AI ด้านภาพการแพทย์คืออะไร และทำไมถึงกำลังเปลี่ยนเกมการรักษา
AI ด้านภาพการแพทย์คือระบบปัญญาประดิษฐ์ที่ถูกออกแบบมาเพื่อวิเคราะห์ภาพทางรังสีและภาพสแกนต่างๆ เช่น ภาพเอกซเรย์ ซีทีสแกน หรือภาพจอประสาทตา เพื่อช่วยแพทย์ระบุโรคหรือความผิดปกติในร่างกายที่อาจมองเห็นยากด้วยตาเปล่า ระบบเหล่านี้ใช้แบบจำลองเชิงลึกเรียนรู้จากข้อมูลภาพจำนวนมาก เพื่อจดจำลักษณะของโรคและออกผลการประเมินที่สอดคล้องกับการวินิจฉัยทางคลินิก เป้าหมายสำคัญคือการวินิจฉัยมะเร็งเร็วและโรคอื่นตั้งแต่ระยะเริ่มต้น ลดภาระงานแพทย์ และเพิ่มความแม่นยำของเทคโนโลยีทางการแพทย์ในโรงพยาบาล
หัวใจของบทวิเคราะห์นี้คือมุมมองว่าภาพเอกซเรย์ AI และระบบ CNN การแพทย์จะมีคุณค่า ก็ต่อเมื่อมันถูกออกแบบให้เข้ากับชีวิตจริงในคลินิก ไม่ใช่แค่แสดงตัวเลขความแม่นยำสูงในงานวิจัย ในต่างประเทศมีการทดลองเปิดคลินิกตาที่ตั้งใจให้ AI เป็นแกนกลางของการทำงาน ตั้งแต่ขั้นตอนก่อนพบแพทย์ การอ่านภาพสแกน ไปจนถึงการติดตามผลคนไข้ โดยยังมีแพทย์ควบคุมดูแลอยู่เบื้องหลัง นี่คือสัญญาณชัดเจนว่า AI ตรวจจับมะเร็งปอดหรือโรคอื่นกำลังขยับจากการเป็นเครื่องมือทดลอง ไปเป็นส่วนหนึ่งของเวิร์กโฟลว์การรักษาจริงในโรงพยาบาล
บทเรียนจากคลินิกตา AI: คุณภาพข้อมูลสำคัญกว่าแค่ปริมาณ
สิ่งที่น่าสนใจในคลินิกตา AI คือทีมวิจัยพบว่า การมีอัลกอริทึมดีไม่เพียงพอ หากข้อมูลที่ใช้สอนระบบไม่ดีพอ ตั้งแต่แรก AI มีความสำเร็จในการระบุโรคในภาพสแกนตาไม่สูงมาก เช่น โรคต้อหินหรือจอประสาทตาเสื่อม แต่เมื่อจักษุแพทย์ผู้เชี่ยวชาญป้อนภาพสแกนคุณภาพสูงจำนวน 1,426 ภาพ ที่ติดฉลากโรคอย่างถูกต้องให้กับระบบ ผลลัพธ์กลับดีขึ้นชัดเจน และดีกว่าชุดข้อมูลเดิมเกือบ 27,000 ภาพที่มีคุณภาพต่ำกว่าและติดฉลากไม่ละเอียด
คำพูดที่ควรถูกจดจำคือ “การลดผลบวกลวงได้อย่างมีนัยสำคัญ เมื่อเพิ่มภาพที่ผู้เชี่ยวชาญตรวจแล้วเข้าไปในข้อมูลฝึก” ซึ่งเป็นตัวอย่างตรงๆ ว่าไม่ใช่ภาพมากเท่าไร แต่เป็นภาพแบบไหนที่สำคัญ ระบบที่ได้รับข้อมูลฝึกใหม่สามารถทำคะแนน AUROC เกิน 0.93 อยู่ในระดับใกล้เคียงระบบอ่านสแกนชั้นนำอื่น สำหรับโรงพยาบาลที่คิดจะใช้ภาพเอกซเรย์ AI หรือระบบ CNN การแพทย์ บทเรียนคือ ต้องลงทุนสร้างชุดข้อมูลคุณภาพสูงจากแพทย์ตัวจริง ไม่ใช่หวังพึ่งข้อมูลดิบจำนวนมหาศาลแต่ไม่มีการดูแล
จากห้องทดลองสู่ห้องตรวจ: เวิร์กโฟลว์จริงคือสนามทดสอบที่โหดกว่า
การนำ AI เข้าไปอยู่ในคลินิกตาแบบเต็มระบบทำให้เห็นข้อเท็จจริงที่หลายคนไม่อยากยอมรับ นั่นคือ ความแม่นยำเชิงตัวเลขไม่ได้แปลว่าทีมแพทย์จะใช้เครื่องมือใหม่ทันที ในช่วงแรก การใช้กระบวนการของคลินิก AI มีสัดส่วนสูง แต่ผ่านไปไม่กี่เดือนการใช้งานกลับตกลงอย่างมาก มีการบันทึกว่าหลังผ่านไปห้าเดือน มีเพียง 41 จาก 1,113 เคส หรือราว 3.8 เปอร์เซ็นต์เท่านั้น ที่ใช้กระบวนการ AI เต็มรูปแบบในเดือนนั้น นี่คือหลักฐานว่าระบบที่แม่นยำด้านภาพ แต่ใช้งานยุ่งยาก ไม่ได้ช่วยคนไข้จริง
