AI กำลังเข้ามาช่วยแก้ข้อจำกัดของระบบสุขภาพไทย ทั้งการอ่านภาพทางการแพทย์ การคัดกรองสุขภาพจิต และการติดตามผู้ป่วยที่บ้าน โดย Perceptra ระบุว่ามีโรงพยาบาลใช้ระบบแล้ว 640 แห่ง ขณะที่ D-MIND มีการใช้งานประมาณหนึ่งล้านครั้ง ส่วน Mr. Rehab ใช้กล้องโทรศัพท์มือถือช่วยติดตามการทำกายภาพบำบัด เทคโนโลยีเหล่านี้เปิดโอกาสให้คัดกรองและดูแลคนได้มากขึ้น แต่ผลที่เกิดกับผู้ป่วยยังขึ้นอยู่กับการส่งต่อเข้ารักษาและการติดตามอย่างต่อเนื่อง
วงเสวนา “Digital AI to Care จากข้อมูลสุขภาพ สู่การดูแลที่ดีกว่า” ในงาน Thailand HealthTech NEXT ขับเคลื่อนนวัตกรรมสุขภาพ สู่เศรษฐฏิจใหม่ของไทย จัดโดยธนาคารทิสโก้ นำเสนอตัวอย่างการใช้เทคโนโลยีท่ามกลางปัญหาผู้ป่วยจำนวนมากและเวลาของบุคลากรที่จำกัด ตั้งแต่การค้นหาความผิดปกติก่อนผู้ป่วยมีอาการชัดเจน ไปจนถึงการเก็บข้อมูลระหว่างใช้ชีวิตประจำวัน เพื่อให้แพทย์มีข้อมูลประกอบการดูแลมากกว่าการพบผู้ป่วยเฉพาะวันที่มาตรวจ
Perceptra ใช้ AI อ่านภาพใน 640 โรงพยาบาล
พิชญา พู่พิสุทธิ์ CEO & Co-Founder Perceptra ผู้พัฒนา AI ช่วยอ่านภาพทางการแพทย์ กล่าวว่า บริษัทนำระบบไปใช้แล้วในโรงพยาบาล 640 แห่งทั่วประเทศ ตั้งแต่โรงเรียนแพทย์ โรงพยาบาลชุมชน ไปจนถึงโรงพยาบาลในพื้นที่ห่างไกล โดย AI ทำงานร่วมกับแพทย์ ช่วยตรวจหาจุดที่อาจมีความผิดปกติในภาพ เพื่อให้แพทย์พิจารณาควบคู่กับประวัติและข้อมูลของผู้ป่วย ระบบครอบคลุมภาพเอกซเรย์ทรวงอก ภาพแมมโมแกรม ภาพซีทีสมอง และภาพจอประสาทตาสำหรับคัดกรองผู้ป่วยเบาหวาน
ข้อจำกัดสำคัญ คือจำนวนภาพที่ต้องอ่านเพิ่มขึ้น ขณะที่แพทย์มีเวลาต่อผู้ป่วยแต่ละรายจำกัด สุพิชญาเล่าว่า ช่วงแรกบริษัทเปิดระบบตามเวลาราชการ แต่โรงพยาบาลขอให้ขยายเวลาไปถึงช่วงค่ำและกลางคืน เพราะ AI ช่วยเตือนความผิดปกติในภาพที่แพทย์อาจมองข้ามเมื่อเหนื่อยล้า บางกรณีแพทย์นำจุดที่ระบบเตือนไปซักประวัติและตรวจเพิ่มเติมจนพบมะเร็ง การใช้งานจริงจึงทำให้โรงพยาบาลเห็นประโยชน์และต้องการใช้ระบบต่อเนื่อง
