AI ในการแพทย์ ไม่ได้มีไว้เพื่อมาแทนที่มนุษย์ แต่ถูกนำมาใช้เพื่อ ลดภาระงานเอกสารและรายงาน ที่กินเวลาส่วนใหญ่ของบุคลากรทางการแพทย์ลงอย่างมหาศาล

19 กุมภาพันธ์ 2569 AIAT (สมาคมปัญญาประดิษฐ์ประเทศไทย) ได้ Live สด รายการ AI Update ตอนที่ 4 เล่าถึง AI ในการแพทย์กับการใช้งานจริงจากประสบการณ์ของผู้ใช้งานข้ามศาสตร์ โดย

  1. หมออ๋า ปิยะฤทธิ์ อิทธิชัยวงศ์, อาจารย์คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล
  2. ดร.เจิมพิภัช เจริญปัญญาศักดิ์, รองผู้อำนวยการศูนย์ความเป็นเลิศด้านนวัตกรรมทางการแพทย์ คณะแพทยศาสตร์ มหาวิทยาลัยสงขลานครินทร์, อาจารย์ประจำสาขาวิชาชีวเวชศาสตร์และวิศวกรรมชีวการแพทย์ คณะแพทยศาสตร์ มหาวิทยาลัยสงขลานครินทร์
  3. คุณ Miu, Moderator

หมออย่างเดียวไม่เหนื่อยเหรอคะ ทำไมถึงไปเรียน AI เพิ่มเติมด้วย มีจุดเปลี่ยนยังไง

หมออ๋า บอกว่า หลายท่านน่าจะรู้สึกว่า เราเรียนมาเพื่อดูแลคนไข้ แต่เอาเข้าจริง ตอนนี้งานเอกสาร แย่งเวลา การรักษา ประมาณ 50-60% ของงาน หรือมากกว่านั้น

งานหลักกลายเป็นเอกสาร/Report เพราะระบบทั่วโลกเป็นเรื่อง Reimbursement รักษาเสร็จก็ต้องไปเบิกประกันหรือระบบ 30 บาท

หากเราใช้ AI มาช่วยลดงานตรงนี้ลงได้เพียง 25% เราจะได้เวลาของบุคลากรทางการแพทย์ทั้งประเทศคืนมามหาศาลเพื่อไปดูแลคนไข้ให้ดีขึ้น

มุมวิศวะ-แพทย์: AI ช่วยลดภาระงานได้ยังไง

ดร.เจิมพิภัช บอกว่า ข้อมูลแพทย์สำคัญมาก แต่หมอไม่มีเวลา

ถ้าเรามีเครื่องมือช่วย Analyze เบื้องต้น ทำ Data ให้หมอเห็นง่ายขึ้น เหมือนช่วยย่อยข้อมูล และเล่าถึงการแสดง Case การใช้ AI ที่ใช้งานได้จริงและช่วยแก้ปัญหาเฉพาะทางได้น่าสนใจมาก:

  • การวิเคราะห์อสุจิ (Sperm Analysis): ปกติการตรวจต้องย้อมสีทำให้อสุจิตาย แต่ AI สามารถวิเคราะห์อสุจิจากภาพที่ไม่ต้องย้อมสีได้ ช่วยให้เลือกตัวที่แข็งแรงที่สุดไปทำอิ๊กซี่ (ICSI) เพิ่มโอกาสมีบุตรได้จริง,
  • Mor SR (Speech-to-Text): AI ที่ทำหน้าที่ฟังบทสนทนาระหว่างหมอกับคนไข้แล้วแปลงเป็นบันทึกทางการแพทย์ (Medical Record) ทันที ช่วยให้หมอสามารถจ้องตา และดูแลใจคนไข้ได้แทนการจ้องจอคอมพิวเตอร์,,
  • Abnormal Detection:
    • สัญญาณหัวใจ 1 ชั่วโมง ถ้าให้หมอนั่งดู 1 ชั่วโมงคงทำงานอย่างอื่นไม่ได้พอมี AI จะมาช่วยคัดกรองสัญญาณชีพ เช่น คลื่นไฟฟ้าหัวใจ (ECG) เพื่อหาจังหวะผิดปกติและแจ้งเตือน ลดภาระที่หมอต้องนั่งเฝ้ามอนิเตอร์ตลอดเวลา

ทำไมไทยต้องมี AI ทางการแพทย์ของตัวเอง และ หน่วยข้อมูลในไทย + ข้อจำกัด PDPA

หมออ๋าให้มุมมองที่เฉียบคมว่าเราจะพึ่งพาแต่โมเดลต่างประเทศ (เช่น ChatGPT) อย่างเดียวไม่ได้ด้วยเหตุผล 3 ข้อ:

