมอขึ้นและจัดเก็บข้อมูลย้อนหลังได้ละเอียด เพื่อรองรับการติดตามอาการระยะยาวและเพิ่มโอกาสตรวจพบโรคตั้งแต่ระยะเริ่มต้น ประเด็นสำคัญคือ AI ตรวจวินิจฉัยโรคเริ่มออกจากห้องทดลองไปอยู่ในระบบจริงของโรงพยาบาลและบริการสุขภาพแล้ว ซึ่งหมายถึงผลกระทบต่อคนทั่วไปแบบจับต้องได้ ไม่ใช่แค่แนวคิดในงานวิจัย ความเปลี่ยนแปลงนี้จะกำหนดว่าบทบาทแพทย์และคนไข้ในยุคดิจิทัลจะเป็นอย่างไร และเราควรมีท่าทีอย่างไรต่อระบบ AI ทางการแพทย์ที่ถูกนำมาใช้ในชีวิตประจำวัน

MEL-IA ตัวอย่าง machine learning ในโรงพยาบาลที่ทำงานจริงไม่ใช่แค่ในงานวิจัย

กรณีของระบบ MEL-IA เป็นภาพชัดว่าระบบ AI ทางการแพทย์เริ่มเข้าไปอยู่ในโครงสร้างไอทีของโรงพยาบาลอย่างแท้จริง MEL-IA เป็นระบบ AI ตรวจวินิจฉัยโรคผิวหนังที่ออกแบบมาเพื่อจำแนกความผิดปกติของผิวหนังหลากหลายชนิดโดยเฉพาะมะเร็งผิวหนัง ซึ่งกำลังเป็นปัญหาสุขภาพระดับโลกโดยมีผู้ป่วยรายใหม่เกือบ 1.5 ล้านรายในปี 2024 ตามข้อมูลองค์การอนามัยโลก การผลักดันเทคโนโลยีนี้เกิดจากการวิจัยด้านระบบช่วยตัดสินใจทางคลินิกมานานกว่าทศวรรษของกลุ่มวิจัย IBIS ที่ทำงานกับการวินิจฉัยรอยโรคผิวหนัง สิ่งที่น่าสนใจไม่ใช่แค่ตัวอัลกอริทึม แต่เป็นแพ็กเทคโนโลยีที่ครบวงจร ตั้งแต่แอปมือถือสำหรับถ่ายภาพและบันทึกข้อมูลคนไข้ โมเดล AI สำหรับจำแนกรอยโรค ไปจนถึงระบบเชื่อมต่อข้อมูลกับเครือข่ายไอทีของโรงพยาบาลอย่างปลอดภัย ระบบเชื่อมการถ่ายภาพ การวิเคราะห์ด้วย AI การเก็บข้อมูล และการแลกเปลี่ยนข้อมูลทางการแพทย์แบบเป็นความลับเข้าด้วยกัน นี่คือ machine learning ในโรงพยาบาลที่ลงสนามจริงไม่ใช่แค่ต้นแบบบนกระดาษ

จากภาพผิวหนังสู่การติดตามยาวนาน AI ช่วยงานแพทย์แต่ไม่ควบคุมการรักษา

เมื่อมองระดับหน้างาน MEL-IA แสดงให้เห็นว่า AI วิเคราะห์ภาพไม่ใช่เรื่องแฟนตาซีอีกต่อไป ระบบนี้ใช้ภาพเดอร์มาโตสโคปมากกว่า 15,000 ภาพร่วมกับข้อมูลคนไข้ เช่น อายุ เพศ และตำแหน่งรอยโรคบนร่างกาย เพื่อเพิ่มความแม่นยำในการจำแนกประเภท ผลที่ได้คือความแม่นภาพรวม 86% และมีความไวในการตรวจพบเมลาโนมา 88% และมะเร็งเซลล์ฐาน 92% ตามรายงานของทีมวิจัย แม้ตัวเลขเหล่านี้ยังไม่สมบูรณ์แบบ แต่เพียงพอให้แพทย์นำมาใช้เป็นเครื่องมือเสริมในการประเมินความเสี่ยง ที่สำคัญ ระบบถูกติดตั้งใช้งานในโรงพยาบาลจริงและประมวลผลการศึกษาทางผิวหนัง 980 เคสด้วยเวลาเพียงไม่ถึงวินาทีต่อเคส รวมถึงสร้างฐานข้อมูลระยะยาวของรอยโรค เก็บภาพ การวินิจฉัย และบันทึกแพทย์ตลอดเวลา ทำให้แพทย์เห็นพัฒนาการของรอยโรคอย่างต่อเนื่อง ผู้พัฒนาย้ำว่า MEL-IA เป็นเครื่องมือช่วยตัดสินใจทางคลินิก ไม่ใช่ระบบวินิจฉัยอัตโนมัติที่จะตัดแพทย์ออกจากกระบวนการรักษา ทิศทางต่อไปคือการศึกษาระยะยาวกับแพทย์จริง การทดสอบการถ่ายภาพตรงจากสมาร์ตโฟน และการขยายชนิดรอยโรคที่ระบบจำแนกได้

