‘สตาร์ทอัพ’ มองเห็นโอกาสอะไร : บทสนทนาว่าด้วยการเติบโตของ ‘AI’ ทางการแพทย์ 

เทคโนโลยีขณะนี้หมุนเร็วไม่ต่างจากเข็มบอกนาทีบนหน้าปัดนาฬิกา หลายหน่วยงานไม่ว่าจะเป็นรัฐ หรือเอกชนต่างเตรียมพัฒนาเทคโนโลยีเพื่อนำมาหนุนเสริมศักยภาพของตัวเองกันอย่างแข็งขัน และในขณะเดียวกัน ‘ปัญญาประดิษฐ์’ หรือ ‘AI’ ก็เป็นอีกหนึ่งเรื่องที่เข้ามามีบทบาทอย่างมากในสนามนี้

แวดวงสุขภาพและสาธารณสุขเป็นอีกหนึ่งภาคส่วนที่มีการใช้ AI เข้ามาพัฒนาศักยภาพในการดูแลผู้ป่วย โดยจะเห็นได้อย่างแจ้งชัดเมื่อครั้งมีการระบาดของโรคโควิด-19 โดยข้อมูลจากโครงการประเมินเทคโนโลยีและนโยบายด้านสุขภาพ (HITAP) เมื่อปี 2565 ระบุว่า สถานการณ์ดังกล่าวเป็นอีกหนึ่งปัจจัยที่ช่วยพัฒนา AI มาใช้ด้านการแพทย์ และสาธารณสุขในด้านประสิทธิผลของบริการ ด้วยการประยุกต์เป็น ‘แชทบอท’ สร้างความเชื่อมั่น และยอมรับวัคซีนโควิด 

นอกจากนี้ ยังรวมถึงการนำมาใช้งานในด้านอื่นๆ เช่น การวินิจฉัยโรคจากผลเอกซเรย์แบบอัตโนมัติ หุ่นยนต์ช่วยผ่าตัด ตลอดจนโทรเวชกรรมทางไกล (Telemedicine) อีกด้วย 

สอดคล้องกับหัวข้อเสวนา ‘AI Startups Revolutionizing Healthcare’ ภายในงาน TH.ai Forum EP02: AI Trend in Health Care’ เมื่อวันที่ 1 เม.ย. 2567 โดยสำนักงานส่งเสริมเศรษฐกิจดิจิทัล (ดีป้า) กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอีเอส) และหน่วยงานที่เกี่ยวข้อง ร่วมกันพูดคุยถึงการพัฒนา AI จากธุรกิจสตาร์ทอัพถึงการเข้ามาหนุนเสริมศักยภาพของระบบสาธารณสุขไทย

‘ดิจิทัลเฮลท์’ จะทำไม่ได้ถ้าขาด ‘ความร่วมมือ’ 

พงษ์ชัย เพชรสังหาร นายกสมาคมการค้าเฮลท์เทคไทย เริ่มต้นการเสวนาว่า ระบบนิเวศ (Eco System) ของสตาร์ทอัพพัฒนาขึ้นมาก โดยเฉพาะช่วงที่มีการใช้ AI เข้ามาในระบบสุขภาพ แม้แต่องค์กรขนาดใหญ่ยังมีความต้องการให้สตาร์ทอัพเข้าไปช่วยเสริมศักยภาพด้านนวัตกรรม เช่นเดียวกับสตาร์ทอัพที่ก็ต้องการองค์กรเพื่อช่วยขยายการดำเนินงาน

อย่างไรก็ดี การขยายตัวของ Eco System หรือการพัฒนา AI เพิ่มขึ้น เกิดจากการที่หลายโรงพยาบาลเปิดโอกาสให้สตาร์ทอัพด้านเฮลท์เทคเข้าไปร่วมงานด้วย ต่างจากในอดีตที่ผ่านมา Eco System ในประเทศไทยยังมีไม่กี่จำพวก รวมถึงจำนวนสตาร์ทอัพไทยก็ยังมีไม่มาก

