สรุป AI & Medicine จาก MIT เมื่อ AI นำไปสู่การค้นหายาใหม่ และการตรวจจับโรคล่วงหน้า

ในงานประชุมนวัตกรรมการแพทย์ 'Siriraj x MIT Hacking Medicine 2025' มีเซสชันที่น่าสนใจอย่าง ‘AI and Medicine: A Collaboration Between Engineers and Doctors’ บรรยายโดย Prof. Eric Grimson จาก Massachusetts Institute of Technology (MIT)

หลายคนคงคาดหวังว่าเมื่อพูดถึง MIT ในหัวข้อ AI เราจะได้เห็นเทคโนโลยีสุดล้ำ แต่ Prof. Grimson กลับเริ่มต้นได้อย่างอย่างน่าสนใจ โดยบอกว่า "ก่อนที่เราจะสร้าง AI ที่ดีที่สุด เราต้องสร้าง 'คน' ที่พร้อมจะสร้างและใช้มันก่อน"

MIT เชื่อว่านักศึกษาทุกคนควรมีความสามารถในการคิดแบบคำนวนซึ่งเป็นสกิลใหม่ที่สำคัญ นอกเหนือจากการได้มาซึ่งความรู้เฉพาะด้าน เช่น ชีววิทยาหรือฟิสิกส์

นี่คือเหตุผลที่ MIT ตัดสินใจทุ่มงบประมาณกว่าพันล้านดอลลาร์เพื่อปฏิรูปการศึกษา ผ่านการก่อตั้ง MIT Schwarzman College of Computing ไม่ใช่เพื่อสอน AI แยกต่างหาก แต่เพื่อฝังการคิดเชิงคำนวณ เข้าไปในทุกศาสตร์

ปรัชญาการศึกษาของ MIT ในยุค AI นี้ เปรียบเสมือนการสร้างทีมทำอาหาร ที่ไม่ได้ต้องการแค่เชฟ ที่ทำอาหารเก่งอย่างเดียว และไม่ได้ต้องการแค่ช่างเทคนิคที่รู้ว่าเครื่องมือในครัวทำงานอย่างไรเท่านั้น แต่ต้องการ 'เชฟนักประดิษฐ์' ที่เข้าใจหลักการทำงานของเครื่องมือและส่วนผสมอย่างลึกซึ้ง เพื่อที่พวกเขาจะสามารถประดิษฐ์เครื่องมือใหม่ ๆ ขึ้นมาใช้เอง หรือปรับปรุงสูตรอาหารให้เป็นนวัตกรรมใหม่ได้โดยแท้จริง ไม่ใช่แค่ทำตามคู่มือที่ AI สร้างไว้เดิม

เป้าหมายคือการสร้าง Computational Bilinguals หรือเด็กสองภาษายุคใหม่ ที่เข้าใจทั้งภาษาของการคำนวน และภาษาของสาขาวิชาหลักของตน

เพราะ MIT เชื่อว่า เมื่อคนเข้าใจ Deep Learning พวกเขาจึงจะสามารถสร้างนวัตกรรมที่แท้จริงได้ ไม่ใช่แค่การนำเครื่องมือมาใช้ตามคู่มือ MIT จึงฝัง AI และ Machine Learning ในเกือบทุกส่วนของสถาบันไม่เว้นแม้แต่การแพทย์ จนนำไปสู่โครงการปฏิวัติวงการแพทย์ที่เรียก MIT HEALS

MIT HEALS เมื่อวิศวกรจับมือกับหมอ

MIT HEALS (Health Engineering and Life Sciences) คือการทลายกำแพงระหว่างวิศวกรและแพทย์ โดยมีเป้าหมายเพื่อการบูรณาการวิศวกรรมเข้ากับวิทยาศาสตร์สุขภาพ เพื่อสร้างโซลูชันที่แปลจากห้องแล็บไปสู่การปฏิบัติจริง โดย MIT HEALS ขับเคลื่อนด้วย 4 เป้าหมายหลัก ได้แก่