สุพิชญายกตัวอย่างการนำ AI ไปช่วยคัดกรองวัณโรค ซึ่งสามารถตรวจประชาชนได้ 8,000 คนภายใน 3 วัน และระหว่างการคัดกรอง ยังพบผู้ป่วยมะเร็งปอดระยะต้นหลายรายที่เดิมไม่ได้คิดจะไปโรงพยาบาล การขยายการคัดกรองจึงเพิ่มโอกาสค้นพบความผิดปกติในคนที่ยังไม่เข้าสู่ระบบรักษา พร้อมเปิดทางให้ได้รับการประเมินและรักษาเร็วขึ้น แทนการรอจนมีอาการแล้วจึงมาพบแพทย์
เมื่อระบบกระจายอยู่ในหลายพื้นที่ ข้อมูลจากการอ่านภาพยังช่วยให้มองเห็นสถานการณ์สุขภาพระดับประชากรได้มากขึ้น ทั้งการกระจายของความผิดปกติ และพื้นที่ที่ควรให้ความสำคัญกับการคัดกรอง สุพิชญามองว่า ข้อมูลเหล่านี้สามารถใช้ประกอบการจัดสรรบุคลากร และทรัพยากรให้ตรงกับปัญหา พร้อมเสนอให้ AI เป็นส่วนหนึ่งของโครงสร้างพื้นฐานด้านสุขภาพ เพื่อรองรับการป้องกันโรคและการคัดกรองเชิงรุกในวงกว้าง
D-MIND คัดกรองสุขภาพจิต เชื่อมต่อความช่วยเหลือ
รศ.ดร.พญ.โสฬพัทธ์ เหมรัญช์โรจน์ แพทย์ผู้ดูแลผู้ป่วยอัลไซเมอร์และรองคณบดีด้านนวัตกรรม คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย กล่าวว่า การเข้าถึงบริการเป็นปัญหาสำคัญของระบบสุขภาพ แม้มีการผลิตแพทย์เพิ่ม แต่จำนวนผู้ต้องการรับบริการยังสูง โดยเฉพาะสุขภาพจิตที่บุคลากรและคู่สายโทรศัพท์รองรับผู้ติดต่อได้ไม่ทัน ขณะที่ผู้มีความคิดฆ่าตัวตายบางรายต้องการความช่วยเหลือในช่วงเวลานั้น ไม่สามารถรอคิวเป็นเวลานานได้
ปัญหานี้นำมาสู่การพัฒนา D-MIND ซึ่งใช้ AI วิเคราะห์ข้อมูลจากคำพูด น้ำเสียง และใบหน้า เพื่อคัดกรองความรุนแรงของภาวะซึมเศร้าและความเสี่ยงต่อการฆ่าตัวตาย รศ.ดร.พญ.โสฬพัทธ์ระบุว่า ระบบเปิดให้ใช้งานผ่านหมอพร้อม มีการใช้งานแล้วประมาณหนึ่งล้านครั้ง และในช่วงห้าปีที่ผ่านมาได้ช่วยเหลือผู้มีภาวะอยากฆ่าตัวตายประมาณ 12,000 คน เมื่อพบผู้มีภาวะซึมเศร้ารุนแรง ระบบจะเชื่อมต่อไปยังสายด่วนสุขภาพจิตเพื่อให้มีผู้เข้าถึงภายใน 24 ชั่วโมง
“รู้ว่าเป็นซึมเศร้าแต่ช่วยเขาไม่ได้ รู้ว่าอยากพบหมอแต่ก็ต้องรอคิว ไม่มีประโยชน์” รศ.ดร.พญ.โสฬพัทธ์กล่าว โดยเน้นว่าการพัฒนาเทคโนโลยีต้องเชื่อมการคัดกรองเข้ากับบริการที่ช่วยเหลือผู้ใช้ได้จริง ขณะเดียวกัน ข้อมูลจากระบบยังนำมาวิเคราะห์เพื่อดูปัญหาในแต่ละกลุ่มวัยและพื้นที่ ส่วนผู้ที่มีอาการไม่รุนแรงมีแนวทางพัฒนาแชตบอตเพื่อช่วยบรรเทาปัญหาเบื้องต้น ก่อนเชื่อมต่อเข้ารับบริการเมื่อมีโอกาส รวมถึง Mindful Hub ที่ออกแบบร่วมกับนิสิตแพทย์และมีช่องทางเข้าถึงนักจิตวิทยา
