AI อ่านภาพเอกซเรย์ทรวงอกที่ศิริราชพัฒนาขึ้นมีโรงพยาบาลใช้งานแล้วประมาณ 600 แห่ง ขณะที่เครือโรงพยาบาลพญาไทและเปาโลนำ AI มาช่วยพัฒนาซอฟต์แวร์จนสามารถขยายโครงการทำความเข้าใจโรคร่วมของผู้ป่วยสู่โรงพยาบาล 10 แห่งภายในเวลาไม่ถึงสองเดือน ประสบการณ์เหล่านี้สะท้อนว่า AI การแพทย์กำลังเข้าสู่งานบริการจริงมากขึ้น แต่การขยายผลยังต้องอาศัยทั้งความพร้อมของบุคลากร การเชื่อมระบบเข้ากับงานประจำ และการคุ้มครองข้อมูลผู้ป่วย
เวทีเสวนา Hospitals & Partners’ Perspective on Medical AI ในงาน Global Medical AI Summit 2026 เปิดมุมมองจากโรงพยาบาล ผู้ให้บริการเทคโนโลยี และนักวิจัยด้านสุขภาพ ถึงเงื่อนไขที่จะทำให้ AI เกิดประโยชน์ต่อการดูแลรักษา ประเด็นสำคัญอยู่ที่การพาระบบจากต้นแบบไปสู่การใช้งานอย่างต่อเนื่อง ตั้งแต่ช่วยแพทย์ตรวจหาความผิดปกติ ติดตามผู้ป่วย ไปจนถึงนำข้อมูลมาพัฒนาบริการและวางแผนระบบสุขภาพ
ศิริราชเผย AI อ่านเอกซเรย์ใช้แล้ว 600 โรงพยาบาล
รศ.นพ.ตรงธรรม ทองดี หัวหน้าภาควิชารังสีวิทยา คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล กล่าวว่า ศิริราชเริ่มพัฒนา AI อ่านภาพเอกซเรย์ทรวงอกเมื่อประมาณ 7–8 ปีก่อน เนื่องจากเป็นการตรวจที่มีปริมาณมาก ขณะที่ประเทศไทยยังขาดแคลนแพทย์ และโรคอย่างวัณโรคกับมะเร็งปอดเป็นปัญหาสำคัญ ระบบจึงได้รับการพัฒนาขึ้นเพื่อช่วยตรวจหาความผิดปกติและคัดกรองผู้ป่วย ปัจจุบันโมเดลอ่านภาพเอกซเรย์ทรวงอกที่พัฒนาขึ้นในประเทศไทยมีโรงพยาบาลใช้งานแล้วประมาณ 600 แห่ง และมีเป้าหมายขยายเป็น 900 แห่งในปีถัดไป
การขยายเครือข่ายดังกล่าวมีเป้าหมายให้ผู้ป่วยในพื้นที่ต่าง ๆ เข้าถึงเครื่องมือ AI ที่มีคุณภาพเดียวกัน โดยข้อมูลจากการใช้งานยังช่วยให้เห็นการกระจายของโรคในแต่ละพื้นที่ และนำไปศึกษาต่อได้ว่าเหตุใดบางพื้นที่จึงพบวัณโรคหรือมะเร็งปอดมาก อย่างไรก็ตาม รศ.นพ.ตรงธรรมมองว่า การมีข้อมูลและพัฒนาโมเดลได้ยังไม่ใช่ขั้นตอนที่ยากที่สุด ความท้าทายอยู่ที่การนำระบบเข้าไปใช้ในโรงพยาบาล ขยายไปยังเครือข่าย และออกแบบให้เข้ากับขั้นตอนการทำงานของแพทย์ เพราะหากติดตั้งระบบแล้วไม่มีผู้ใช้งาน ประโยชน์ที่ต้องการให้เกิดกับผู้ป่วยก็จะไม่เกิดขึ้น
