ประเทศไทยกำลังยืนอยู่บนปากเหวแห่งโอกาสในยุคดิจิทัล เมื่อ “ดาต้า” และ “ขีดความสามารถทางการแพทย์” กลายเป็นสินทรัพย์ที่มีค่ามหาศาล ทว่านวัตกรรมปัญญาประดิษฐ์หรือ AI ฝีมือคนไทยจำนวนมากกลับต้องเผชิญกับ “หุบเหวมรณะ” ที่ทำให้ผลงานวิจัยนับพันล้านบาทต้องหยุดชะงักและตายไปก่อนจะถึงมือคนไข้จริง การก้าวข้ามกำแพงมาตรฐานที่ซับซ้อนและปัญหาการเข้าถึงข้อมูลมหาศาลจึงไม่ใช่เพียงแค่โจทย์ทางเทคนิค แต่เป็นสงครามความอยู่รอดของเศรษฐกิจสุขภาพไทยในอนาคต
วิกฤติคอขวดและกำแพงมาตรฐาน
ดร.ชัย วุฒิวิวัฒน์ชัย ผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC) เปิดเผยถึงประสบการณ์การทำงานร่วมกับภาคีเครือข่ายความร่วมมือด้าน AI ทางการแพทย์ (Medical AI Consortium) ในช่วง 3 ปีที่ผ่านมาว่า ปัญหาหลักที่ทำให้นวัตกรรมเหล่านั้นไม่สามารถไปต่อได้คือการที่ข้อมูลมีขนาดไม่ใหญ่พอและไม่ครอบคลุมเพียงพอ ส่งผลให้โมเดลที่พัฒนาขึ้นขาดความน่าเชื่อถือและไม่สามารถผ่านการรับรองจากสำนักงานคณะกรรมการอาหารและยา (อย.) ได้ ซึ่งเป็นผลสืบเนื่องโดยตรงจากคุณภาพของข้อมูล
นอกจากนี้ กระบวนการยื่นขอจดแจ้งเป็นเครื่องมือแพทย์ยังมีรายละเอียดซับซ้อนตามประกาศของอย.ซึ่งระบุให้ AI ทางการแพทย์เป็นเครื่องมือแพทย์ที่ต้องผ่านการทดสอบตามเกณฑ์ Full CSDT ถึง 9 ข้อ แม้การใช้งานภายในโรงพยาบาลต้นสังกัดจะสามารถทำได้ในลักษณะการทดสอบภายใน แต่หากต้องการขยายผลข้ามโรงพยาบาลหรือทำในเชิงพาณิชย์จำเป็นต้องขึ้นทะเบียนอย่างถูกต้อง ปัญหานี้กลายเป็นกำแพงสูงสำหรับคุณหมอและนักวิจัยที่มีแรงบันดาลใจแต่ขาดกำลังคนและงบประมาณในการทำข้อมูลอ้างอิง รวมถึงไม่มีผู้ช่วยสนับสนุนในกระบวนการทางกฎหมายที่มีรายละเอียดมหาศาล ทำให้ผลงานส่วนใหญ่หยุดชะงักอยู่เพียงแค่ในคลินิกส่วนตัวหรือห้องแล็บเท่านั้น
“แพทย์หลายท่านมีความมุ่งมั่นที่จะพัฒนา AI ให้ใช้งานได้ดีในคลินิกของตนเอง แต่เมื่อต้องการขยายผลสู่ระดับกว้างกลับต้องเผชิญความเหนื่อยล้าจนแทบจะเป็นไปไม่ได้เลยที่จะขับเคลื่อนให้เป็นธุรกิจระดับประเทศหากไร้ซึ่งกลไกช่วยเหลือ”
กลไกแบ่งปันข้อมูลและระบบทดสอบ
เพื่อทลายข้อจำกัดดังกล่าว เครือข่ายความร่วมมือนี้จึงได้มุ่งเน้นการดำเนินงานผ่านระบบแบ่งปันข้อมูล (Data Sharing Platform) ที่ออกแบบมาอย่างเป็นระบบ โดยมีการจัดเก็บข้อมูลในคลังข้อมูลกลาง (Data Dam( ที่รวบรวมภาพทางการแพทย์ไว้ถึง 3 ล้านภาพ ครอบคลุม 9 กลุ่มโรคสำคัญ ได้แก่ โรคทรวงอก มะเร็งเต้านม โรคตา โรคในช่องท้อง โรคผิวหนัง โรคหลอดเลือดสมอง มะเร็งศีรษะและลำคอ มะเร็งต่อมลูกหมาก และโรคกระดูกพรุน
โครงสร้างการเข้าถึงข้อมูลถูกแบ่งออกเป็น 2 ระดับ คือระดับข้อมูลสาธารณะที่เปิดให้ผู้ที่ลงทะเบียนสามารถดาวน์โหลดไปใช้งานได้ทันที และระดับข้อมูลตามเงื่อนไข สำหรับสมาชิกในเครือข่าย เพื่อสร้างแรงจูงใจให้เกิดการไหลเข้าของข้อมูลใหม่ ๆ อย่างต่อเนื่อง
