AI สามารถช่วยแพทย์ค้นหาข้อมูลได้เร็วขึ้น ลดงานเอกสาร ช่วยสื่อสารข้อมูลทางการแพทย์ให้ผู้ป่วยเข้าใจง่ายขึ้น และลดเวลาที่ใช้ในการพบแพทย์ แต่ก่อนจะไปถึงจุดนั้น ระบบสุขภาพต้องจัดการโจทย์พื้นฐานให้ได้ก่อน นั่นคือข้อมูลจากโรงพยาบาล คลินิก ห้องปฏิบัติการ และระบบต่าง ๆ ต้องเชื่อมโยงและนำมาใช้ร่วมกันได้ เพราะ AI จะสร้างประโยชน์ได้มากน้อยเพียงใดขึ้นอยู่กับข้อมูลที่ระบบสามารถเข้าถึงได้
เซียโน บรุสเตีย (Luciano Brustia) กรรมการผู้จัดการประจำภูมิภาคเอเชียแปซิฟิก InterSystems กล่าวในงาน InterSystems Asia READY 2026 ซึ่งจัดขึ้นที่กรุงเทพฯ ภายใต้แนวคิด “Are You READY for the Future?” ว่า การพูดถึง AI ในวงการสาธารณสุขต้องก้าวจากคำถามว่า AI ทำอะไรได้ในทางทฤษฎี ไปสู่การพิจารณาว่า AI สามารถสร้างคุณค่าที่มีความหมายได้จริงตรงไหน โดยการนำ AI มาใช้อย่างมีประสิทธิภาพจำเป็นต้องอาศัยข้อมูลที่ถูกต้อง เชื่อถือได้ และมีบริบทที่เหมาะสม
“การพูดถึง AI ในวงการสาธารณสุขจำเป็นต้องก้าวข้ามจากคำถามว่า AI สามารถทำอะไรได้ในทางทฤษฎี ไปสู่การพิจารณาว่า AI สามารถสร้างคุณค่าที่มีความหมายได้จริงในจุดใดบ้าง”
ข้อมูลต้องเชื่อมถึงกันก่อนนำ AI มาใช้จริง
โรงพยาบาลสร้างและจัดเก็บข้อมูลจำนวนมากจากหลายระบบ ตั้งแต่เวชระเบียนอิเล็กทรอนิกส์ หรือ Electronic Health Record (EHR) ห้องปฏิบัติการ ระบบภาพทางการแพทย์ ระบบบริหารจัดการ อุปกรณ์ที่เชื่อมต่อกับเครือข่าย ไปจนถึงข้อมูลจากแหล่งอื่น เมื่อข้อมูลเหล่านี้ยังถูกเก็บแยกจากกัน องค์กรด้านสุขภาพอาจไม่สามารถเห็นภาพรวมของผู้ป่วยและการดำเนินงานได้ครบถ้วน รวมถึงมีข้อจำกัดในการประสานการดูแลผู้ป่วยระหว่างหน่วยงาน
ดอน วูดล็อก (Don Woodlock) ประธาน InterSystems กล่าวว่า ระบบ EHR ของบริษัทเป็นระเบียนข้อมูลแบบเดี่ยวในระดับองค์กร โดยนำข้อมูลจากโรงพยาบาล คลินิก ห้องปฏิบัติการ และระบบอื่นที่เกี่ยวข้องมารวมไว้ในฐานข้อมูลกลาง พร้อมปรับมาตรฐานข้อมูลให้อยู่ในรูปแบบเดียวกัน การมีรากฐานข้อมูลที่ดีมีความสำคัญต่อ AI เพราะการนำ AI มาใช้ด้านสุขภาพจำเป็นต้องเชื่อมเข้ากับข้อมูลพื้นฐาน เพื่อให้ระบบสามารถเข้าถึงข้อมูลที่เกี่ยวข้องและตอบคำถามได้อย่างสมบูรณ์