AI เพิ่มโอกาสพบความผิดปกติตั้งแต่ระยะแรก
ในงานดูแลผู้มีความเสี่ยงด้านความจำ รศ.ดร.พญ.โสฬพัทธ์ได้พัฒนา Digital Thai Auto MoCA โดยนำ AI มาช่วยลดข้อจำกัดของแบบทดสอบเดิมที่ต้องอาศัยบุคลากรผ่านการฝึกอบรม ระบบใช้งานผ่าน iPad และประมวลผลได้ ทำให้พาเครื่องมือออกไปคัดกรองประชาชนในพื้นที่ต่าง ๆ ได้สะดวกขึ้น โดยระบุว่ามีการใช้งานแล้วหลายพันครั้ง เป้าหมายคือเพิ่มโอกาสพบความบกพร่องทางการรู้คิดตั้งแต่ระยะแรก เพื่อให้เข้าสู่การประเมินและดูแลต่อ
รศ.ดร.พญ.โสฬพัทธ์ยังยกตัวอย่างแนวทางใช้ AI ช่วยคัดกรองด้วยอัลตราซาวนด์ในโรงพยาบาลชุมชน โดยเฉพาะพื้นที่ที่ขาดแคลนรังสีแพทย์ หากตรวจพบก้อนหรือความผิดปกติ ก็สามารถส่งผู้มีความเสี่ยงไปพบแพทย์ได้เร็วขึ้น บทบาทของเทคโนโลยีจึงอยู่ที่การเพิ่มโอกาสเข้าถึงการตรวจและช่วยจัดลำดับการส่งต่อ ส่วนการวางแผนรักษาและดูแลผู้ป่วยยังต้องอาศัยแพทย์
Mr. Rehab ติดตามกายภาพบำบัดผ่านกล้องมือถือ
การดูแลหลังผู้ป่วยกลับบ้านเป็นอีกช่วงที่ติดตามได้ยาก ธนกฤษ สายพันธ์ ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหาร Mr. Rehab กล่าวว่า ผู้ป่วยที่ได้รับคำแนะนำให้ทำกายภาพบำบัดที่บ้านอาจทำท่าไม่ถูกต้อง ขาดกำลังใจ หรือไม่ได้ฝึกตามที่กำหนด เมื่อกลับมาพบแพทย์จึงมีข้อมูลจำกัดว่าในช่วงที่ผ่านมาได้ฝึกจริงหรือไม่และฝึกอย่างไร Mr. Rehab จึงใช้ AI วิเคราะห์การเคลื่อนไหวผ่านกล้องโทรศัพท์มือถือ เพื่อช่วยตรวจสอบท่าฝึกและส่งผลกลับให้แพทย์ติดตาม
แพทย์กำหนดท่าฝึกผ่านเว็บแอปพลิเคชัน ส่วนผู้ป่วยเข้าถึงผ่าน LINE OA ของโรงพยาบาล แล้วใช้โทรศัพท์ของตนเองหรือญาติตั้งกล้องระหว่างฝึก ธนกฤษระบุว่า โทรศัพท์ระดับราคาประมาณ 2,000–3,000 บาทก็ใช้งานได้ โครงการพัฒนาร่วมกับอาจารย์จากจุฬาลงกรณ์มหาวิทยาลัยและศิริราช ผ่านกระบวนการวิจัยและการทดลองทางคลินิกก่อนให้บริการเชิงพาณิชย์ โดยโรงพยาบาลและคลินิกที่ใช้งานแล้วรวมกับที่กำลังจะนำระบบเข้าใช้มีมากกว่า 100 แห่ง