1. การสร้างอุปกรณ์ใหม่ - มุ่งเน้นการสร้างอุปกรณ์ใหม่สำหรับการตรวจจับและติดตามสัญญาณทางสรีรวิทยา โดยมีผลกระทบต่อผู้ป่วยน้อยที่สุด
2. วิธีการตรวจจับใหม่ - การสร้างวิธีการใหม่สำหรับการตรวจจับโรค โดยเฉพาะอย่างยิ่งในระยะเริ่มแรก เพื่อสนับสนุนการเฝ้าระวังและการแทรกแซงแต่เนิ่น ๆ
3. การรักษารูปแบบใหม่ - หาวิธีการใหม่สำหรับการรักษาโรค และวิธีการส่งมอบการรักษาที่ปรับให้เหมาะกับรายละเอียดเฉพาะของผู้ป่วย
4. การค้นพบยาใหม่ -  มุ่งเน้นการค้นพบใหม่ ๆ โดยเฉพาะอย่างยิ่งการค้นพบยาใหม่ ซึ่งมีความสำคัญในการนำเสนอการดูแลสุขภาพในวงกว้าง

เพื่อให้บรรลุเป้าหมายเหล่านี้ MIT HEALS ได้สร้างกลไกหรือโครงการริเริ่มใหม่ ขึ้นมาหลายส่วน เพื่อเป็นสะพานเชื่อมระหว่างโลกวิศวกรรมและโลกการแพทย์ เช่น 

• MIT-MGB seed program (โครงการให้ทุนสนับสนุนแพทย์และวิศวกรทำงานร่วมกัน), 
• Biswas postdoc program - มีการริเริ่มโครงการนักวิจัยหลังปริญญาเอก ซึ่งได้รับทุนสนับสนุนจากการบริจาคจากศิษย์เก่า MIT
• Health science & semiconductors initiative - มีโครงการริเริ่มใหม่ที่นำ AI ขั้นสูงและ เซมิคอนดักเตอร์  มาสร้างเซ็นเซอร์รุ่นใหม่ที่ปรับให้เป็นส่วนบุคคลสำหรับผู้ป่วย เซ็นเซอร์เหล่านี้สามารถติดตามอาการและให้ข้อมูลแก่แพทย์ ตลอดจนสามารถปรับการรักษาของผู้ป่วยได้ด้วย

จากโครงการต่าง ๆ นี้มีการพัฒนา AI หลายตัว และทำให้เกิดผลลัพธ์ที่น่าสนใจหลายอย่าง เช่น

การค้นพบยาใหม่

MIT พัฒนาระบบ Deep Learning เพื่อจัดการกับการติดเชื่อแบคทีเรียที่ดื้อยาปฏิชีวนะ ระบบนี้ฝังความรู้เชิงโครงสร้างเคมี และเทรนโดยใช้ข้อมูลจากจากคลังโมเลกุลยาที่รู้จักขนาดใหญ่ รวมทั้งระบบยังถูกออกแบบมาให้ค้นหาตัวอย่างยาที่อยู่ห่างไกลจากยาปฏิชีวนะที่รู้จัก 

พวกเขาได้ค้นพบยาตัวใหม่ที่มีประสิทธิภาพอย่างยิ่งในการฆ่าเชื้อแบคทีเรียดื้อยา โดยยาตัวแรกที่ถูกค้นพบถูกตั้งชื่อว่า Halicin พวกเขาตั้งชื่อยาตาม AI ที่ชื่อ HAL จากหนังเรื่อง 2001: A Space Odyssey

การตรวจจับโรคล่วงหน้า

AI ทำนายสายพันธุ์ไข้หวัดใหญ่

มีการพัฒนาระบบ AI ที่เทรนข้อมูลไวรัสไข้หวัดใหญ่ และผลแล็บย้อนหลังหลายสิบปี ระบบนี้ไม่เพียงแต่ความน่าจะเป็นของไวรัสไข้หวัดใหญ่แต่ละสายพันธุ์ที่จะเกิดขึ้น แต่ยังสามารถทำนายประสิทธิภาพของวัคซีนต่าง ๆ ต่อสายพันธุ์นั้นได้ด้วย 

ซึ่งพอนำมาย้อนดูข้อมุล 10 หลังสุด พบว่า AI นี้ทำนายได้แม่นยำกว่าคำแนะนำของ WHO ถึง 9 ใน 10 ปีหลังสุด

AI ทำนายมะเร็งเต้านมล่วงหน้า

มีการพัฒนาระบบ Deep Learning ที่ใช้วิเคราะห์ภาพแมมโมแกรม ความสามารถคือการมองเห็นสัญญาณเตือนเล็ก ๆ ในภาพที่ตามนุษย์อาจมองไม่เห็น

