งานประชุม AI in Med Conference 2023 ที่จัดขึ้นเป็นครั้งแรกในประเทศไทย โดย คณะแพทยศาสตร์ มหาวิทยาลัยธรรมศาสตร์ และ มหาวิทยาลัยอลาบามา ณ เบอร์มิงแฮม (UAB : University of Alabama at Birmingham) ได้รับความสนใจจากบุคลากรทางการแพทย์และสาธารณสุข นักวิจัย นักวิทยาศาสตร์ นักวิทยาศาสตร์ข้อมูล (Data Scientist) ฯลฯ เข้ามาร่วมรับฟังจำนวนมาก ซึ่งองค์ความรู้และมุมมองในเรื่องการใช้ประโยชน์จาก เทคโนโลยีปัญญาประดิษฐ์ (AI) ในทางการแพทย์และสาธารณสุขมีผู้เชี่ยวชาญด้าน AI และ DIgital Health มาร่วมให้ข้อมูลที่น่าสนใจ ตั้งแต่เรื่องที่บุคคลทั่วไปเข้าถึงได้ ไปจนถึงเรื่องที่บุคลากรทางการแพทย์เท่านั้นที่เข้าใจ 

AI in Med Conference 2023 กับการผนวกศาสตร์ด้านการแพทย์และเทคโนโลยีเข้าด้วยกัน กับศัพท์เทคโนโลยีที่ควรรู้

รศ.นพ.ดิลก ภิยโยทัย แพทย์หญิงเพชรดาว โต๊ะมีนา และ ดร.รูบิน พิลเลย์

AI in Med Conference 2023 เป็นงานประชุมที่ คณะแพทยศาสตร์ มหาวิทยาลัยธรรมศาสตร์ ร่วมกับ UAB Marnix Heersink for Biomedical Innovation สถาบันพัฒนานวัตกรรมด้านการแพทย์ภายใต้ มหาวิทยาลัยอลาบามา ณ เบอร์มิงแฮม (มหาวิทยาลัยที่มีโรงพยาบาลใหญ่ที่สุดเป็นอันดับ 8 ของสหรัฐอเมริกา) ด้วยวิสัยทัศน์เดียวกันคือ การคิดค้นและพัฒนาวงการแพทย์และสาธารณสุขสู่ Medical AI และ Digital Health โดยนำเทคโนโลยี AI มาประยุกต์ใช้ให้เกิดประโยชน์สูงสุด 

สำหรับผู้ที่มาร่วมเปิดงานประชุม AI in Med Conference 2023 มาจาก 3 ภาคส่วน ได้แก่ รศ.นพ.ดิลก ภิยโยทัย คณบดี คณะแพทยศาสตร์ มหาวิทยาลัยธรรมศาสตร์ แพทย์หญิงเพชรดาว  โต๊ะมีนา ที่ปรึกษารัฐมนตรีว่าการกระทรวงอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม และ ดร.รูบิน พิลเลย์ ประธานเจ้าหน้าที่ด้านนวัตกรรม UAB Health System 

ก่อนไปรับความรู้จากผู้เชี่ยวชาญด้านการใช้ประโยชน์จาก AI ในทางการแพทย์ ทบทวนคำศัพท์ที่ผู้สนใจควรรู้ก่อน 

1. ML : Machine Learning หมายถึงการเรียนรู้ของเครื่องจักร ซึ่งเป็นส่วนหนึ่งของ AI 
2. AI : Artificial Intelligence หมายถึง ปัญญาประดิษฐ์
3. Gen AI : Generative Artificial Intelligence หมายถึง ปัญญาประดิษฐ์ที่ออกแบบมาให้ 'สร้างใหม่' หรือสร้างสรรค์คำตอบ/ผลงานจากชุดข้อมูลที่มีอยู่
4. NLP : Natural Language Processor หมายถึง ระบบประมวลผลภาษาธรรมชาติ จัดเป็นศาสตร์แขนงหนึ่งที่แตกออกมาจาก AI ซึ่งพัฒนามาจากการป้อนข้อมูลให้เครื่องจักรได้เรียนรู้ (ML)
5. Cognitive Computing หมายถึง ระบบคอมพิวเตอร์ที่สามารถคิดเหมือนมนุษย์ท่ามกลางข้อมูลสารพัดที่มีความซับซ้อน 
6. Digital Twins หมายถึง โมเดลเสมือนที่จำลองการทำงาน การประมวลผล ความเคลื่อนไหว แบบเรียลไทม์จากวัตถุทางกายภาพหรือวัตถุจริง เช่น อาคาร รถ โรงงาน โดยผู้ใช้สามารถทำงานบน Digital Twin ได้เหมือนกับวัตถุจริง หรือจำลองการเรียนการสอนเสมือนจริงแบบเรียลไทม์ก็ทำได้เช่นกัน