“ดิจิทัลเฮลท์ในไทยไม่สามารถทำได้โดยลำพัง จำเป็นจะต้องร่วมมือกัน ทั้งภาครัฐ หรือองค์กรต่างๆ เพื่อที่จะก้าว หรือฝ่าฟันปัญหาอุปสรรคไปพร้อมกัน” พงษ์ชัย ระบุ

นอกจากนี้ หากมองในภาพของสมาคมการค้าเฮลท์เทคไทยที่ก่อตั้งมาแล้วราว 5 ปี พบว่าผู้ประกอบการแต่ละเจ้ามีความตั้งใจที่จะยกระดับสาธารณสุข รวมถึงประเทศไทยในขณะนี้ก็เป็นศูนย์กลางทางการแพทย์ (Medical Hub) ด้วย 

“ส่วนตัวมองว่าประเทศไทย เสียเอกราชด้านเทคโนโลยีไปแล้วหลายสาขา เช่น อีคอมเมิร์ซ โลจิสติกส์ แต่ในทางกลับกันก็พบว่ายังเหลือด้านบริการสาธารณสุขที่ยังสามารถรักษาไว้ได้ และมากไปกว่านั้นอีกหนึ่งสิ่งที่สำคัญคือการมีข้อมูลคุณภาพสูง โดยเฉพาะข้อมูลโรคเขตร้อน”

“เรามีคลังข้อมูลดี มีผู้พัฒนาเก่งๆ แต่สิ่งที่สำคัญคืออยากให้ภาครัฐ และภาคเอกชน ทำงานร่วมกัน และสร้างทางออกของปัญหาด้วยกัน” พงษ์ชัย ระบุ 

นอกจากบทบาทนายกสมาคมฯ แล้ว อีกหนึ่งบทบาทของ ‘พงษ์ชัย’ คือการเป็น CEO และ Co-Founder Dietz.asia ที่ร่วมกับโรงพยาบาลเพื่อดูแลสุขภาพแบบไร้รอยต่ออีกด้วย โดยจะเป็นการช่วยลดความแออัด ลดต้นทุน ปัญหาภาระงาน ความผิดพลาดเป็นต้น 

“เราตั้งใจว่าจะเป็นแพลตฟอร์มที่ช่วยให้ทุกคน ไม่ว่าผู้ป่วยจะมีเงินหรือไม่มีเงิน สามารถเข้าสู่การรักษาภายใต้สิทธิของตัวเอง” พงษ์ชัย ระบุ กล่าว 

‘AI’ อ้างอิงจากพื้นฐาน ‘คณิตศาสตร์’

รศ.ดร.ธีรวิทย์ วิไลประสิทธิ์พร Co-founder และ Chief Scientific Officer จาก SensAI ระบุว่า ที่ผ่านมา SensAI ได้มีการพัฒนาเทคโนโลยีตรวจการนอนหลับที่บ้าน จนได้มีโอกาสร่วมพูดคุยกับโรงพยาบาลเอกชนหลายแห่งด้วยเทคโนโลยีการจับเซนเซอร์ นำมาสู่เทคโนโลยีที่ดูเรื่องการบิดตัว และความเร็วของเลือด มาประยุกต์ใช้ดูแลผู้ป่วยโรคหัวใจ ปอด และในอนาคตก็จะมีการทำงานร่วมกับโรงเรียนแพทย์ด้วยเช่นกัน 

“สิ่งที่จะทำต่อไปคือ เรากำลังสร้างข้อมูลของตัวเอง และกำลังจะเก็บข้อมูลร่วมกับโรงเรียนแพทย์ไปเรื่อยๆ” รศ.ดร.ธีรวิทย์ ระบุ 