AI ช่วยแพทย์เห็นประวัติผู้ป่วยและติดตามโรค
นอกเหนือจากการอ่านภาพทางการแพทย์ รศ.นพ.ตรงธรรมกล่าวถึงการใช้โมเดลภาษาขนาดใหญ่ช่วยรวบรวมข้อมูลผู้ป่วยจากประวัติการตรวจ รายงานทางรังสี และผลห้องปฏิบัติการ เพื่อให้แพทย์เห็นภาพรวมได้รวดเร็วขึ้น ผู้ป่วยบางรายมีประวัติการตรวจจำนวนมากจนแพทย์ไม่สามารถย้อนดูภาพหรืออ่านรายงานได้ทั้งหมด AI จึงเข้ามาช่วยสรุปว่าผู้ป่วยผ่านการตรวจและรักษาอะไรมาแล้ว มีปัจจัยเสี่ยงใด และรอยโรคเปลี่ยนแปลงจากครั้งก่อนอย่างไร ข้อมูลเหล่านี้ช่วยประกอบการตัดสินใจ โดยเฉพาะเมื่อแพทย์ต้องรับช่วงดูแลผู้ป่วยที่มีประวัติซับซ้อน
ศิริราชยังฝึก AI Agent ให้ช่วยสรุปและเปรียบเทียบรายงานปัจจุบันกับครั้งก่อน ช่วยจัดทำข้อความในรายงาน และสนับสนุนการเรียนการสอน เช่น ให้ข้อเสนอแนะในการเขียนรายงานและตั้งคำถามเพื่อตรวจสอบความเข้าใจของแพทย์ประจำบ้าน ส่วนการช่วยนัดตรวจ MRI เป็นตัวอย่างที่ รศ.นพ.ตรงธรรมยกขึ้นมาอธิบายถึงความสามารถของ AI Agent ในการดำเนินงานตามขั้นตอน บทบาทของ AI จึงครอบคลุมได้ทั้งการวิเคราะห์ข้อมูลและการช่วยจัดการงานที่เกี่ยวข้องกับการดูแลผู้ป่วย
อีกตัวอย่างคือระบบแสดงข้อมูลผู้ป่วยมะเร็งของศิริราช ซึ่งช่วยให้เห็นจำนวนผู้ป่วยที่ได้รับการวินิจฉัยใหม่ ผู้ที่อยู่ระหว่างรักษา และผู้ที่โรคมีความคืบหน้า พร้อมช่วยระบุกรณีที่ควรติดตาม เช่น การตรวจเอกซเรย์คอมพิวเตอร์ล่าช้าหรือผู้ป่วยไม่มาตามนัด การรวบรวมข้อมูลลักษณะนี้ช่วยให้โรงพยาบาลเห็นทั้งสถานการณ์ของผู้ป่วยแต่ละรายและภาพรวมของการดูแล แพทย์และผู้เกี่ยวข้องจึงมีข้อมูลมากขึ้นว่าผู้ป่วยอยู่ในขั้นตอนใด มีปัญหาอะไร และควรดำเนินการเรื่องใดต่อ
เชื่อมผลรักษาย้อนหลัง ช่วยพิจารณาทางเลือกของผู้ป่วย
รศ.นพ.ตรงธรรมอธิบายถึงการนำข้อมูลผู้ป่วยมะเร็งย้อนหลังมาวิเคราะห์การรอดชีวิตตามชนิดและระยะของโรค รวมถึงเปรียบเทียบผลการรักษา ข้อมูลที่รวบรวมไว้นานหลายปีทำให้สามารถศึกษาผลลัพธ์ของผู้ป่วยกลุ่มต่าง ๆ และนำมาใช้ประกอบการพิจารณาผู้ป่วยรายใหม่ที่มีลักษณะใกล้เคียงกันได้ นอกจากนี้ยังกล่าวถึงการคาดการณ์ผลการรักษาเฉพาะบุคคลและการจำลองทางเลือก เพื่อพิจารณาว่าหากใช้แนวทางรักษาต่างกัน ผลที่คาดว่าจะเกิดขึ้นเป็นอย่างไร