แนะทางไปสู่ AI in MED จากสองผู้เชี่ยวชาญด้านการใช้ AI ทางการแพทย์

Anthony Chang & Alfonco Limon

ดร.แอนโทนี ชาง Chief Intelligence Officer คนแรกของอเมริกา เป็นผู้นำด้าน AI in Healthcare และผู้ร่วมก่อตั้งหลักสูตร AI in Medicine ของมหาวิทยาลัยอลาบามา ณ เบอร์มิงแฮม (UAB) เกริ่นถึง AI ว่า ตอนนี้เป็นเวลาที่ดีที่สุดเพราะสามารถนำ AI มาใช้ประโยชน์ในการแพทย์ได้ และแพทย์ก็ควรศึกษาศักยภาพของเทคโนโลยี AI และนำมาพลิกโฉมวงการแพทย์ "AI จะสร้างอิมแพ็กอีกมากให้วงการแพทย์และสาธารณสุข ลองคิดดูว่า หากนำ AI มาใช้ (embedded) ในระบบสาธารณสุขไทย ปี 2040 2050 ประเทศไทยจะเป็นอย่างไร" 

จากนั้น ดร.ชางแนะว่า เพื่อให้ AI in MED และ Digital Health เกิดขึ้นและใช้งานได้จริง ต้องเชื่อมต่อทุกอุปกรณ์ที่มี (Equipment) เป็นเครือข่ายเดียวกันก่อน เป็นการสร้าง ระบบการเรียนรู้ด้านการดูแลสุขภาพ (Healthcare Learning System)

• เชื่อมต่อทุกอุปกรณ์เป็นเครือข่ายคล้ายกับรถ Tesla

ให้เชื่อมต่อทุกอุปกรณ์เข้าด้วยกันด้วยเทคโนโลยี Edge Computing, IoT, Internet of Everything ทั้งอุปกรณ์อิเล็กทรอนิกส์ที่ใช้ในการวินิจฉัยโรค เซ็นเซอร์และเทคโนโลยีที่ใช้สวมใส่ (Sensors and Wearable Technology) โดยต้องเชื่อมต่อและทำงานร่วมกันเป็นเครือข่าย และไม่ใช่แค่การเชื่อมต่อในโรงพยาบาลเท่านั้น แต่ต้องเชื่อมต่อข้อมูลผู้ป่วยในทุกๆ โรงพยาบาลเข้าด้วยกัน แม้ว่าโรงพยาบาลบางแห่งไม่ต้องการแชร์ข้อมูลก็ตาม 

รูปแบบการเชื่อมต่อเป็น Healthcare Learning System ที่ ดร.แอนโธนี ชาง กล่าวถึง

"นั่นเพราะเราต้องเรียนรู้จากข้อมูล แต่จะเป็นการเรียนรู้จากข้อมูลซึ่งอยู่บนโมเดลที่แชร์ถึงกัน ในอนาคตจึงไม่ต้องมีใครมาคอยแชร์ข้อมูลกันอีก คล้ายกับที่รถ Tesla มีเครือข่ายการเชื่อมต่อระหว่างกัน รถจึงสื่อสารและแชร์โลเคชันกันได้ เช่น การแชร์จุดที่สภาพถนนเปลี่ยนไปจากเดิม หากสภาพถนนแย่ คันอื่นก็เรียนรู้และเปลี่ยนเส้นทางได้" ดร.ชางกล่าว

ในอนาคต โมเดลที่ใช้ในการรวบรวมและเชื่อมต่อข้อมูลจากทุกอุปกรณ์ ทุกโรงพยาบาลก็จะกลายเป็น ข้อมูลในโลกความจริง (Real World Data) ไม่ใช่แค่ผลงานวิจัย ไม่ใช่การทดลองแบบสุ่มหรือแบบมีกลุ่มควบคุม (RCT) 

• แพทย์ควรเรียนรู้การใช้ AI ขั้นพื้นฐาน โดยเฉพาะ 'คณิตศาสตร์' ที่เป็นเหมือนยาขมของหลายๆ คน แม้แต่แพทย์เอง