การนำข้อมูลจากหลายแหล่งมาไว้ด้วยกันจึงยังไม่เพียงพอ ระบบต่าง ๆ ต้องสามารถแลกเปลี่ยนและเข้าใจข้อมูลระหว่างกันได้ คุณลูเซียโนอธิบายว่า Interoperability เปรียบได้กับคน 2 คนที่พูดกันคนละภาษา หากคนหนึ่งพูดภาษาไทยและอีกคนพูดภาษาอิตาลี ทั้ง 2 ฝ่ายจำเป็นต้องมีภาษากลางเพื่อสื่อสารกัน สำหรับระบบสุขภาพ เขายก FHIR หรือ Fast Healthcare Interoperability Resources เป็นภาษากลางที่ช่วยให้ระบบสามารถเชื่อมโยงข้อมูลและนำไปใช้ต่อได้
ปัญหาของประเทศไทยอยู่ที่การมี Data Silos หรือข้อมูลที่ถูกเก็บแยกส่วนกันมากเกินไป โดยเฉพาะเมื่อออกไปนอกกรุงเทพฯ หรือในพื้นที่ชนบท ลูเซียโน มองว่า ไทยต้องเริ่มทลายไซโลเหล่านี้และสร้างระบบเชื่อมโยงข้อมูลที่แข็งแกร่งขึ้น ซึ่งสอดคล้องกับโจทย์ที่ DataOne พยายามแก้ผ่านการนำข้อมูลจากหลายแหล่งมารวมและปรับให้อยู่ในรูปแบบที่สามารถทำงานร่วมกันได้
AI ลดเวลาค้นข้อมูลเพิ่มเวลาให้การรักษา
ผลจากการเชื่อมข้อมูลสามารถเห็นได้ชัดในช่วงเวลาที่แพทย์พบผู้ป่วย คุณลูเซียโนยกตัวอย่างว่า หากการพบแพทย์ในโรงพยาบาลรัฐใช้เวลาประมาณ 5-15 นาที และแพทย์ยังต้องใช้เวลาคีย์และค้นข้อมูล หาก AI สามารถช่วยตอบได้ว่าผู้ป่วยมาพบแพทย์เพราะอะไร หรือมีโรคเรื้อรังอะไรที่เกี่ยวข้อง เวลาที่มีอยู่ก็สามารถใช้กับปัญหาของผู้ป่วยในวันนั้น แทนที่จะต้องย้อนกลับไปค้นประวัติที่ผ่านมา แม้ผู้ป่วยจะไม่ได้เป็นผู้ใช้ระบบ AI โดยตรงก็ตาม
เขายังกล่าวถึงงานวิจัยในโรงพยาบาลแห่งหนึ่งในอินโดนีเซีย ซึ่งพบว่าระบบสามารถลดระยะเวลาการพบแพทย์ได้ประมาณ 5 นาที เนื่องจากค้นหาข้อมูลได้เร็วขึ้น หากแพทย์ตรวจผู้ป่วย 10 คนในช่วง 5-6 ชั่วโมง การลดเวลาลงอาจทำให้สามารถตรวจผู้ป่วยเพิ่มได้อีก 2-3 คน และทำให้คิวรอตรวจสั้นลง
คุณลูเซียโน อธิบายว่า ประเทศต่าง ๆ ในภูมิภาคอาจมีบริบทแตกต่างกัน แต่สิ่งที่มีร่วมกันคือความต้องการบริการสุขภาพมีมากกว่าบุคลากรที่สามารถรองรับได้ การแก้ปัญหาจึงไม่ใช่การให้แพทย์ทำงานหนักขึ้น เพราะบุคลากรทางการแพทย์มีภาระงานสูงอยู่แล้ว แต่ต้องปรับกระบวนการทำงานและนำเทคโนโลยีเข้ามาช่วย
AI ยังสามารถนำมาใช้กับการสื่อสารระหว่างผู้ป่วยกับผู้ให้บริการสุขภาพ ลูเซียโน อธิบายว่า InterSystems ใช้ AI เพื่อสร้างจดหมายหรือสื่อให้ความรู้แก่ผู้ป่วยในภาษาที่ผู้ป่วยใช้ ปรับระดับการอ่านให้ผู้ป่วยเข้าใจได้ และอธิบายศัพท์ทางการแพทย์ให้อยู่ในรูปแบบที่เข้าใจง่ายขึ้น ทำให้ AI สามารถเข้ามาช่วยในการเชื่อมต่อระหว่างผู้ป่วยกับผู้ให้บริการได้