นอกจากนี้ ยังมีการสนับสนุนเครื่องมือช่วยเตรียมข้อมูลที่เป็นมาตรฐานสากลและซูเปอร์คอมพิวเตอร์ “ลันตา” ภายใต้การดูแลของสำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) เพื่อช่วยลดภาระต้นทุนมหาศาลในการประมวลผลและฝึกฝนโมเดล (Training) ให้แก่นักวิจัย
ในส่วนของระบบสนับสนุนการทดสอบมาตรฐาน ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC) ได้ปรับบทบาทหน่วยงานทดสอบซอฟต์แวร์ ซึ่งได้รับมาตรฐาน ISO 17025 ให้เข้ามาทำหน้าที่ทดสอบมาตรฐาน AI ใน 3 ประเภทหลัก ได้แก่ AI ในอุปกรณ์ไอโอที (IoT) ระบบชีวมาตร (Biometrics) และเน้นหนักที่ AI ทางการแพทย์ กลไกนี้เข้ามาช่วยอย. ที่แต่เดิมไม่มีห้องปฏิบัติการทดสอบภายในและต้องพึ่งพาการส่งตรวจที่ต่างประเทศ ซึ่งมีความล่าช้าและค่าใช้จ่ายสูง
นอกจากนี้ ยังมีความร่วมมือกับศูนย์ทดสอบผลิตภัณฑ์ไฟฟ้าและอิเล็กทรอนิกส์ (PTEC) เพื่อรองรับการทดสอบด้านฮาร์ดแวร์และคลื่นแม่เหล็กไฟฟ้าในอนาคต ทำให้กระบวนการตรวจสอบคุณภาพเกิดขึ้นได้อย่างรวดเร็วและครบวงจรมากขึ้น
ผลลัพธ์ความร่วมมือและการใช้งานจริง
จากรากฐานที่มั่นคงทำให้เกิดผลสัมฤทธิ์ที่เป็นรูปธรรมผ่านความร่วมมือทวิภาคีระหว่างสมาชิกในเครือข่าย ปัจจุบันมี AI โมเดลที่อยู่ระหว่างการพัฒนาร่วมกันไม่น้อยกว่า 10 รูปแบบ โดยมีความก้าวหน้าสำคัญคือมี 2 โมเดลที่สามารถก้าวข้ามสู่ขั้นตอนการทดสอบใช้งานและอยู่ระหว่างการยื่นขอรับรองจากอย. ซึ่งถือเป็นตัวเร่งสำคัญในการนำเทคโนโลยีออกสู่ตลาด
หนึ่งในตัวอย่างที่เห็นผลชัดเจนคือระบบตรวจคัดกรองความผิดปกติในภาพถ่ายรังสีทรวงอก (RAMAAI CXR Solution) ของโรงพยาบาลรามาธิบดี ที่ปัจจุบันได้ขยายผลไปสู่การทดสอบใช้งานจริงในโรงพยาบาล 14 แห่งภายใต้สังกัดกรมการแพทย์ หากผลการทดสอบเป็นที่น่าพอใจ จะนำไปสู่การจัดสรรงบประมาณเพื่อขยายผลในระดับประเทศต่อไป
ความสำเร็จไม่ได้จำกัดอยู่เพียงแค่การพัฒนาซอฟต์แวร์ แต่ยังครอบคลุมถึงการสร้างระบบนิเวศการใช้งานจริงผ่านเครือข่ายโรงพยาบาลที่พร้อมเป็นแหล่งทดสอบทางคลินิก โดยมีกรมการแพทย์เป็นแกนกลางในการสนับสนุนพื้นที่ทดสอบ
นอกจากนี้ ข้อมูลทางการแพทย์ที่รวบรวมได้ยังถูกนำมาใช้เป็นทรัพยากรหลักในการพัฒนาบุคลากร โดยมีการจัดอบรมสร้างทักษะการพัฒนา AI ทางการแพทย์ให้แก่ผู้ที่เกี่ยวข้องไปแล้วอย่างน้อย 341 คน กระบวนการเหล่านี้ส่งผลให้เกิดชุมชนนักพัฒนาแบบเปิดที่เอื้อให้สมาชิสามารถนำโมเดลไปทดสอบข้ามหน่วยงานได้อย่างเสรี ซึ่งเป็นปัจจัยสำคัญในการยกระดับมาตรฐาน AI ไทยให้ทัดเทียมสากล
ความปลอดภัยและการพึ่งพาตนเอง