Anthony Chang (MD, MBA, MPH, MS) Chief Intelligence and Innovation Officer, Medical Intelligence and Innovation Institute Cardiology, CHOC Specialists Faculty at the American

ดร.ชางบอกว่า หากแพทย์รู้ว่าใช้ AI ในทางการแพทย์อย่างไร เป็นหนทางที่ดีในการสร้างความแตกต่างระหว่างแพทย์ในยุคปัจจุบันกับแพทย์ยุคก่อนๆ 

ความเห็นส่วนตัวของผม ผมคิดว่าแพทย์ควรเรียน พื้นฐานการเขียนโปรแกรม (Basics of Programming) เพื่อเลือกใช้โปรแกรมที่มีอยู่มากมายกับ AI และการดูแลสุขภาพได้ถูกต้อง อย่างการใช้ระบบหนึ่งหา Pattern (รูปแบบของการเกิดโรค) อยู่เสมอ ช่วยให้แพทย์ตัดสินใจได้ดีขึ้น และสิ่งหนึ่งที่ผมได้เรียนรู้คือ มันช่วยให้ผมก้าวข้ามความกลัว ในฐานะของหมอโรคหัวใจและหมอห้องไอซียูที่ไม่ได้มีเวลาเหลือเฟือนัก และยังทำให้ผมคิดเชิงวิเคราะห์ได้มากขึ้น

จากนั้น อัลฟอนโซ ลิมอน (Alfonco Limon) สมาชิกผู้ทรงคุณวุฒิจาก The American Board of AI in Medicine ผู้เชี่ยวชาญด้าน Algorithmic code & AI ทางการแพทย์ อธิบายความคล้ายและต่างของศัพท์เทคโนโลยี เช่น Computer Science, Artificial Intelligence, Machine Learning, Deep Learning, Statistics, Mathematics ฯลฯ โดยในด้านที่เกี่ยวข้องกับข้อมูลและโครงสร้างพื้นฐานทางไอที อัลฟอนโซเน้นย้ำประเด็นที่ผู้ใช้เทคโนโลยี AI ว่า ต้องรู้คณิตศาสตร์เป็นพื้นฐานเพื่อการคำนวณและประมวลผล หากเทียบกับสถิติ (Statistics) ก็ต้องรู้คณิตศาสตร์เป็นพื้นฐานเช่นกัน แต่ทั้งสองศาสตร์นี้แตกต่างกัน

เนื่องจากมีการเข้าใจผิดบ่อยครั้งว่า สถิติ คล้ายกับ AI บ้าง Deep Learning บ้าง แต่อันที่จริงนั้นต่างกัน เพราะ AI คิดวิเคราะห์โดยปราศจากกฎที่มนุษย์กำหนดขึ้นจึงทำให้เกิด 'การพัฒนาข้อมูล' ขณะที่สถิติเป็นการป้อนข้อมูลแล้วตั้งกฎขึ้นมา การคิดแบบสถิติจึงไม่ได้แตกต่างไปจากเดิมหรือ 'ไม่มีการพัฒนาข้อมูล' แต่อย่างใด

"สถิติต่างจาก AI ตรงที่มีรูปแบบของมันอยู่และมีการตั้งสมมุติฐาน แล้วจึงหาคำตอบว่า สมมุติฐานใดมีความเป็นไปได้สูงสุด แต่สำหรับ AI คุณก็ต้องรู้ด้วยว่า ข้อมูลไหนที่เป็นจริง (Fact) ข้อมูลไหนแย่ (Bad Data) เพื่อไม่ให้ ML เรียนรู้สิ่งที่แย่และให้ผลลัพธ์แย่ๆ ที่คุณไม่ต้องการออกมา และเรื่องนี้ก็สำคัญอย่างมาก" อัลฟอนโซกล่าว

• แพทย์ควรทำงานร่วมกับนักวิทยาศาสตร์ข้อมูลแบบ 'วงซิมโฟนี'

ดร.ชางอธิบายว่า การใช้ประโยชน์จาก AI ในทางการแพทย์ก็เหมือนวงซิมโฟนีออร์เคสตร้าที่นักดนตรีต้องจับเครื่องดนตรีหลายประเภทมาบรรเลงเพลงร่วมกัน เทียบได้กับแพทย์และนักวิทยาศาสตร์ข้อมูลที่ต้องทำงานร่วมกัน

