เมื่อ Generative AI เข้ามาอยู่ในวงการแพทย์มากขึ้น คำถามสำคัญอาจไม่ใช่ว่า AI สามารถตอบคำถามได้เร็วหรือเก่งเพียงใด แต่อยู่ที่แพทย์รู้หรือไม่ว่าคำตอบนั้นมาจากไหน ข้อมูลที่ใช้ผ่านการตรวจสอบหรือไม่ และมีความน่าเชื่อถือเพียงพอที่จะนำไปประกอบการตัดสินใจทางคลินิกหรือไม่
โจทย์นี้มีน้ำหนักเป็นพิเศษในวงการแพทย์ เพราะคำตอบที่ฟังดูสมเหตุสมผลแต่ไม่มีหลักฐานรองรับ หรือการสร้างข้อมูลและแหล่งอ้างอิงที่ไม่มีอยู่จริง อาจกระทบต่อการตัดสินใจเกี่ยวกับการรักษาคนไข้โดยตรง
Wolters Kluwer Health พัฒนา UpToDate Expert AI ด้วยแนวทางที่ไม่ปล่อยให้ Large Language Model (LLM) ใช้ความรู้ภายในตัวโมเดลสร้างคำตอบขึ้นมาเอง แต่ให้โมเดลทำหน้าที่ค้นหา สังเคราะห์ และเรียบเรียงข้อมูลจากฐานความรู้ทางการแพทย์ที่ผ่านการตรวจสอบแล้ว แนวคิดนี้กำลังถูกนำมาใช้ในช่วงที่ประเทศไทยมีการเปิดรับเครื่องมือสนับสนุนการตัดสินใจทางคลินิกค่อนข้างเร็ว ปัจจุบันมีโรงพยาบาลและโรงเรียนแพทย์ในไทยมากกว่า 200 แห่งใช้งาน UpToDate และบริษัทได้เปิดให้โรงเรียนแพทย์มากกว่า 25 แห่ง รวมถึงโรงพยาบาลบางแห่ง เข้าถึง UpToDate Expert AI
UpToDate Expert AI ไม่ใช้ความรู้ใน LLM ตอบคำถาม
เชียล่า บอนด์ ผู้อำนวยการฝ่ายกลยุทธ์คอนเทนต์ทางคลินิก ส่วนงานประสิทธิผลทางคลินิก บริษัทโวลเทอร์ส คลูเวอร์ เฮลท์ท กล่าวว่า บริษัทไม่ได้สร้างโมเดลภาษาขนาดใหญ่ขึ้นมาเอง แต่สร้างระบบที่นำโมเดลมาใช้เพื่อค้นหาและสังเคราะห์ข้อมูล แล้วเรียบเรียงให้อยู่ในรูปแบบที่ผู้ใช้เข้าใจได้
ระบบไม่ได้ใช้ความรู้ที่อยู่ภายใน LLM เป็นแหล่งข้อมูลสำหรับตอบคำถาม ความรู้ที่นำมาใช้มาจาก UpToDate เป็นหลัก เท่ากับว่า LLM ทำหน้าที่จัดการและนำเสนอความรู้ มากกว่าจะเป็นผู้สร้างองค์ความรู้ขึ้นมาเอง วิธีนี้ช่วยจำกัดความเสี่ยงจาก Hallucination ซึ่งเป็นปัญหาของ Generative AI และเปิดให้บริษัทสามารถเปลี่ยนโมเดลที่ทำงานอยู่เบื้องหลัง หรือ Swap Models ได้เมื่อมีเทคโนโลยีที่เหมาะสมกว่า โดยไม่ต้องผูกฐานความรู้ทางการแพทย์ไว้กับโมเดลใดโมเดลหนึ่ง
ความน่าเชื่อถือยังขึ้นอยู่กับความสามารถในการย้อนกลับไปตรวจสอบที่มาของคำตอบ เชียล่า กล่าวว่า ผู้ใช้งานในสถาบันการแพทย์เริ่มสังเกตเห็นความแตกต่างระหว่าง UpToDate Expert AI กับเครื่องมือ AI ทั่วไป โดยเฉพาะการมีแหล่งอ้างอิงที่มีอยู่จริง หรือ True Citations เพราะ AI บางระบบสามารถสร้างแหล่งอ้างอิงที่ไม่มีอยู่จริงขึ้นมาได้
“สำหรับแพทย์ การรู้ว่าคำตอบมาจากแหล่งใดจึงเป็นส่วนหนึ่งของการประเมินข้อมูลก่อนนำไปใช้ ไม่ใช่เพียงคุณสมบัติประกอบของระบบ AI” คุณเชียล่า กล่าว