เมื่อ AI เริ่มสั่งยาได้ ขอบเขตความรับผิดชอบของแพทย์ยิ่งต้องชัด

อีกด้านหนึ่งของภาพ AI ทางการแพทย์คือบริการที่กล้าให้ระบบอัตโนมัติสั่งยาได้แล้ว บริการสุขภาพจากสตาร์ตอัพหนึ่งใช้แอปให้ผู้ใช้สแกนใบหน้าและกรอกประวัติสุขภาพ จากนั้นซอฟต์แวร์ AI จะวิเคราะห์ใบหน้าและสร้างคะแนนความรุนแรงของสิว หากผลสแกนและข้อมูลสุขภาพเข้าเกณฑ์ คนไข้จะได้รับใบสั่งยาจากรายชื่อการรักษาที่ได้รับอนุมัติแปดรายการ นี่คือการทำให้ AI ตรวจวินิจฉัยโรคและเชื่อมต่อกับขั้นตอนการรักษาแบบอัตโนมัติในระดับที่สะเทือนวงการแพทย์ อย่างไรก็ตาม โมเดลนี้ไม่ได้ถูกปล่อยให้ทำงานลอยๆ มีการออกแบบเป็นโครงการนำร่องหนึ่งปี แบ่งเป็นหลายระยะ เริ่มจากใบสั่งยา 100 ฉบับแรกที่แพทย์ผู้เชี่ยวชาญตรวจทุกฉบับก่อนส่งไปยังร้านยา จากนั้นหากผลเป็นไปตามคาด ระยะถัดไปจะให้ AI ดูแลคนไข้ 400 ราย โดยมีแพทย์ตรวจการตัดสินใจของระบบทุกสัปดาห์ และระยะที่สามแพทย์จะตรวจสอบอย่างน้อย 10% ของใบสั่งยาทุกเดือน สำนักงานนโยบาย AI ในภาครัฐมีบทบาทในการให้คำแนะนำว่าการใช้แบบจำกัดและเฉพาะเจาะจงเช่นนี้ถือว่ายอมรับได้

สรุป เห็นด้วยกับ AI หรือไม่ แต่เราเลี่ยงไม่ได้ที่จะต้องอยู่กับมัน

เมื่อพิจารณาทั้ง MEL-IA ในโรงพยาบาลและบริการสแกนใบหน้าสั่งยารักษาสิว เราเห็นทิศทางเดียวกันคือ AI ทางการแพทย์กำลังขยับจากงานวิเคราะห์ภาพเบื้องต้นไปสู่ส่วนที่เชื่อมต่อการตัดสินใจรักษาอย่างใกล้ชิด สำหรับคนทั่วไป ผลกระทบคือการเข้าถึงการตรวจคัดกรองและคำแนะนำเบื้องต้นเร็วขึ้น ผ่านแอปมือถือและระบบที่เชื่อมกับโครงสร้างไอทีของโรงพยาบาลอย่างแนบเนียน เทคโนโลยีเหล่านี้ช่วยให้เจ้าหน้าที่สาธารณสุขประเมินรอยโรคได้ดีขึ้นและเก็บข้อมูลอย่างต่อเนื่อง โดยผูกข้อมูลภาพ การวินิจฉัย และบันทึกแพทย์ไว้ร่วมกัน ผู้ใช้บริการสแกนใบหน้ารักษาสิวก็สัมผัสได้ว่าเพียงส่งภาพและข้อมูลสุขภาพ ระบบ AI ก็สามารถให้คะแนนความรุนแรงของสิวและนำไปสู่การสั่งยารักษาได้ทันที ในมุมมองเชิงนโยบาย เสียงจากองค์กรแพทย์สะท้อนความกังวลว่าการพึ่งพา AI กำลังเดินเร็วเกินไป แต่ก็ยอมรับว่าการใช้ AI เป็นเครื่องมือช่วยแพทย์เป็นสิ่งที่หลีกเลี่ยงไม่ได้ แนวทางที่สมเหตุสมผลคือยอมรับว่าระบบ AI วิเคราะห์ภาพและข้อมูลสุขภาพจะกลายเป็นส่วนหนึ่งของการแพทย์สมัยใหม่ แต่ต้องยืนยันให้ชัดว่า การตัดสินใจดูแลรักษายังคงต้องเป็นหน้าที่ของแพทย์ในความร่วมมือกับคนไข้ หากเราเดินไปในเส้นทางนี้ โดยให้ AI ตรวจวินิจฉัยโรคเป็นผู้ช่วยไม่ใช่ผู้ควบคุม เราจะได้ประโยชน์จากความเร็วและความสม่ำเสมอของเครื่องจักร โดยยังรักษาจริยธรรมและความรับผิดชอบของมนุษย์ไว้ครบถ้วน