"แพทย์เล่นไวโอลิน อีกคนเล่นวิโอล่า กับอีกคนเล่นเชลโล่ โอเค...มันอาจเป็นเซกชันใหม่ของการดูแลสุขภาพ ส่วนนักวิทยาศาสตร์ข้อมูลก็มาเล่นเครื่องเป่า โดยที่แพทย์ไม่ต้องไปเล่นเครื่องเป่า ไม่ต้องไปใช้เวลาศึกษาหรือฝึกฝนอย่างน้อยก็  1,000 ชั่วโมง เพียงแค่นั่งเก้าอี้ตัวเดิมแล้วเล่นไวโอลินให้ดียิ่งๆ ขึ้นไป เหมือนกับการตรวจที่ยิ่งตรวจก็ยิ่งเก่งขึ้น"

ต่อด้วยการตอกย้ำว่า การประยุกต์ใช้ข้อมูลและ AI เป็นเรื่องสำคัญมากสำหรับวงการแพทย์และสาธารณสุข ดังที่ ชาร์ลส์ ดาร์วิน กล่าวไว้ว่า 'ผู้ที่ปรับตัวให้เข้ากับสภาพแวดล้อมได้ดีที่สุด จะเป็นผู้อยู่รอด' และยังบอกอีกว่า

ประเทศไทยกำลังก้าวสู่ ยุคข้อมูลพื้นฐานที่เป็นอิเล็กทรอนิกส์ (Electronic Database Data) บางครั้งมันก็ยากมากๆ ทำให้สับสนมาก แต่โรงพยาบาลก็ต้องเริ่มทำ

Alfonso Limon (PhD) Faculty at the American Board of Al in Medicine and Principal Consultant at ONEIRIX LABS

"ในท้ายที่สุด ผมคิดว่ามันจะเป็น ข้อมูลสังเคราะห์ (Synthetic Data) ที่เกี่ยวพันกับข้อมูลที่คุณรวบรวมเอาไว้ ซึ่งไม่ใช่ข้อมูลจริงของผู้ป่วยทั้งหมด แต่มันจะสะท้อนข้อมูลผู้ป่วยจริงไปยัง AI" ดร.ชางกล่าว

ต่อมา อัลฟองโซยกตัวอย่างการใช้ข้อมูลสังเคราะห์ เช่น การหาแนวโน้มของผู้ที่จะเป็นโรคเบาหวาน สามารถเรียนรู้ได้จากข้อมูลประชากรแยกย่อยที่แพทย์กำลังเผชิญ ซึ่งอาจแตกต่างกันไปในแต่ละจังหวัด

นี่เป็นเพียงส่วนหนึ่งของคอนเทนต์ที่ทีมเทคซอสนำมาฝากจากงาน AI in MED Conference 2023 ซึ่งทำให้ผู้เขียนเห็นในมิติที่ลึกขึ้นว่า เทคโนโลยี AI มีศักยภาพหลากหลายด้านและสามารถพลิกโฉมวงการแพทย์ให้ก้าวหน้าได้หลายแนวทาง ไม่ว่าจะเป็นใช้ AI เพื่อให้ผู้ป่วยซึ่งอยู่ในพื้นที่ห่างไกลสามารถพบแพทย์และรับการรักษาผ่านทาง Telemedicine, แพทย์สามารถใช้เทคโนโลยี AI ผ่าตัดผู้ป่วยจากระยะไกลได้อย่างทันท่วงที, แพทย์สามารถเรียนรู้การผ่าตัดผ่านเทคโนโลยี Digital Twins, แพทย์ใช้ข้อมูลที่ AI ช่วยวิเคราะห์คาดการณ์มาประกอบการรักษาเพื่อเพิ่มความแม่นยำยิ่งขึ้น หรือจะใช้ความอัจฉริยะของ AI ช่วยบริหารจัดการระบบดูแลสุขภาพและสาธารณสุข เพื่อลดบทบาทการเป็น 'เดอะแบก' ของบุคลากรทางการแพทย์ได้ก็จะยิ่งดีต่อทุกฝ่ายและทุกคน ตลอดจนเป็นโอกาสสำคัญของอุตสาหกรรมการแพทย์และการท่องเที่ยวเชิงสุขภาพที่จะดึงดูดเม็ดเงินจากชาวต่างชาติที่เลือกมารับการรักษาจากแพทย์และโรงพยาบาลในประเทศไทยอีกด้วย