เชื่อมข้อมูลลดการตรวจซ้ำและต้นทุน
ข้อมูลที่อยู่คนละระบบยังทำให้เกิดการทำงานซ้ำซ้อน คุณลูเซียโนยกตัวอย่างผู้ป่วยโรคเรื้อรังที่อาศัยอยู่ในพื้นที่ชนบทของเชียงรายและต้องเดินทางมายังกรุงเทพฯ เพื่อรับการตรวจกับแพทย์ผู้เชี่ยวชาญที่จุฬาฯ หรือศิริราช หากแพทย์ไม่สามารถเข้าถึงผลตรวจจากห้องปฏิบัติการในเชียงราย ผู้ป่วยอาจต้องตรวจใหม่ แต่หากเทคโนโลยีสามารถเชื่อมโยงและส่งข้อมูลเดิมให้แพทย์ผู้เชี่ยวชาญเข้าถึงได้โดยตรง ก็สามารถหลีกเลี่ยงการตรวจซ้ำและประหยัดต้นทุนได้
คุณดอน อธิบายว่า AI มีต้นทุนในการนำมาใช้ แต่หากเลือกใช้กับกรณีที่เหมาะสมก็สามารถช่วยประหยัดเงินได้ เช่น ลดเวลาในการพบแพทย์ หรือใช้ AI เขียนบันทึกทางการแพทย์โดยอัตโนมัติ เพื่อลดเวลาของแพทย์ในการตรวจแต่ละครั้ง แม้อาจมีบางกรณีที่ AI เพิ่มต้นทุนโดยไม่คุ้มค่าที่จะทำ แต่หากนำไปใช้ถูกจุดก็สามารถช่วยประหยัดเงินได้
โจทย์เรื่องต้นทุนจะยิ่งมีความสำคัญเมื่อประเทศไทยเข้าสู่สังคมผู้สูงอายุและความต้องการบริการสุขภาพเพิ่มขึ้น คุณลูเซียโน อธิบายว่า การพิจารณาเรื่องนี้ไม่ควรมองเพียงว่าประชาชนจะต้องจ่ายแพงขึ้นหรือไม่ แต่ต้องพิจารณาถึงบริการและคุณภาพที่ดีขึ้นด้วย ประเทศไทยเป็นจุดหมายปลายทางระดับนานาชาติสำหรับการท่องเที่ยวเชิงการแพทย์มาหลายปี มีทั้งโครงสร้างพื้นฐาน เทคโนโลยี และคุณภาพ สิ่งที่ต้องทำคือเชื่อมโยงข้อมูลเหล่านี้เข้าด้วยกัน เพื่อส่งมอบคุณภาพให้กับประชาชนด้วย
หลายระบบหลายผู้ให้บริการ แต่ข้อมูลต้องทำงานร่วมกันได้
โรงพยาบาลในประเทศไทยใช้เทคโนโลยีจากผู้ให้บริการหลายราย ทำให้ข้อมูลมีรูปแบบแตกต่างกัน สก็อตต์ เนา (Scott Gnau) รองประธานอาวุโส ฝ่ายแพลตฟอร์มข้อมูลของ InterSystems กล่าวว่า การแก้โจทย์นี้มีสองส่วน ส่วนแรกคือการเชื่อมต่อทางเทคโนโลยี โดย InterSystems รองรับ API มาตรฐานและเทคโนโลยีการเชื่อมต่อหลายรูปแบบ ส่วนต่อมาคือการทำให้ข้อมูลที่เชื่อมต่อเข้ามาแล้วสามารถนำไปใช้ประโยชน์ร่วมกันได้ ผ่านเครื่องมือสำหรับแปลงข้อมูลจากมาตรฐานหนึ่งไปสู่อีกมาตรฐานหนึ่ง รวมถึงการแปลงข้อมูลแบบ Many-to-many