โดยจากการทำงานร่วมกับ Mass General และใช้ข้อมูลย้อนหลัง ระบบแสดงให้เห็นว่าสามารถตรวจจับสัญญาณแรกเริ่มได้ด้วยความแม่นยำ 85% 

AI วิเคราะห์โรคหัวใจแบบไม่เจาะตัวมีการพัฒนาระบบ Deep Learning ที่ช่วยทำนายความเสี่ยงภาวะหัวใจล้มเหลวโดยใช้แค่ข้อมูล ECG จากการวัดแบบ Single Lead ระบบนี้ช่วยให้สามารถตรวจหาความเสี่ยงได้โดยที่ไม่ต้องมีการสวนหัวใจ และไม่ต้องมีการรุกรานร่างกาย

การติดตามผู้ป่วยแบบไม่รุกล้ำ

หนึ่งในโปรเจ็กตที่น่าสนใจคือการใช้ AI อ่านคลื่น WiFi ในห้อง โดยนักวิจัยได้สร้างอุปกรณ์ที่ติดตั้งไว้ที่ปลายห้อง ซึ่งสามารถตรวจจับการรบกวนสัญญาณ และวิเคราะห์การเคลื่อนไหวที่เกิดขึ้น สิ่งที่ระบบสามารถทำได้คือการตรวจวัดสัญญาณชีพจากระยะไกล เช่น อัตราการหายใจ และอัตราชีพจร

โดยในช่วง Covid-19 ระบบนี้ถูกนำไปใช้ในโรงพยาบาลเครือ Harvard เพื่อให้พยาบาลสามารถติดตามผู้ป่วยใน ICU ได้โดยไม่ต้องเข้าไปในห้อง รวมทั้งยังสามารถวิเคราะห์ท่าทางการเดินได้อย่างแม่นยำ ซึ่งเป็นประโยชน์อย่างมากในการติดตามความคืบหน้าของโรค เช่น โรคพาร์กินสัน หรือใช้ในการดูแลผู้สูงอายุและทารก

วิศวกรรมนาโน

นอกเหนือจาก AI แล้ว MIT กำลังพัฒนา Nanomaterials หรือวัสดุนาโนเพื่อประโยชน์ทางการแพทย์ด้วย เช่น

ควอนตัมดอท (Quantum Dots)

นักวิจัยได้ออกแบบโมเลกุลที่เรียกว่า Ligands ที่จะไปเกาะกับควอนตัมดอท โดย Ligands เหล่านี้ถูกออกแบบมาให้ต้องการที่จะยึดติดกับเซลล์มะเร็ง 

โดยมีการสร้างอนุภาคควอนตัมดอทเหล่านี้ให้เป็นรูปแบบไอระเหย โดยผู้ป่วยสามารถสูดดมเข้าไปในปอดเหมือนกับใช้ยารักษาโรคหอบหืด เมื่ออนุภาคนี้เจอมะเร็ง มันจะเกิดปฏิกิริยาทางชีวเคมีที่จะตัดชื้นส่วนของ Protease ออกจากเนื้องอก 

โดย Prof. Eric Grimson บอกว่า จากเทคโนโลยีนี้ทำให้เราสามารถตรวจจับมะเร็งปอดในระยะเริ่มต้นได้ด้วยการตรวจปัสสาวะ

อนาคตที่เรียกว่า Moonshot

นอกเหนือจากที่กล่าวมา MIT ยังมีโปรเจกต์ที่เรียกว่า Moonshots ซึ่งเป็นสิ่งล้ำ ๆ ที่ดูเหมือนนิยายวิทยาศาสตร์ แต่กำลังเกิดขึ้นจริง เช่น

• MRI แบบพกพา โดยกำลังพัฒนาเครื่องสแกน MRI ขนาดเล็ก ที่สามารถถือไปใช้ในพื้นที่ชนบทได้
• พัฒนาเนื้อผ้าที่ตรวจจับสัญญาชีพของทารกในครรภ์ และการใช้ AI ร่วมกับ Computer Graphics เพื่อสร้างจำลอง 3 มิติของทารกจากภาพ fetal MRI เพื่อวัดขนาดศีรษะและหน้าท้องเทียบกับการเจริญเติบโตปกติ

อ้างอิง : สรุปจากเซสชัน AI and  Medicine, A Collaboration Between Engineers and Doctors งาน Siriraj x MIT Hacking Medicine 2025