Digital Health ไม่ใช่แค่คำสวยหรู เมื่อ AI วินิจฉัยโรคเริ่มเข้าโรงพยาบาลจริง
AI วินิจฉัยโรคในบริบทสุขภาพดิจิทัลหมายถึงการใช้แบบจำลองปัญญาประดิษฐ์ที่เรียนรู้จากข้อมูลสุขภาพขนาดใหญ่ เพื่อช่วยแพทย์ตรวจจับความผิดปกติในภาพทางการแพทย์ คัดกรองโรคระยะเริ่มต้น และสนับสนุนการตัดสินใจทางคลินิก โดยไม่ทดแทนบทบาทแพทย์ แต่ทำหน้าที่เสริมให้การวินิจฉัยแม่นยำ รวดเร็ว และสอดคล้องกับกระบวนการทำงานของโรงพยาบาล
แก่นเรื่องสำคัญของความเคลื่อนไหวครั้งนี้คือ การที่ระบบ AI โรงพยาบาลไม่ได้ถูกนำเข้าจากต่างประเทศ แต่ถูกพัฒนาขึ้นจากโจทย์จริงของแพทย์ นักวิจัย และหน่วยบริการสุขภาพในพื้นที่ผ่านเครือข่าย Medical AI Consortium ทำให้มีโอกาสสูงที่เทคโนโลยีจะตอบโจทย์การใช้งานมากกว่าระบบสำเร็จรูปที่ออกแบบมาสำหรับบริบทอื่น ความร่วมมือด้าน Digital Health และปัญญาประดิษฐ์ทางการแพทย์ถูกประกาศอย่างเป็นทางการเมื่อวันที่ 17 ส.ค.2569 โดยรองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรมร่วมกับรัฐมนตรีว่าการกระทรวงสาธารณสุข นี่ไม่ใช่การเปิดตัวโปรเจ็กต์ทดลองบนเวทีประชาสัมพันธ์ แต่เป็นการวางกรอบทำงาน 3 ปีเพื่อเชื่อมงานวิจัยเข้ากับระบบบริการจริง ซึ่งจะเป็นตัวตัดสินว่าคำว่าเทคโนโลยีสุขภาพดิจิทัลจะเปลี่ยนชีวิตผู้ป่วยได้แค่ไหน
สามเครื่องมือ AI สัญชาติท้องถิ่น: กระดูกสะโพกหัก มะเร็งตับ และเอกซเรย์ทรวงอก
หัวใจของความร่วมมือครั้งนี้คือการผลักดันสามนวัตกรรมตรวจจับมะเร็งด้วย AI และการอ่านภาพทางการแพทย์ที่พัฒนาจากโจทย์จริงในโรงเรียนแพทย์เข้าสู่การใช้งานในระบบ AI โรงพยาบาล โดยอยู่ภายใต้ร่ม Medical AI Consortium ซึ่งทำหน้าที่เชื่อมแพทย์ นักวิจัย และเทคโนโลยีเข้าด้วยกัน ความน่าสนใจคือทั้งสามระบบไม่ได้ถูกออกแบบให้วินิจฉัยแทนคน แต่ทำงานเป็นผู้ช่วยที่น่าเชื่อถือสำหรับบุคลากรทางการแพทย์ เพื่อเพิ่มความแม่นยำและลดภาระงานที่ใช้เวลาและสมาธิสูง
สามโครงการนำร่องประกอบด้วย AI for Hip Fracture Detection ที่ช่วยระบุตำแหน่งสงสัยกระดูกสะโพกหักจากภาพเอกซเรย์ พัฒนาโดยคณะแพทยศาสตร์ มหาวิทยาลัยขอนแก่น ต่อมาคือ LiverSound ระบบตรวจจับมะเร็งด้วย AI จากภาพอัลตราซาวด์ตับ พัฒนาร่วมกันโดยคณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัยกับเนคเทค สวทช. เพื่อช่วยคัดกรองมะเร็งตับได้เร็วขึ้น และ RAMAAI CXR Solution ระบบช่วยอ่านภาพเอกซเรย์ทรวงอกจากคณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล จุดร่วมของทั้งสามคือการฝังตัวในเวิร์กโฟลว์ของแพทย์อย่างแนบเนียน ไม่ใช่การยัดเทคโนโลยีเข้าไปแล้วบังคับให้คนทำงานปรับตัวตามเครื่องมือ