ไทยเปิดรับ AI การแพทย์เร็วเริ่มใช้ในโรงเรียนแพทย์
ประเทศไทยมีโรงพยาบาลและโรงเรียนแพทย์มากกว่า 200 แห่งใช้งาน UpToDate อยู่แล้ว คริสเตียน เซลล่า รองประธานและผู้จัดการทั่วไป ประจำภูมิภาคระหว่างประเทศ บริษัทโวลเทอร์ส คลูเวอร์ เฮลท์ กล่าวว่า บริษัทได้เปิดให้โรงเรียนแพทย์มากกว่า 25 แห่ง รวมถึงโรงพยาบาลบางแห่ง เข้าถึง UpToDate Expert AI และการใช้งานในช่วงแรกเป็นไปในทิศทางที่บริษัทประเมินว่าน่าพอใจ
เมื่อมองในระดับภูมิภาค คุณคริสเตียนกล่าวว่า หากไม่นับสิงคโปร์ ไทยเป็นประเทศในอาเซียนที่มีประวัติการเปิดรับเครื่องมือ Clinical Decision Support ค่อนข้างเร็ว ส่วนภาพรวมของเอเชีย บุคลากรทางการแพทย์มีความเข้าใจ AI สูงขึ้น คำถามที่เกิดขึ้นจึงเริ่มขยับจากการทำความรู้จักเทคโนโลยีไปสู่การนำ AI เข้าไปอยู่ใน Workflow ทางการแพทย์อย่างเหมาะสม
Wolters Kluwer Health เลือกเริ่มต้น UpToDate Expert AI ในโรงเรียนแพทย์ก่อนขยายการใช้งานในโรงพยาบาล เพราะทั้งสองพื้นที่มีเงื่อนไขด้านการกำกับดูแลต่างกัน คริสเตียน กล่าวว่า โรงพยาบาลมีกฎและคณะกรรมการ Governance ที่เข้มงวดกว่า เนื่องจากเครื่องมือสนับสนุนการตัดสินใจจะเข้าไปเกี่ยวข้องกับคนไข้ที่กำลังได้รับการรักษา ส่วนโรงเรียนแพทย์เป็นพื้นที่ของการเรียนรู้ จึงเปิดโอกาสให้ทดลองใช้งานและเก็บข้อมูลป้อนกลับได้มากกว่า
พื้นที่การศึกษายังตอบโจทย์การทำให้นักศึกษาแพทย์เรียนรู้การใช้ AI โดยไม่ลดทอนทักษะ Clinical Reasoning เป้าหมายของเครื่องมือจึงไม่ใช่ทำให้ผู้เรียนได้คำตอบง่ายขึ้น แต่ต้องช่วยให้รู้ว่าจะเลือกเครื่องมืออย่างไร ใช้ข้อมูลแบบใด และนำข้อมูลเหล่านั้นกลับเข้าสู่กระบวนการคิดทางคลินิกอย่างไร
AI ช่วยค้นข้อมูลแต่ไม่แทน Clinical Reasoning ของแพทย์
การเปลี่ยนแปลงวิธีค้นข้อมูลทำให้เกิดคำถามตามมาว่า เมื่อ AI สามารถอ่าน ค้นหา และสังเคราะห์ข้อมูลจำนวนมากได้อย่างรวดเร็ว แพทย์รุ่นใหม่จะยังต้องอ่านวารสารและแนวทางการรักษาในรูปแบบเดิมมากน้อยเพียงใด
คุณเชียล่า กล่าวถึงการทำงาน ณ จุดดูแลรักษา หรือ Point of Care ว่า แพทย์ทำงานภายใต้ข้อจำกัดด้านเวลาอยู่แล้ว ข้อมูลที่นำมาใช้จึงต้องผ่านการประมวลผลให้อยู่ในรูปแบบที่สามารถเข้าถึงและทำความเข้าใจได้ทันเวลา AI สามารถเข้ามาช่วยตรงนี้ แต่การเปลี่ยนวิธีเข้าถึงข้อมูลไม่ได้หมายความว่ากระบวนการเรียนรู้ของแพทย์จะหายไป
จากประสบการณ์ของเธอที่ Harvard Medical School แพทย์รุ่นใหม่อาจไม่ได้มีทักษะทุกอย่างเหมือนคนรุ่นก่อน แต่จะเกิดความสามารถใหม่จากการทำงานร่วมกับเทคโนโลยี สิ่งที่ต้องรักษาไว้คือความรู้ ความมีวินัย และกระบวนการคิดที่เป็นพื้นฐานของการแพทย์