แนวทางดังกล่าวเชื่อมโยงกับการนำข้อมูลหลายประเภทมาพิจารณาร่วมกัน ทั้งภาพทางการแพทย์ พยาธิวิทยา จีโนม และผลห้องปฏิบัติการ เพื่อให้เข้าใจผู้ป่วยรอบด้านมากขึ้น โดย รศ.นพ.ตรงธรรมระบุว่า ศิริราชมีโมเดลที่อยู่ระหว่างพัฒนามากกว่า 20 โมเดล และให้ความสำคัญกับการเรียนรู้จากข้อมูลที่เกิดขึ้นภายในโรงพยาบาลอย่างต่อเนื่อง ส่วนตัวเลขโรงพยาบาลประมาณ 600 แห่ง เป็นการใช้งานโมเดลอ่านภาพเอกซเรย์ทรวงอก ไม่ได้ครอบคลุมระบบ AI ทุกประเภทที่นำเสนอ
พญาไท–เปาโลชี้ ความพร้อมของคนเป็นโจทย์สำคัญ
อัฐ ทองแตง ประธานเจ้าหน้าที่บริหาร เครือโรงพยาบาลพญาไทและเปาโล กล่าวว่า การนำเทคโนโลยีมาใช้ในโรงพยาบาลต้องพิจารณาทั้งการคุ้มครองข้อมูลและความลับของผู้ป่วย เงินลงทุน และภาระที่บุคลากรต้องรับจากการเปลี่ยนวิธีทำงาน ซอฟต์แวร์ที่ทำงานได้ดีเมื่อทดสอบแยกจากระบบ อาจต้องใช้เวลาอีกมากเมื่อนำมาใช้ร่วมกับคนและกระบวนการขององค์กร ผู้พัฒนาจึงควรประเมินว่าโรงพยาบาลคู่ค้ามีความพร้อมและมีผู้รับผิดชอบผลักดันการเปลี่ยนแปลงหรือไม่ เพราะเวลาที่ใช้ประชุมและปรับพฤติกรรมการทำงานอาจกลายเป็นต้นทุนสูงก่อนที่โครงการจะเดินหน้าได้จริง
ขณะเดียวกัน AI ก็กำลังทำให้บุคลากรในโรงพยาบาลเข้ามามีส่วนร่วมกับการพัฒนาซอฟต์แวร์มากขึ้น อัฐกล่าวว่า องค์กรอบรมพนักงานประมาณ 500 คนให้เข้าใจการทำงานของ AI จนสามารถสร้างซอฟต์แวร์ต้นแบบได้ด้วยตนเอง บุคลากรเหล่านี้รู้ปัญหาหน้างานและสามารถทดลองแนวทางแก้ไขเบื้องต้นได้ จึงเป็นทั้งความเปลี่ยนแปลงที่ผู้พัฒนาภายนอกต้องรับรู้และโอกาสในการทำงานร่วมกัน เพราะการนำต้นแบบไปทำให้ใช้งานได้จริง รองรับการขยายระบบ และดูแลต่อเนื่องยังต้องอาศัยความเชี่ยวชาญอีกมาก
อัฐยกตัวอย่างโครงการนำอัลกอริทึมมาช่วยทำความเข้าใจโรคร่วมของผู้ป่วย ซึ่งใช้เวลาไม่ถึงสองเดือนในการพัฒนาและนำไปใช้ในโรงพยาบาล 10 แห่ง โดยมี AI ช่วยพัฒนาซอฟต์แวร์ ประสบการณ์นี้สะท้อนความรวดเร็วที่เพิ่มขึ้นของการพัฒนาและนำเทคโนโลยีไปใช้ แต่สำหรับผู้ประกอบการไทยที่มีทรัพยากรจำกัด เขามองว่าการเลือกพันธมิตรองค์กรยังมีความสำคัญ เพราะสิ่งที่จำเป็นครอบคลุมทั้งเงินทุน ข้อมูล และการเข้าถึงลูกค้า ผู้พัฒนาจึงต้องเข้าใจองค์กรคู่ค้าให้มากพอที่จะร่วมกันพัฒนาระบบที่แก้ปัญหาและขยายใช้งานได้ในระยะยาว