กรอบร่วมมือ 3 ปี: จากข้อมูลสุขภาพสู่ระบบ AI โรงพยาบาลที่ใช้ได้จริง
สิ่งที่ทำให้โปรเจ็กต์นี้น่าสนใจกว่าหลายโครงการคือ การออกแบบกรอบความร่วมมือที่ชัดเจนระยะเวลา 3 ปีครอบคลุมทั้งข้อมูลสุขภาพ งานวิจัย และโครงสร้างพื้นฐานสำหรับเทคโนโลยีสุขภาพดิจิทัล ไม่ใช่แค่การทดลองใช้ระบบในมุมเล็กๆ ของโรงพยาบาล แต่เป็นการยอมรับว่า AI วินิจฉัยโรคต้องอาศัยฐานข้อมูลที่เชื่อมโยงและมีมาตรฐาน ตั้งแต่ห้องเอ็กซเรย์จนถึงฐานข้อมูลกลางของกระทรวง ผู้กำหนดนโยบายจึงเลือกเริ่มจากการพัฒนามาตรฐานข้อมูลและการแลกเปลี่ยนข้อมูล เพื่อให้แบบจำลอง AI ทำงานบนข้อมูลที่ครบและมีคุณภาพ ไม่ถูกจำกัดด้วยไฟล์กระจัดกระจาย
อีกด้านหนึ่ง กระทรวงที่ดูแลงานอุดมศึกษา วิทยาศาสตร์และวิจัยรับหน้าที่สร้างคนและโครงสร้างพื้นฐาน ตั้งแต่ทรัพยากรประมวลผล GPU ระบบคอมพิวเตอร์สมรรถนะสูง HPC ห้องปฏิบัติการทดสอบซอฟต์แวร์ ไปจนถึงมาตรฐานสำหรับซอฟต์แวร์ AI ในฐานะเครื่องมือแพทย์หรือ AI-SaMD ขณะที่กระทรวงที่ดูแลระบบบริการสุขภาพรับหน้าที่นำโจทย์จากโรงพยาบาลมาสู่การวิจัย กำหนดสถานพยาบาลสำหรับการทดลองใช้ และคัดเลือกเทคโนโลยีสุขภาพดิจิทัลที่ผ่านการประเมินให้เชื่อมต่อกับแพลตฟอร์มบริการของตน แนวคิดสำคัญคือการลดการพัฒนาที่ซ้ำซ้อน เปิดทางให้ทุกหน่วยใช้โครงสร้างพื้นฐานและเครื่องมือร่วมกัน "แบบจำลอง AI ที่ผ่านการประเมินและรับรองจะได้รับการพิจารณาเชื่อมต่อกับ MOPH Digital Health Services" เป็นประโยคที่ชี้ชัดว่ารัฐตั้งใจให้ AI กลายเป็นส่วนหนึ่งของระบบบริการ ไม่ใช่ของเล่นทดลองในห้องวิจัย
Medical AI Consortium: จุดเชื่อมระหว่างโจทย์หน้างานกับสมองของนักวิจัย
หากมองให้ลึก Medical AI Consortium คือกลไกการเมืองวิทยาศาสตร์รูปแบบใหม่ที่พยายามแก้ปัญหาคลาสสิกของระบบวิจัย นั่นคือผลงานดีแต่ใช้จริงไม่ได้ เครือข่ายนี้รวบรวมหน่วยงานที่มีความเชี่ยวชาญทั้งด้านแพทย์ เทคโนโลยี และระบบบริการสุขภาพ ตั้งแต่ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์ สวทช. โรงเรียนแพทย์ ไปจนถึงหน่วยงานในกระทรวงที่ดูแลบริการสุขภาพ จุดประสงค์คือให้โจทย์มาจากแพทย์และโรงพยาบาลก่อน แล้วจึงค่อยออกแบบงานวิจัยและเทคโนโลยีตามโจทย์นั้น แทนที่จะเริ่มด้วยคำถามว่า AI ทำอะไรได้บ้าง