คุณคริสเตียน กล่าวถึงความเป็นจริงอีกข้อว่า นักศึกษาแพทย์ใช้ AI กันอยู่แล้ว และหลายคนอาจกำลังใช้เครื่องมือ AI ทั่วไป การพยายามกัน AI ออกจากการเรียนจึงไม่ใช่คำตอบ ภารกิจของวงการแพทย์ นักการศึกษา ห้องสมุดการแพทย์ และผู้ให้บริการข้อมูล คือช่วยให้ผู้เรียนรู้จักเลือกเครื่องมือที่เชื่อถือได้และใช้ AI โดยไม่ปล่อยให้ความสามารถในการคิดของตัวเองลดลง
AI การแพทย์กับโจทย์ลดความแตกต่างในการรักษา
เหตุผลที่การเข้าถึงข้อมูล มีความหมายมากกว่าความสะดวกในการค้นหา ย้อนกลับไปถึงเป้าหมายเดิมของ UpToDate ในการลด Variability of Care หรือความแตกต่างของการดูแลรักษาที่คนไข้ได้รับ
คุณคริสเตียน ยกคำว่า Postcode Lottery ที่ใช้ในสหราชอาณาจักรมาอธิบายภาวะที่ผลลัพธ์การรักษาอาจแตกต่างกันตามพื้นที่ที่คนไข้อาศัยอยู่ สถานการณ์ของคนไข้ หรือแพทย์ที่มีโอกาสได้พบ เมื่อแพทย์ในแต่ละพื้นที่เข้าถึงองค์ความรู้ไม่เท่ากัน ความแตกต่างของข้อมูลก็สามารถกลายเป็นความแตกต่างของการดูแลรักษาได้
โจทย์จึงอยู่ที่การทำให้องค์ความรู้ทางการแพทย์ที่มีมาตรฐาน เข้าถึงแพทย์ได้กว้างขึ้น ไม่ว่าจะทำงานอยู่ในโรงพยาบาลขนาดใหญ่หรือพื้นที่ห่างไกล สำหรับประเทศนอกสหรัฐอเมริกา ยังมีอุปสรรคจากภาษาและปริมาณเนื้อหาภาษาอังกฤษที่แพทย์ต้องอ่านและประมวลผล หาก AI สามารถช่วยนำเสนอข้อมูลในภาษาไทยหรือภาษาอื่นได้อย่างถูกต้อง การเข้าถึงองค์ความรู้ก็มีโอกาสทำได้ง่ายและรวดเร็วขึ้น
การนำข้อมูลมาใช้กับบริบทของประเทศไทย ยังมีรายละเอียดที่ต้องพัฒนาต่อ คุณเชียล่า กล่าวว่า Wolters Kluwer Health มีความเชี่ยวชาญในการประเมินข้อมูลสำหรับการใช้งาน ณ Point of Care แต่บริษัทไม่ได้รู้รายละเอียดทั้งหมดของทุกประเทศ จึงมองถึงการทำงานร่วมกับศูนย์การแพทย์และสถาบันวิชาการในแต่ละพื้นที่ เพื่อคัดเลือกข้อมูลและแนวทางเฉพาะของประเทศเข้ามาอยู่ในระบบอย่างเหมาะสม
Expert AI ยังอยู่ช่วงเริ่มต้นผลต่อการรักษาต้องพิสูจน์ต่อ
UpToDate Expert AI ยังอยู่ในช่วงเริ่มต้นที่ คุณเชียล่าเรียกว่า Pre-clinical era จึงเร็วเกินไปที่จะสรุปว่า AI สามารถยกระดับผลลัพธ์การรักษาได้มากน้อยเพียงใดในภาพรวม ฐานข้อมูลของ UpToDate มีงานศึกษาที่ประเมินผลต่อการดูแลคนไข้มาแล้ว แต่สำหรับ Expert AI โดยเฉพาะ การประเมินผลยังอยู่ในระยะต้น
บริษัทเริ่มได้รับข้อมูลป้อนกลับจากผู้ใช้งานแล้ว คุณเชียล่าเล่าว่า ผู้ใช้งานจากโรงพยาบาลชั้นนำแห่งหนึ่งในสหรัฐอเมริกาแจ้งว่า UpToDate Expert AI ช่วยให้เข้าถึงข้อมูลที่ต้องการได้รวดเร็ว จนนำไปสู่การช่วยชีวิตคนไข้สองราย กรณีนี้เป็นข้อมูลจากผู้ใช้งาน ไม่ใช่ผลการศึกษาที่พิสูจน์ประสิทธิผลของ Expert AI ในวงกว้าง จึงยังไม่ควรถูกใช้เป็นข้อสรุปว่า AI สามารถสร้างผลลัพธ์เช่นเดียวกันได้ในทุกสถานการณ์