ประเด็นความปลอดภัยและความมั่นใจในการแลกเปลี่ยนข้อมูลยังคงเป็นหัวใจสำคัญที่ต้องบริหารจัดการอย่างระมัดระวัง ดร.ชัย ชี้ว่าแม้จะมีระบบธรรมาภิบาลข้อมูล (Data Governance) ที่รัดกุม แต่ความกังวลในการส่งข้อมูลออกนอกหน่วยงานยังคงมีอยู่สูง เพื่อทลายกำแพงนี้ เครือข่ายจึงได้นำนวัตกรรมการแบ่งปันข้อมูลในรูปแบบต่าง ๆ มาใช้ เช่น การแชร์เฉพาะข้อมูล Metadata ก่อนจะมีการส่งข้อมูลจริงตามคำขอเป็นกรณีไป หรือการใช้แนวคิดการเรียนรู้แบบกระจายศูนย์ ซึ่ง AI จะถูกส่งไปฝึกฝนด้วยข้อมูลภายในโรงพยาบาลโดยตรงและส่งเพียงผลลัพธ์กลับมายังส่วนกลาง วิธีการเหล่านี้นอกจากจะช่วยรักษาความเป็นส่วนตัวของข้อมูลคนไข้แล้ว ยังช่วยสร้างความเชื่อมั่นให้แก่องค์กรในการเข้าร่วมเป็นส่วนหนึ่งของฐานข้อมูลขนาดใหญ่อีกด้วย
ในมิติของความยั่งยืน ความท้าทายสำคัญคือการรักษามาตรฐานความน่าเชื่อถือของโมเดล AI ในระยะยาว เนื่องจากการฝึกฝน AI ไม่สามารถทำให้ครอบคลุมข้อมูลทุกรูปแบบได้ในครั้งเดียว แต่ต้องเป็นการพัฒนาแบบสะสม การสร้างเครือข่ายโรงพยาบาลชุมชนเพื่อทำหน้าที่ตรวจสอบความถูกต้อง (Validation) อย่างต่อเนื่อง จึงเป็นกุญแจสำคัญที่ทำให้อย. มีความมั่นใจในการรับรองเวอร์ชันใหม่ ๆ ของโมเดลที่มีความแม่นยำสูงขึ้น
อย่างไรก็ตาม ดร.ชัย ย้ำเตือนว่านวัตกรรมไทยต้องเผชิญกับสงครามราคาจากต่างประเทศที่มักเสนอซอฟต์แวร์ AI พ่วงกับฮาร์ดแวร์แบบไม่คิดมูลค่า
“หากเราไม่ส่งเสริมกันเองในประเทศ ท้ายที่สุดแล้วนวัตกรรมไทยย่อมยากจะยืนหยัดอยู่ได้ ท่ามกลางการแข่งขันที่ผลิตภัณฑ์ต่างประเทศมักแถมซอฟต์แวร์มาพร้อมกับฮาร์ดแวร์ ภาครัฐจึงจำเป็นต้องสร้างแรงจูงใจและตลาดใหม่ให้แก่เทคโนโลยีฝีมือคนไทยอย่างจริงจัง”
เป้าหมาย CoE การแพทย์สาธารณสุข
ก้าวต่อไปที่สำคัญคือการยกระดับความสำเร็จของ Medical AI Consortium สู่การจัดตั้งศูนย์กลางความเป็นเลิศ (Center of Excellence หรือ CoE) ทางด้านการแพทย์และสาธารณสุขในประเทศไทยอย่างเต็มรูปแบบ ภายใต้คณะกรรมการ AI แห่งชาติได้เริ่มมีการเสนอแนวคิดนี้เพื่อสร้างพื้นที่กลางในการรวบรวมทุกภาคส่วนที่มีเป้าหมายเดียวกันให้มาทำงานร่วมกันอย่างมีระบบ เนื่องจากความซับซ้อนของระบบนิเวศนวัตกรรมในปัจจุบันมีความซ้อนทับกันสูง การสร้างศูนย์กลางนี้จะช่วยลดความซ้ำซ้อนและเสริมสร้างพลังในการขับเคลื่อนนวัตกรรมไทยให้มีแรงส่งที่แรงกว่าเดิม
ดร.ชัย เชื่อมั่นว่าเครือข่ายที่ดำเนินงานมาตลอด 3 ปีนี้จะเป็นประกายไฟสำคัญที่ช่วยจุดกระแสการยกระดับเทคโนโลยีสุขภาพของไทย ท่ามกลางความท้าทายและการมีกลุ่มทำงานที่หลากหลาย การร่วมมือกันภายใต้โครงสร้างที่แข็งแกร่งจะช่วยให้ประเทศไทยสามารถแข่งขันได้ในระดับสากลและสร้างระบบเศรษฐกิจใหม่ที่พึ่งพาตนเองได้อย่างยั่งยืน โดยมุ่งหวังให้เทคโนโลยีฝีมือคนไทยไม่ได้เป็นเพียงทางเลือก แต่เป็นแกนกลางสำคัญในการยกระดับคุณภาพชีวิตของประชาชนในระยะยาว
