AI ทางการแพทย์คืออะไร และทำไมความแม่นยำจึงกลายเป็นกับดัก
AI ทางการแพทย์คือระบบปัญญาประดิษฐ์ที่ใช้ข้อมูลเวชระเบียน ผลตรวจ และแนวทางรักษา เพื่อช่วยแพทย์ในการวินิจฉัยโรค การประเมินความเสี่ยง และการเลือกแนวทางการรักษาที่เหมาะสม โดยอาศัยแบบจำลองเชิงสถิติและการเรียนรู้ของเครื่องที่ฝึกจากข้อมูลผู้ป่วยจำนวนมาก เป้าหมายคือเพิ่มความแม่นยำ ลดความผิดพลาด และทำให้การดูแลสุขภาพมีประสิทธิภาพมากขึ้น แต่การใช้ในโลกจริงต้องเผชิญข้อจำกัดด้านข้อมูล อคติ และบริบททางคลินิกที่ซับซ้อน
ประเด็นที่น่ากังวลในตอนนี้ไม่ใช่แค่ความแม่นยำ AI ทางการแพทย์ แต่คือความแม่นยำที่หลอกตา เมื่อทดสอบในโจทย์ที่ใกล้เคียงข้อสอบหรือเคสที่ระบบเคยเห็นมาก่อน AI มักทำคะแนนได้ดี จนหลายโรงพยาบาลเริ่มเชื่อว่าการวินิจฉัยโรคด้วย AI ใกล้เคียงหรือเหนือกว่าแพทย์มนุษย์ ทว่าเมื่อเจอเคสจริงที่ข้อมูลขาดหาย อาการเปลี่ยนตามเวลา หรือมีโรคร่วมหลายอย่าง ความแม่นยำกลับลดลงอย่างน่าตกใจ โมเดลชั้นนำที่ถูกประเมินสามารถวินิจฉัยภาวะหยุดหายใจขณะหลับและโรคโลหิตจางได้ถูกต้องเพียง 53%–69% ของกรณีเท่านั้น ตัวเลขนี้บอกชัดว่าเรายังอยู่ห่างจากคำว่าเชื่อใจได้เต็มที่ และการพึ่งพา AI โดยไม่ตั้งคำถามอาจกลายเป็นกับดักใหม่ของระบบสาธารณสุข

Protege กับการเปิดโปงช่องว่างระหว่างห้องแล็บกับโลกจริง
เพื่อดูว่า AI ทำงานได้ดีแค่ไหนในสถานการณ์ที่ไม่ได้ถูกออกแบบมาเอาใจโมเดล บริษัทหนึ่งได้เปิดตัวการประเมิน AI ด้านการดูแลสุขภาพอย่างเป็นอิสระ โดยนำโมเดลต่าง ๆ มาทดสอบกับกรณีผู้ป่วยที่โมเดลเหล่านั้นไม่เคยพบมาก่อน การเปิดตัวเมื่อวันที่ 21 ตุลาคมยังรวมถึงการประเมินร่วมกับ Xlue AI และ Standard Model Biomedicine ด้วย จุดยืนสำคัญคือการแยกคนพัฒนาออกจากคนทดสอบ และใช้เวชระเบียนจริงที่ปกปิดข้อมูลส่วนบุคคลพร้อมคำตอบที่แพทย์ยืนยันแล้ว เพื่อดูว่าระบบดึงสัญญาณทางคลินิกจากข้อมูลยุ่งเหยิงได้ดีเพียงใด ไม่ใช่แค่ตอบข้อสอบทฤษฎี
ผลจากเกณฑ์มาตรฐาน Disease Odyssey ชี้ให้เห็นว่า เมื่อใช้ประวัติสุขภาพต่อเนื่องเพื่อค้นหาโรคก่อนการวินิจฉัย ความแม่นยำของโมเดลชั้นนำอยู่เพียงช่วง 53%–69% ในภาวะที่ทดสอบ แม้ตัวเลขนี้ยังไม่ใช่ภาพรวมของ AI ทางการแพทย์ทั้งหมด และประกาศยังขาดรายละเอียดเรื่องขนาดตัวอย่างและความไม่แน่นอนของผลลัพธ์ แต่ก็เพียงพอจะตั้งคำถามต่อการโฆษณาเรื่องความแม่นยำ AI ทางการแพทย์ในเชิงการตลาด ที่สำคัญ การประเมินยังชี้ให้เห็นว่าต้นทุนต่อการคาดการณ์ของโมเดลเฉพาะทางบางตัวต่ำกว่าระบบชั้นนำถึง 36–170 เท่า ฟังดูน่าดีใจ แต่ต้นทุนที่ถูกลงอาจยิ่งผลักให้โรงพยาบาลใช้ AI ตรวจซ้ำและคัดกรองมากขึ้น โดยยังไม่รู้แน่ชัดว่าความน่าเชื่อถือในเคสยาก ๆ เป็นอย่างไร
เมื่อ AI ชอบรักษาเกินกว่าจำเป็น มากกว่าปล่อยให้พลาดโรค
อีกด้านหนึ่ง งานวิจัยที่ตีพิมพ์ในวารสารทางการแพทย์ได้ประเมินแบบจำลอง AI เชิงพาณิชย์ 6 แบบจาก Google Anthropic และ OpenAI เพื่อทดสอบความสามารถในการแยกแยะระหว่างกรณีที่ควรได้รับการรักษา กับกรณีที่ควรหลีกเลี่ยงการตรวจหรือการรักษาที่ไม่จำเป็น ทีมวิจัยสร้างสถานการณ์จำลองทางคลินิก 225 สถานการณ์จากคำแนะนำ 15 ข้อของโครงการ Choosing Wisely และทดสอบแต่ละโมเดลสามครั้งต่อสถานการณ์ รวมเป็นคำตอบ 4,050 รายการ ผลลัพธ์ชัดเจน โมเดล AI ในปัจจุบันมีแนวโน้มแนะนำการรักษามากเกินไป มากกว่าการมองข้ามโรค
ในสถานการณ์ที่การรักษาไม่จำเป็นอย่างแท้จริง AI ยังคงแนะนำการรักษาที่ไม่จำเป็นในอัตรา 5.4% ขณะที่อัตราการแนะนำให้ข้ามการรักษาในกรณีที่จำเป็นมีเพียง 0.6% เท่านั้น นี่คือคำเตือนตรงไปตรงมาว่า ความเสี่ยงที่ใหญ่ที่สุดจากเครื่องมือ AI ในตอนนี้ไม่ใช่การปล่อยให้โรคหลุดรอด แต่เป็นการใช้ขั้นตอนทางการแพทย์ที่ไม่จำเป็นมากเกินไป โดยเฉพาะในเคสอย่างการตรวจอัลตราซาวนด์ต่อมไทรอยด์เมื่อเจอก้อนเล็กกว่า 1 เซนติเมตรโดยบังเอิญ หรือการตรวจคลื่นไฟฟ้าหัวใจเป็นประจำในผู้ใหญ่ที่มีความเสี่ยงต่ำต่อโรคหัวใจและหลอดเลือด นี่คือภาพชัดของการรักษามากเกินไป AI ที่กำลังคืบคลานเข้ามาในเวชปฏิบัติ
ความเสี่ยงเชิงคลินิกและเศรษฐศาสตร์ที่โรงพยาบาลมองข้ามไม่ได้
หลายคนอาจคิดว่า การรักษามากเกินไป AI แค่เปลืองงบประมาณ แต่ความจริงคือมันสร้างความเสี่ยงทั้งต่อผู้ป่วยและระบบสุขภาพ การตรวจและการรักษาที่ไม่จำเป็นเพิ่มโอกาสเกิดภาวะแทรกซ้อน ทำให้ผู้ป่วยวิตกกังวล และเบียดบังทรัพยากรจากคนที่จำเป็นต้องได้รับการดูแลมากกว่า แม้ต้นทุนต่อการคาดการณ์ของโมเดลบางตัวจะต่ำลงจนทำให้การคัดกรองซ้ำหรือการวิเคราะห์ข้อมูลขนาดใหญ่ทำได้จริงมากขึ้น แต่ต้นทุนการนำไปใช้จริงยังขึ้นกับการผสานระบบ การกำกับดูแล และภาระงานจากผลลัพธ์ที่ไม่ถูกต้องด้วย หากไม่วางระบบคัดกรองและทบทวนคำแนะนำของ AI อย่างเข้มงวด โรงพยาบาลอาจต้องจ่ายแพงทั้งในเชิงการเงินและความเชื่อมั่นของผู้ป่วย