สิ่งที่เกิดขึ้นในกรณีดังกล่าวชี้ให้เห็นบทบาทของความเร็วในการเข้าถึงข้อมูล เมื่อแพทย์ต้องตัดสินใจภายใต้ข้อจำกัดด้านเวลา AI ช่วยนำข้อมูลที่จำเป็นเข้าสู่กระบวนการตัดสินใจได้เร็วขึ้น ส่วนการประเมินข้อมูลและตัดสินใจรักษายังคงเป็นหน้าที่ของบุคลากรทางการแพทย์
ก้าวต่อไปเชื่อม AI กับ EHR เพื่อเข้าใจบริบทคนไข้
จากการค้นและสังเคราะห์องค์ความรู้ ทิศทางถัดไปคือการทำให้ AI เข้าใกล้ Workflow ของการรักษามากขึ้น ผ่านการเชื่อมกับ Patient Chart และ Electronic Health Record (EHR)
คุณคริสเตียน กล่าวว่า ความคาดหวังที่บริษัทได้ยินจากหลายประเทศคือการใช้ AI ช่วยดึงบริบทของคนไข้ในภาพที่กว้างขึ้น เมื่อแพทย์ตั้งคำถาม ระบบจะสามารถนำข้อมูลของคนไข้มาประกอบกับฐานความรู้ทางการแพทย์ เพื่อให้ข้อมูลสนับสนุนที่สอดคล้องกับบริบทของคนไข้แต่ละรายมากขึ้น ณ Point of Care
การพัฒนาไปถึงจุดนั้นทำให้โจทย์เรื่องความน่าเชื่อถือมีน้ำหนักมากกว่าเดิม เพราะ AI ไม่ได้ทำงานกับองค์ความรู้ทั่วไปเท่านั้น แต่กำลังเข้าใกล้ข้อมูลของคนไข้และกระบวนการรักษา ความถูกต้องของข้อมูล การกำกับดูแล และความปลอดภัยจึงต้องเดินไปพร้อมกับความสามารถของเทคโนโลยี
Wolters Kluwer Health จัดทีมมากกว่า 100 คน ทั้งวิศวกร บุคลากรด้านคลินิก และทีมผลิตภัณฑ์ เพื่อทำงานด้าน AI โดยเฉพาะ พร้อมทำงานร่วมกับพันธมิตรด้านเทคโนโลยี เช่น Microsoft และ Abridge รวมถึงเทคโนโลยี Ambient ที่เกี่ยวข้องกับการบันทึกและประมวลผลข้อมูลจากการตรวจรักษา
คุณเชียล่า อธิบายบทบาทของ Wolters Kluwer ในระบบนิเวศนี้ในฐานะส่วนที่ดูแลองค์ความรู้ ใช้ความเชี่ยวชาญที่บริษัทมีอยู่กำกับว่าความรู้ใดควรถูกนำมาใช้ ส่วนการสร้างระบบ AI ทางการแพทย์ต้องอาศัยเทคโนโลยีและพันธมิตรหลายฝ่ายทำงานร่วมกัน
ยิ่ง AI เข้าใกล้กระบวนการรักษามากเท่าไร การแข่งขันของ AI ทางการแพทย์ก็ยิ่งไม่ได้อยู่ที่ว่าโมเดลใดตอบเร็วหรือดูฉลาดที่สุดเพียงอย่างเดียว แพทย์ต้องรู้ว่าคำตอบมาจากไหน สามารถย้อนกลับไปตรวจสอบหลักฐานได้ และเข้าใจว่าข้อมูลที่ได้รับควรถูกนำมาใช้กับคนไข้ตรงหน้าอย่างไร
เพราะปลายทางของ AI ทางการแพทย์ไม่ใช่การสร้างระบบที่คิดแทนแพทย์ แต่คือการทำให้ข้อมูลที่ถูกต้องไปถึงแพทย์ในเวลาที่ต้องใช้ โดยแพทย์ยังเป็นคนตั้งคำถาม ตรวจสอบ และตัดสินใจ
ข่าวอื่น ๆ ที่น่าสนใจ
HMA 2026 ครบรอบ 25 ปี ชู AI ยกระดับสาธารณสุข แต่หัวใจยังอยู่ที่ ‘คน’
AI กับ Healthspan Economy สมการใหม่รับสังคมสูงวัย