AWS ย้ำระบบปลอดภัยต้องพร้อมก่อนขยาย AI
ดร.Charlie Lee ผู้นำด้านอุตสาหกรรมจีโนมิกส์ประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่นของ Amazon Web Services หรือ AWS กล่าวว่า การขยาย AI การแพทย์ต้องมีโครงสร้างพื้นฐานรองรับทั้งการประมวลผล การจัดเก็บข้อมูล และการกำกับดูแลความปลอดภัย โดยเฉพาะข้อมูลจีโนมซึ่งมีความอ่อนไหวสูง โรงพยาบาลและผู้พัฒนาจำเป็นต้องมีสภาพแวดล้อมที่เชื่อถือได้สำหรับพัฒนาแอปพลิเคชันและนำข้อมูลมาใช้ โดยไม่ทำให้ข้อมูลผู้ป่วยรั่วไหล ความพร้อมด้านเทคโนโลยีจึงต้องพิจารณาควบคู่กับวิธีจัดการข้อมูลตั้งแต่ต้น
เขายกตัวอย่างโครงการการแพทย์แม่นยำของสิงคโปร์ที่ AWS สนับสนุน ซึ่งเริ่มจากข้อมูลจีโนม 10,000 รายในระยะแรก เพิ่มเป็น 100,000 รายในระยะที่สอง และเข้าสู่ระยะที่สามขนาด 450,000 ราย โดยช่วงแรกให้ความสำคัญกับการศึกษาคุณค่าของการเชื่อมข้อมูลจีโนมกับข้อมูลทางคลินิก ก่อนเดินหน้าสู่การนำไปใช้ในบริการทางคลินิกมากขึ้น เพื่อศึกษาว่าข้อมูลดังกล่าวจะช่วยปรับการดูแลรักษาได้อย่างไร AI จึงมีโอกาสสนับสนุนทั้งการวินิจฉัย การรักษา และการป้องกันโรค แต่ต้องมีระบบรองรับการใช้ข้อมูลอย่างเหมาะสม
อีกตัวอย่างคือ AgentSea แพลตฟอร์มที่ AWS ทำงานร่วมกับ Synapxe หน่วยงานเทคโนโลยีสุขภาพแห่งชาติของสิงคโปร์ เพื่อให้บุคลากรสาธารณสุขภาครัฐพัฒนาและแบ่งปัน AI Agent ภายใต้สภาพแวดล้อมที่ปลอดภัย ครอบคลุมงานตั้งแต่จัดตารางเวรไปจนถึงสรุปข้อมูลทางคลินิก ดร. Lee มองว่า การสร้างต้นแบบทำได้ง่ายขึ้นมาก แต่การพัฒนาเป็นระบบที่รองรับการใช้งานขนาดใหญ่และดำเนินต่อเนื่องได้ยังเป็นความท้าทาย โดยเฉพาะองค์กรที่ขาดบุคลากรด้านเทคนิค การทำงานกับพันธมิตรที่เข้าใจความปลอดภัยและการใช้ AI อย่างรับผิดชอบจึงมีความสำคัญ ควบคู่กับการร่วมพัฒนาบุคลากรและความสามารถภายในประเทศ
ฟิลิปปินส์ใช้ AI เปลี่ยนข้อมูลกระจัดกระจายเป็นหลักฐาน