เครือข่ายนี้ยังทำหน้าที่จัดการเรื่องที่มักถูกมองว่าเป็นงานเบื้องหลัง เช่น การเตรียมและดูแลข้อมูล การพัฒนากลไกพิจารณาจริยธรรมการวิจัยที่เหมาะกับ Medical AI และการคุ้มครองข้อมูลส่วนบุคคลตามหลักธรรมาภิบาล มุมที่สำคัญคือการยอมรับอย่างตรงไปตรงมาว่า AI วินิจฉัยโรคอาจสร้างความเสี่ยงหากใช้โดยไม่มีกรอบจริยธรรมและการกำกับดูแลที่ดี ดังนั้นทั้งสองกระทรวงจึงประกาศว่าจะร่วมกำหนดแนวทางด้านจริยธรรม การคุ้มครองข้อมูล และความมั่นคงปลอดภัยควบคู่กับการพัฒนาบุคลากรให้ใช้งานและกำกับดูแลเครื่องมือได้อย่างเหมาะสม การมีคอนซอร์เทียมที่ดูแลทั้งเทคนิคและธรรมาภิบาลคือเงื่อนไขขั้นต่ำ หากเราต้องการให้เทคโนโลยีสุขภาพดิจิทัลสร้างความเชื่อมั่น ไม่ใช่ความหวาดระแวง
บทสรุป: หาก AI เป็นผู้ช่วยที่ดี ความเหลื่อมล้ำด้านสุขภาพอาจเริ่มลดลง
ประเด็นที่สำคัญที่สุดจากการผลักดันสามเครื่องมือ AI วินิจฉัยโรคเข้าใกล้การใช้งานจริงในโรงพยาบาล ไม่ใช่เพียงการมีเทคโนโลยีใหม่ แต่คือการเปลี่ยนวิธีคิดต่อระบบสุขภาพ รัฐบาลมองว่า AI และเทคโนโลยีสุขภาพดิจิทัลสามารถช่วยตรวจพบโรคได้รวดเร็วและแม่นยำมากขึ้น เปลี่ยนจากการรอรักษาเมื่อเจ็บป่วยไปสู่การเฝ้าระวังและป้องกันอย่างเป็นระบบ และลดความเหลื่อมล้ำในการเข้าถึงบริการแพทย์ขั้นสูง หากระบบเหล่านี้ผ่านการทดสอบและประเมินจนได้รับการรับรอง แล้วถูกเชื่อมต่อสู่แพลตฟอร์มบริการสุขภาพดิจิทัล ความสามารถในการอ่านภาพเอ็กซเรย์หรืออัลตราซาวด์อย่างมีคุณภาพจะไม่ถูกจำกัดแค่ในโรงพยาบาลใหญ่
อย่างไรก็ตาม ความสำเร็จจะไม่ถูกตัดสินด้วยคำว่า AI แต่ด้วยคำว่าความเชื่อมั่น หากแพทย์และบุคลากรสุขภาพเห็นว่าเครื่องมือเหล่านี้ช่วยงานได้จริง ไม่สร้างภาระเพิ่ม และมีกรอบจริยธรรมที่ชัดเจน ระบบ AI โรงพยาบาลก็มีโอกาสฝังตัวเป็นส่วนหนึ่งของงานประจำวัน ภายใต้เงื่อนไขว่ามันต้องถูกมองเป็นผู้ช่วย ไม่ใช่คู่แข่ง การผลักดันสามนวัตกรรมจาก Medical AI Consortium จึงเป็นบททดสอบสำคัญว่าเราพร้อมจะใช้เทคโนโลยีสุขภาพดิจิทัลแบบที่เคารพทั้งข้อมูล ชีวิตคนไข้ และวิชาชีพแพทย์หรือไม่ ถ้าผ่านบททดสอบนี้ไปได้ การพูดถึงอนาคตที่ประชาชนในทุกพื้นที่เข้าถึงนวัตกรรมคุณภาพสูงที่พัฒนาจากข้อมูลของตัวเองจะไม่ใช่แค่คำสัญญาบนเวทีอีกต่อไป