สำหรับระบบที่องค์กรพัฒนาขึ้นเองและไม่ได้เป็นไปตามมาตรฐานสากล InterSystems มีเครื่องมือสำหรับจับคู่และเคลื่อนย้ายข้อมูล เมื่อตั้งค่าการเชื่อมต่อและการแปลงข้อมูลแล้ว ระบบหลังบ้านยังสามารถตรวจสอบได้ว่าการไหลของข้อมูลส่วนใดขาดหาย ติดขัด หรือเกิดปัญหา เพื่อให้แก้ไขได้ทันที และตรวจสอบว่าข้อมูลของผู้ป่วยมีส่วนใดขาดหายหรือไม่
การเชื่อมโยงข้อมูลยังเป็นพื้นฐานของโรงพยาบาลอัจฉริยะ เพราะโรงพยาบาลต้องใช้ทั้งระบบด้านการรักษาพยาบาลและระบบปฏิบัติการหลายประเภท หากข้อมูลสำคัญยังแยกอยู่ในระบบต่าง ๆ การนำข้อมูลมาเชื่อมโยงบนรากฐานที่เชื่อถือได้จะช่วยให้องค์กรด้านสุขภาพสามารถรองรับการวิเคราะห์ข้อมูล AI และบริการดิจิทัลรูปแบบใหม่ในระดับที่สามารถขยายการใช้งานได้จริง
ไทยกับก้าวต่อไปของ AI ด้านสุขภาพ
คุณลูเซียโน มองว่า AI ยังอยู่ในช่วงเริ่มต้นของการนำมาใช้ด้านการดูแลสุขภาพ และแต่ละประเทศในภูมิภาคมีบริบทแตกต่างกันจนไม่สามารถเปรียบเทียบกันตรง ๆ ได้ อินโดนีเซียมีประชากรจำนวนมากและประชากรส่วนใหญ่ยังอายุน้อย ขณะที่ประเทศไทยกำลังเข้าสู่สังคมผู้สูงอายุ มาเลเซีย จีน ญี่ปุ่น สิงคโปร์ และฮ่องกงก็มีขนาดประชากรและบริบทแตกต่างกัน แต่ความต้องการบริการสุขภาพที่มากกว่าบุคลากรที่รองรับได้เป็นโจทย์ที่หลายประเทศเผชิญร่วมกัน
InterSystems ดำเนินธุรกิจในประเทศไทยมากว่า 20 ปี และในเดือนกุมภาพันธ์ 2569 ได้ประกาศความร่วมมือกับ DataOne เพื่อพัฒนาโครงสร้างเชื่อมโยงข้อมูลที่มีความพร้อมสำหรับ AI ระหว่างโรงพยาบาลและบริษัทประกันภัย สนับสนุนการเชื่อมโยงและแลกเปลี่ยนข้อมูลสุขภาพ รวมถึงระบบการเรียกร้องค่าสินไหมทดแทนทางอิเล็กทรอนิกส์แบบอัตโนมัติ
เมื่อ AI ยังอยู่ในช่วงเริ่มต้นของการนำมาใช้ด้านสุขภาพ การสร้างข้อมูลที่ถูกต้อง เชื่อถือได้ และเชื่อมโยงระหว่างระบบจึงเป็นรากฐานสำคัญ ตั้งแต่ช่วยให้แพทย์ค้นข้อมูลได้เร็วขึ้น ลดภาระงานเอกสาร ลดการตรวจซ้ำ ไปจนถึงปรับกระบวนการทำงานให้มีประสิทธิภาพมากขึ้น การนำ AI ไปใช้กับโจทย์จริงจึงต้องเดินควบคู่กับการทำให้ข้อมูลจากระบบต่าง ๆ สามารถเชื่อมโยง แลกเปลี่ยน และนำมาใช้ร่วมกันได้อย่างมีประสิทธิภาพ
ข่าวอื่น ๆ ที่น่าสนใจ
HMA 2026 ครบรอบ 25 ปี ชู AI ยกระดับสาธารณสุข แต่หัวใจยังอยู่ที่ ‘คน’
ศิริราชดันสุขภาพ เป็นเครื่องยนต์เศรษฐกิจใหม่ ปูทางไทยสู่ Global Medical Hub