ฝั่งทีมวิจัยจึงต้องกลับไปปรับให้ระบบเร็วขึ้น ใช้งานง่ายขึ้น ลดจำนวนคลิกและการกรอกข้อมูลมือของเจ้าหน้าที่ลง ผลคือเดือนถัดมา การใช้กระบวนการ AI ขยับขึ้นเป็น 259 จาก 1,126 เคส หรือประมาณ 23 เปอร์เซ็นต์ เรื่องนี้สะท้อนชัดว่า เทคโนโลยีทางการแพทย์ไม่ควรถูกวัดด้วยคะแนนโมเดลอย่างเดียว แต่ต้องวัดว่ามันแทรกตัวเข้าไปอยู่ในเวิร์กโฟลว์ของแพทย์และพยาบาลได้แค่ไหน สำหรับ AI ตรวจจับมะเร็งปอดในอนาคต หากระบบอ่านภาพเอกซเรย์ให้ข้อมูลดี แต่ทำให้เวิร์กโฟลว์ช้าลงหรือเพิ่มภาระ เจ้าหน้าที่จะหาทางหลีกเลี่ยง และคนไข้ก็ไม่ได้รับประโยชน์
อิทธิพลของ GenAI ต่ออุปกรณ์การแพทย์ และคำถามด้านความปลอดภัย
ขณะที่ภาพเอกซเรย์ AI และระบบวิเคราะห์ภาพแบบเดิมกำลังเข้าสู่คลินิก รุ่นถัดไปคือ Generative AI ที่ถูกฝังในอุปกรณ์การแพทย์ เพื่อโต้ตอบกับแพทย์และคนไข้ด้วยภาษาเหมือนสนทนาจริง อุปกรณ์เหล่านี้อาจช่วยสรุปเวชระเบียน ตอบคำถาม แนะนำขั้นตอนถัดไป หรือช่วยแพทย์ตีความข้อมูลการตรวจ แต่ก็มีข้อท้าทาย เพราะคำตอบอาจไม่เหมือนเดิมทุกครั้ง และโมเดลอาจเปลี่ยนแปลงหลังออกสู่ตลาดผ่านการอัปเดตซอฟต์แวร์
หน่วยงานกำกับดูแลเริ่มตั้งคำถามจริงจังต่อเทคโนโลยีแบบนี้ โดยออกเอกสารหารือเพื่อรับฟังความคิดเห็นจากผู้ผลิต แพทย์ นักวิจัย และฝ่ายเกี่ยวข้องอื่น ก่อนออกแนวทางกำกับอุปกรณ์ที่ใช้ GenAI ในอนาคต แก่นของความกังวลคือ หากเครื่องมือ AI มีอิทธิพลต่อการตัดสินใจรักษา เช่น แนะนำขนาดยา บอกว่าควรไปฉุกเฉิน หรือทำการใดเอง โดยไม่มีแพทย์ตรวจซ้ำ ความผิดพลาดหนึ่งครั้งอาจสร้างผลกระทบหนัก ในทางกลับกัน หากใช้เพื่อช่วยตีความข้อมูล บอกความไม่แน่นอน และให้แพทย์เป็นผู้ตัดสินใจสุดท้าย ผลประโยชน์ต่อคนไข้ย่อมสูงกว่า
สิ่งที่ต้องทำต่อไป: จากความแม่นยำสู่คุณค่าทางคลินิกจริง
บทเรียนจากคลินิกตา AI ฟังดูเรียบง่ายแต่ยากต่อการทำให้สำเร็จ นั่นคือ คุณภาพของข้อมูล เวิร์กโฟลว์ที่ใช้งานจริง และการมีส่วนร่วมของแพทย์ ล้วนสำคัญไม่แพ้สมรรถนะอัลกอริทึม ทีมวิจัยย้ำว่าการสร้างระบบสุขภาพที่ AI เป็นส่วนหนึ่งเป็นเรื่องของระบบนิเวศ ไม่ได้ขึ้นกับโมเดลตัวใดตัวหนึ่ง หากไม่มีข้อมูลภาพที่แพทย์ตรวจทาน ไม่มีการออกแบบเวิร์กโฟลว์ที่สะดวก ไม่มีการติดตามผลและให้ฟีดแบ็กเร็ว ระบบก็ไม่สามารถสร้างคุณค่าทางคลินิกได้จริง
เอกสารหารือเกี่ยวกับ GenAI ในอุปกรณ์การแพทย์ก็ชี้ไปในทิศทางเดียวกัน คือผู้พัฒนาต้องกำหนดก่อนว่าจะวัดความสำเร็จอย่างไร และสร้างแผนทดสอบที่สะท้อนการใช้ในสถานพยาบาลจริง เช่น การดูว่าระบบจำแนกสถานการณ์เร่งด่วนได้หรือไม่ ใช้ข้อมูลคลินิกอย่างถูกต้อง และทำงานสม่ำเสมอสำหรับกลุ่มคนไข้ที่คาดว่าจะใช้งาน สำหรับอนาคตของ AI ตรวจจับมะเร็งปอดและภาพเอกซเรย์ AI คำถามสำคัญจึงไม่ใช่แค่ “แม่นยำแค่ไหน” แต่คือ “ช่วยให้คนไข้รอดชีวิตมากขึ้นหรือไม่” และ “แพทย์อยากใช้มันในชีวิตทำงานทุกวันหรือเปล่า” ถ้าเทคโนโลยีตอบคำถามสองข้อนี้ได้ เราจึงจะพูดได้เต็มปากว่ามันเปลี่ยนเกมการรักษาแล้ว