ดร.Venus Oliva Cloma-Rosales ผู้ก่อตั้งและกรรมการผู้จัดการ 101 Health Research นำเสนอตัวอย่างการใช้ AI เพื่อวางแผนระบบสุขภาพจากฟิลิปปินส์ โดยโครงการหนึ่งเป็นการประเมินการลงทุนวิจัยด้านสุขภาพ ซึ่งต้องเชื่อมข้อมูลทุนวิจัย โครงร่างการศึกษา โครงการที่อยู่ระหว่างดำเนินการ และผลงานตีพิมพ์ เข้ากับวาระวิจัยสุขภาพที่มีประเด็นสำคัญ 11 ด้าน ความซับซ้อนอยู่ที่งานวิจัยหนึ่งโครงการอาจเกี่ยวข้องกับหลายประเด็น เช่น การตั้งครรภ์ในวัยรุ่นที่เชื่อมทั้งสุขภาพเด็กและวัยรุ่นกับอนามัยการเจริญพันธุ์ ทีมงานจึงใช้ AI และการประมวลผลภาษาธรรมชาติมาช่วยจำแนกและเชื่อมโยงข้อมูล ซึ่งหากวิเคราะห์ด้วยคนทั้งหมดอาจใช้เวลาราวหนึ่งปี
อีกโครงการ คือการวิเคราะห์ประกาศรับสมัครงานพยาบาลประมาณ 14,000 ประกาศ ที่เก็บรวบรวมในเดือนพฤษภาคม 2568 โดยใช้ AI จัดข้อมูลจากแพลตฟอร์มและนายจ้างที่มีรูปแบบประกาศต่างกัน ให้อยู่ในมาตรฐานเดียวกัน เพื่อเปรียบเทียบทักษะ สวัสดิการ และเงินเดือนในประเทศต่าง ๆ ข้อค้นพบที่ทีมงานสนใจคือ ความสามารถในการใช้ Microsoft Excel อยู่ในกลุ่มทักษะที่ต้องการสูงสุด 10 อันดับ ซึ่งนำไปสู่คำถามเรื่องการเตรียมทักษะดิจิทัล ให้กับนักศึกษาพยาบาลและพยาบาล ก่อนต่อยอดไปสู่การใช้ระบบเวชระเบียนอิเล็กทรอนิกส์ ทั้ง 2 โครงการยังเปิดโอกาสให้นักศึกษาฝึกงานจากมหาวิทยาลัยฟิลิปปินส์ และมหาวิทยาลัยแห่งชาติสิงคโปร์ได้เรียนรู้จากงานจริง โดยกระบวนการวิเคราะห์ต้องมีคนตรวจสอบความถูกต้องร่วมด้วย
ดร.Venus กล่าวว่า การนำ AI มาใช้ในภาคสุขภาพควรมองผลกระทบตั้งแต่ระดับที่บุคลากรพบกับผู้ป่วย การบริหารระบบบริการ ไปจนถึงระดับนโยบาย เพราะข้อมูลและผลลัพธ์ที่เกิดขึ้นในแต่ละส่วนสามารถนำกลับมาใช้ปรับปรุงระบบได้ เป้าหมายคือการพัฒนาระบบสุขภาพ ที่เรียนรู้จากข้อมูลของตนเองอย่างต่อเนื่อง เพื่อให้ประสบการณ์จากการดูแลผู้ป่วย และการดำเนินงานที่ผ่านมา เป็นหลักฐานสำหรับพัฒนาบริการและวางแผนในอนาคต
ข่าวอื่น ๆ ที่น่าสนใจ
อายุยืนอย่างมีคุณภาพ ต้องดูแลสุขภาพก่อนโรคร้ายมาเยือน
รพ.รามาธิบดีจับมือโนโว นอร์ดิสค์ วิจัยยาโรคอ้วน–เบาหวาน เพิ่มโอกาสเข้าถึงยาใหม่
ดร.สุวิทย์ ชี้ ก่อนพัฒนาทักษะ AI ต้องอัปเกรด ‘Human OS’