อย่างไรก็ตาม ช่วงแรกผู้สูงอายุใช้งานระบบได้ยาก และแพทย์พบปัญหาการกรอกข้อมูล ทีมงานจึงใช้เวลาเกือบหนึ่งปีปรับรูปแบบการใช้งาน ก่อนเริ่มมีผู้ใช้ต่อเนื่องส 3-4 เดือน ธนกฤษยกตัวอย่างผู้ป่วยโรคหลอดเลือดสมองรายหนึ่งที่แจ้งกลับมาว่าใช้งานทุกวันประมาณสี่เดือนและมีอาการดีขึ้น ประสบการณ์จากผู้ใช้รายนี้สะท้อนความสำคัญของการออกแบบให้ฝึกได้ต่อเนื่อง ขณะที่การติดตามผ่านระบบช่วยให้แพทย์มีข้อมูลระหว่างช่วงนัดหมายมากขึ้น
อุปกรณ์สวมใส่ช่วยแพทย์เลือกตรวจและติดตามสุขภาพ
นพ.นรศักดิ์ สุวจิตตานนท์ อายุรศาสตร์โรคหัวใจ และเวชศาสตร์การกีฬา (Sport Cardiology) โรงพยาบาลสมิติเวช สุขุมวิท กล่าวว่า อุปกรณ์สวมใส่ช่วยให้แพทย์เห็นข้อมูลสุขภาพต่อเนื่องจากชีวิตประจำวัน เพิ่มเติมจากข้อมูลเฉพาะวันที่ผู้ป่วยมาตรวจ เช่น เมื่อมีอาการใจสั่นหรือมีปัญหาการนอน แพทย์สามารถย้อนดูว่าช่วงเวลานั้นอุปกรณ์บันทึกสัญญาณอะไรไว้ แม้ข้อมูลจากอุปกรณ์บางชนิดยังไม่ใช่ผลตรวจจากเครื่องมือแพทย์ที่ใช้แปลผลได้โดยตรง แต่เป็นเบาะแสให้เลือกตรวจเพิ่มเติมได้ตรงจุดขึ้น ช่วยลดการตรวจที่ไม่จำเป็นและประหยัดเวลาของผู้ป่วย
อุปกรณ์เหล่านี้ยังช่วยติดตาม และกระตุ้นการออกกำลังกาย ทั้งการบันทึกว่าทำกิจกรรมได้ตามเป้าหมายหรือไม่ และการเห็นกิจกรรมของเพื่อนที่อาจสร้างแรงจูงใจให้ทำต่อเนื่อง อย่างไรก็ตาม นพ.นรศักดิ์เน้นว่า คำแนะนำต้องเหมาะกับสภาพร่างกาย โรคประจำตัว ความชอบ และวิถีชีวิตของแต่ละคน เพราะการรู้ว่าควรออกกำลังกายไม่ได้หมายความว่าจะนำไปทำได้จริงเสมอไป เป้าหมายจึงต้องทำให้การดูแลสุขภาพเกิดขึ้นอย่างสม่ำเสมอในชีวิตประจำวัน
อีกด้านหนึ่ง ข้อมูลจาก AI อาจเพิ่มความกังวลให้ผู้ป่วย หากได้รับคำตอบที่ครอบคลุมโรคหลายระดับความรุนแรงโดยไม่เข้าใจความเสี่ยงของตนเอง และอาจนำไปสู่การขอตรวจเพิ่มเติมโดยไม่จำเป็น นพ.นรศักดิ์จึงมองว่า เทคโนโลยีควรช่วยให้ประชาชนได้รับข้อมูลที่ถูกต้องและนำไปใช้ได้เหมาะสม พร้อมขยายการเข้าถึงไปถึงผู้ที่ขาดแคลนอุปกรณ์และโอกาสรับบริการ เพื่อให้การคัดกรอง การรักษา และการติดตามสุขภาพครอบคลุมประชาชนได้มากขึ้น
ข่าวอื่น ๆ ที่น่าสนใจ
Red Hat เปิดศูนย์ AI CoE ในสิงคโปร์ ปักหมุดศูนย์กลางนวัตกรรม AI ระดับภูมิภาค
Omise เปิด Mirai Flash ผู้ช่วย AI Coworker เชื่อมระบบองค์กร
อว. ดัน HealthTech ไทย เร่งงานวิจัยสู่ตลาด ต่อยอดชิปและ AI การแพทย์