สิ่งที่น่ากังวลยิ่งกว่าคือความรู้สึกปลอดภัยจอมปลอม เมื่อแพทย์เชื่อว่า AI มีความแม่นยำสูงและไม่ค่อยพลาดการรักษาที่จำเป็น พวกเขาอาจไม่ทันสังเกตว่าระบบกำลังผลักให้เกิดการตรวจและรักษาเกินจำเป็นอย่างต่อเนื่อง งานวิจัยเองก็ยอมรับว่าการทดลองใช้เพียงคำสั่งเดียวและสถานการณ์มาตรฐาน ยังไม่สะท้อนบทสนทนาและเคสในโลกจริงทั้งหมด และคำตอบเบื้องต้นยังถูกตรวจสอบโดยแพทย์ก่อน นั่นหมายความว่าในสภาพแวดล้อมที่ไม่มีการกรองโดยแพทย์ เช่น แชตบอตสำหรับผู้ป่วย ความเสี่ยงอาจยิ่งสูงกว่าเดิม ดังนั้น การประเมินความน่าเชื่อถือของ AI ในบริบททางคลินิกแต่ละแห่งจึงต้องมาก่อนการนำไปใช้ในวงกว้างอย่างหลีกเลี่ยงไม่ได้
ทางออก: ประเมินซ้ำ แยกบทบาท และอย่าปล่อยให้ AI เป็นคนสั่งรักษา
เมื่อ AI ด้านการดูแลสุขภาพกำลังพัฒนาอย่างรวดเร็ว แต่วิธีประเมินยังตามไม่ทันตามคำกล่าวของผู้บริหารบริษัทประเมินอิสระรายหนึ่ง ทางออกจึงไม่ใช่การปฏิเสธ AI แต่คือการจัดวางบทบาทให้ถูกต้อง แพลตฟอร์มประเมินอิสระที่ใช้เวชระเบียนอิเล็กทรอนิกส์ บันทึกทางคลินิก ภาพถ่ายทางการแพทย์ ข้อมูลการเรียกเก็บค่ารักษา และผลลัพธ์ มาช่วยทดสอบว่าโมเดลใช้บริบททางคลินิกได้ดีเพียงใด คือก้าวสำคัญ บริษัทดังกล่าวยังมีแผนขยายการประเมินไปยังพยาธิวิทยา โรคผิวหนัง มะเร็งวิทยา และงานธุรการ พร้อมสร้างกระบวนการที่ทำซ้ำได้และประเมินใหม่ทุกครั้งที่โมเดลเปลี่ยนแปลง แทนที่จะให้คะแนนครั้งเดียวแล้วจบ
สำหรับโรงพยาบาล บทเรียนสำคัญคือ AI ต้องเป็นผู้ช่วย ไม่ใช่ผู้สั่งการ การวินิจฉัยโรคด้วย AI ควรถูกใช้เป็นอีกเสียงหนึ่งบนโต๊ะประชุม ไม่ใช่คำตัดสินสุดท้าย ต้องมีการติดตามรูปแบบความล้มเหลว วิเคราะห์ว่ากลุ่มผู้ป่วยใดได้รับผลกระทบ และประเมินซ้ำเมื่อมีการอัปเดตโมเดล ที่สำคัญ ต้องมีนโยบายชัดเจนในการจัดการความเสี่ยงจากการรักษามากเกินไป AI เช่น การกำหนดให้คำแนะนำที่เพิ่มการตรวจหรือการรักษาต้องผ่านการทบทวนโดยแพทย์ทุกครั้ง และการสื่อสารกับผู้ป่วยอย่างโปร่งใสว่า AI เป็นเพียงเครื่องมือช่วยคิด ไม่ใช่แพทย์เงา หากเราทำได้ AI จะกลายเป็นพันธมิตรที่มีคุณค่า แทนที่จะเป็นตัวเร่งปัญหาทั้งเชิงคลินิกและเศรษฐศาสตร์