ขณะเดียวกัน เมื่อพูดถึงข้อมูล รศ.ดร.ธีรวิทย์ อธิบายต่อไปว่า ในการทำงานร่วมกับสถานพยาบาล หรือโรงเรียนแพทย์ก็มักจะได้รับความคาดหวังว่าต้องมีข้อมูลมาก แต่การจะเก็บข้อมูลในปริมาณมาก หากไม่ตรงวัตถุประสงค์ก็อาจจะไม่รู้ว่าจะใช้อย่างไร และ AI เองก็มีวิธีการเรียนรู้ หรือการใช้งานที่จำกัดอยู่ในรูปแบบที่ควรจะเป็น ฉะนั้นต้องมองกลับไปที่ดูว่าโจทย์คืออะไร และต้องการอะไร

มากไปกว่านั้น AI เป็นสิ่งที่ต้องทำความเข้าใจ เพราะในการหารูปแบบ AI ที่ตอบโจทย์นั้นอ้างอิงจากพื้นฐานคณิตศาสตร์ รวมถึงสมการ หากตีกรอบเพื่อการใช้งานบางอย่าง ก็จะสามารถทำให้เกิดวิธีแก้ปัญหาที่ดีได้ ฉะนั้นหากเข้าใจ และนำไปประยุกต์ใช้ก็จะสามารถเห็นภาพความเป็นไปได้มากขึ้น

“การคาดหวังว่า AI จะทำอะไรใหม่ๆ แทนเรา อาจจะต้องทำความเช้าใจว่า ถ้าไม่มีพื้นฐาน หรือทฤษฎีบนโลกก็ไม่รู้จะสอนอย่างไร ขณะเดียวกันในปัจจุบันก็มีบางอย่างที่ไม่อยู่ในตำรา เว้นแต่ว่าจะมีคนสนใจ ซึ่งการจะเอาคนที่เห็น และคิดแบบเดียวกันมารวมกันก็ยาก แต่การเอาคณิตศาสตร์ตั้ง จะช่วยให้เราสำรวจได้ง่ายขึ้น” รศ.ดร.ธีรวิทย์ กล่าว 

‘AI’ ไม่ได้มาแทนที่ ‘หมอ’ แต่มีเพื่อให้ทำงานน้อยลง 

นพ.ปิยะฤทธิ์ อิทธิชัยวงศ์ Co-founder จาก Preceptor AI ระบุว่า จากประสบการณ์ที่ผ่านมาพบว่ายังมีความไม่เข้าใจกันระหว่างแพทย์ และผู้ป่วยในเรื่องของการรับบริการในห้องฉุกเฉิน แม้ว่า 60% ของผู้ป่วยที่มาห้องฉุกเฉินอาจจะไม่ได้ฉุกเฉิน แต่ในขณะเดียวกันก็มีผู้ป่วยเสียชีวิตเพราะคิดว่าอาการของตัวเองไม่เข้าเกณฑ์ฉุกเฉินด้วย    

รวมไปถึง จากงานวิจัยพบว่าแพทย์อาจจะไม่ได้ทำตามคู่มือ หรือทำสิ่งที่ดีที่สุดในการรักษาผู้ป่วยราว 4 แสนครั้ง ทำให้ผู้ป่วยหลายรายต้องพบกับการรักษาที่ไม่ได้มาตฐาน รวมไปถึงแพทย์บางรายก็ดูผลตรวจทางห้องปฏิบัติการ (แล็บ) ไม่ครบ ส่งผลให้ผู้ป่วยอาจจะไม่ได้รับการรักษาตามคู่มือ 

“ตอนเราเป็นนักศึกษาแพทย์ เราก็คิดว่าทำไมถึงไม่ทำแบบนั้น แต่พอได้มาอยู่ที่โรงพยาบาลก็ถึงเข้าใจ เพราะว่า 3 ชั่วโมง ตรวจคนไข้ 100 คน การจะดูผลทั้งหมดเป็นไปได้ยากมาก” นพ.ปิยะฤทธิ์ ระบุ

นำมาสู่การพัฒนา Preceptor AI ที่จะเข้ามาช่วยตั้งแต่การวินิจฉัยโรค 360 องศา ตัวช่วยในการอ่านผลแล็บ การแปลงคำสั่งเสียง รวมถึงการวิเคราะห์การตรวจรหัสพันธุกรรม 

“การดูผลแล็บ ตัวที่จะเอามาใช้ได้มีการทดสอบวัดระดับเทียบกับนักศึกษาแพทย์ อยู่ที่ 98% นั้นตรงนี้ก็สามารถนำมาช่วยประมวลผล แปลผล วิเคราะห์ผล แต่ไม่ได้เอามาแทนที่หมอ เพียงแต่ให้หมอทำงานน้อยลง ทำให้หมอและคนไข้สามารถมองหน้ากันได้มากขึ้น” นพ.ปิยะฤทธิ์ กล่าว 

เสริมด้วยเทคโนโลยี เพราะ ‘เราไม่มีทางผลิตบุคลากรทางการแพทย์ทัน’  

ชัยวัฒน์ พู่พิสุทธิ์ COO และ Co-founder จาก Perceptra ระบุถึงการเห็นปัญหาในการผลิตบุคลากรทางการแพทย์ด้านรังสี เนื่องจากแพทย์หนึ่งคนใช้เวลาถึง 12 ปีกว่าจะเป็นแพทย์เฉพาะทาง ฉะนั้นจึงไม่มีทางผลิตทัน รวมถึงเมื่อมองในภาพของเอเชียตะวันออกเฉียงใต้ จะมีแพทย์รังสีเพียง 20% ของโรงพยาบาลทั้งหมด ในขณะที่ประเทศไทยส่วนมากจะอยู่ในโรงพยาบาลเอกชน โรงพยาบาลในกรุงเทพมหานคร (กทม.) และโรงพยาบาลใหญ่ๆ ของจังหวัด 

มากไปกว่านั้น ยังยกตัวอย่างโรคมะเร็งที่ทราบกันดีกว่ามีทั้งหมด 4 ระยะ แต่จากที่พบส่วนมากมักจะอยู่ในระยะที่ 4 ฉะนั้นปัญหาจึงอยู่ตรงที่การตรวจจับมะเร็งในระยะเริ่มต้น (Early State) ทำให้ต้องอาศัยเทคโนโลยีเข้ามาช่วยในการตรวจจับ เนื่องจากแพทย์ไม่พอ 

“ในช่วงโควิด-19 Perceptra ได้มีโอกาสเข้าไปช่วยอ่านฟิล์มเอกซเรย์สำหรับผู้ป่วยโควิด-19 โดยให้ความสำคัญกับการใช้งาน และการให้ผลได้แบบทันท่วงที รวมถึงมีการบูรณาการเรื่องความปลอดภัย และให้ความสำคัญกับประสบการณ์ผู้ใช้งาน” ชัยวัฒน์ ระบุ 

จากการร่วมงานกับโรงพยาบาลที่กระจายอยู่ทั่วประเทศแล้วนั้น ชัยวัฒน์ อธิบายว่าส่วนที่ทำให้โรงพยาบาลนำเทคโนโลยีดังกล่าวไปใช้ ก็คือ 1. สามารถตรวจได้ในปริมาณมาก เช่น โรงงาน บริษัท เพราะก่อนหน้านี้โรงพยาบาลอาจจะทำได้น้อย เนื่องจากมีข้อจำกัดเรื่องบุคลากร เมื่อดูตัวเลขจากการดำเนินงานล่าสุดสามารถคัดกรองได้ถึง 3 หมื่นคน ภายในระยะเวลา 3 เดือน 

มากไปว่านั้นยังสามารถเป็นเครื่องมือ ‘ช่วยเอ๊ะ’ สำหรับแพทย์ ที่อาจทำให้เจอรอยโรคที่เห็นได้ยาก และลดความผิดพลาดได้มากขึ้น ซึ่งในอนาคตก็จะมีการเปิดตัวการตรวจจับมะเร็งเต้านมผ่านการตัดกรองแมมโมแกรม (Mammogram) ด้วย