  1. ต้นทุน: การเรียกใช้ API ต่างประเทศมีราคาสูงมากจนอาจไม่เหลือผลกำไรในเชิงธุรกิจ
  2. ความเป็นส่วนตัว (Privacy): ข้อมูลคนไข้เป็นความลับระดับสูงสุด การส่งข้อมูลไปบน Public AI เสี่ยงต่อการผิดกฎหมาย PDPA และไม่เป็นธรรมกับคนไข้
    • ถ้ามันเอาข้อมูลไป Train ต่อ ผมว่าไม่แฟร์กับคนไข้ เลยจำเป็นต้องทำระบบที่ Secure ปลอดภัย และถ้าเป็นของคนไทยช่วยกันทำเองก็ยิ่งดีครับ
  3. ความเหมาะสมกับบริบท: โมเดลต่างชาติไม่ได้ถูก Optimize มาเพื่อภาษาหรือระบบสาธารณสุขของไทยโดยเฉพาะ
    • ดร.เจิมพิภัช บอกว่า ที่คณะแพทย์ ม.อ. (มหาวิทยาลัยสงขลานครินทร์) มีหน่วย DIDA (Digital Innovation and Data Analytics) เก็บข้อมูลทั้งโรงพยาบาล ทำวิจัยได้โดยต้องขอ EC Approval เพื่อ Access ข้อมูล

แต่พอมาเป็น PDPA การแชร์ระหว่างโรงพยาบาลทำได้ยาก จึงมีข้อจำกัด

อาจต้องมี Policy ระดับกลาง เช่น Data Center ส่วนกลาง หรือมีองค์กรที่เป็น Leader ในการ Gathering และต้องทำให้คนไข้มั่นใจว่าไม่เข้าถึงตัวตนเขาได้ครับ

อุปสรรคเรื่อง Data และทางออก

  • ดร.เจิมพิภัช บอกว่า ข้อมูลทางการแพทย์คือ น้ำมัน (Data is oil) ที่สำคัญที่สุด แต่ไทยติดปัญหาเรื่องการแชร์ข้อมูลระหว่างโรงพยาบาล เพราะข้อจำกัดด้านนโยบายและ PDPA, ทางออกที่ผู้เชี่ยวชาญแนะนำ คือ การใช้ Synthetic Data (ข้อมูลสังเคราะห์ที่คุณภาพสูงและยืนยันโดย Expert) มาช่วยเทรนโมเดล เพราะข้อมูลดิบจากโรงพยาบาลมักจะมีข้อมูลที่ผิดพลาดปนอยู่เยอะ

ผลงาน/ระบบที่ทีมหมออ๋าทำ .

หมออ๋า พูดว่า ของผมมี 3 ตัวหลักครับ

  1. กินดี LINE OA มีประมาณ 3 แสนยูสเซอร์ ถ่ายรูปอาหารแล้วบอกแคลอรี่ เก็บ Record และแนะนำการออกกำลังกาย (ฟรี)
    • กินดี โปร ตอนนี้เข้าไปเป็นโปรดักต์ชื่อ Wiselife ใช้ในโรงพยาบาลเอกชน
  2. Preceptor AI LLM ให้ถามคำถาม Medical ผ่าน LINE มี Agentic Workflow และเลือกโมเดลเฉพาะทางมาตอบ
  3. หมอ SR แปลงเสียงเป็น Medical Record ใช้ไปประมาณ 50 โรงพยาบาลครับ

คำแนะนำถึงคนทำงาน: อย่ากลัว และต้อง Fail Fast

  • AI ยังแทนที่หมอไม่ได้: เพราะ AI ยังโง่ในเรื่องที่ไม่คาดคิด เช่น มันจะเชื่อข้อมูลที่ User บอก 100% ถ้าคนไข้โกหก AI ก็จะวินิจฉัยผิดพลาดทันที ขณะที่หมอมีสัญชาตญาณในการซักถามและตรวจสอบ,
  • White Coding: ปัจจุบันมีเครื่องมืออย่าง Google AI Studio ที่ช่วยให้หมอหรือพยาบาลสร้าง Prototype แอปฯ ได้เองโดยไม่ต้องเขียนโค้ดเก่ง เพื่อนำไปคุยกับ Engineer ต่อได้ง่ายขึ้น
  • เลิกรำมวย: ในโลก AI เราต้องทำเลย ถ้าจะเจ๊งก็ให้รีบเจ๊ง (Fail Fast) เพื่อหาจุดที่ตลาดต้องการจริงๆ อย่ามัวแต่ทำแผนงานนานเกินไปจนเทคโนโลยีนั้นตกรุ่น

3 เรื่องที่บุคลากรแพทย์ควรรู้ เวลาเริ่มใช้ AI

หมออ๋า บอกว่า มี 3 ข้อ

  1. อย่ากลัว เทรนด์ Vibe Coding / Agentic Engineering ทำให้พยาบาล เภสัชฯ ก็สร้างแอปได้
  2. AI ไม่วิเศษ มันมีข้อจำกัด ฉลาดสุด ๆ ก็ได้ โง่สุด ๆ ก็ได้และมันเชื่อ User มาก
  3. Vibe Coding ไม่ได้แปลว่า ใช้จริงได้เลย ต้องมี Engineer มาช่วยทำให้ Production ใช้งานจริงได้ ทั้งเรื่องราคา, Security, และเชื่อม IT ส่วนกลาง

ข้อสรุป:

กุญแจสำคัญไม่ใช่การสร้างโมเดลที่ใหญ่ที่สุดแข่งกับระดับโลก แต่คือการนำ Open Source มาต่อยอด (Application Layer) เพื่อแก้ปัญหาหน้างานจริงในไทยให้ได้ผลที่สุด และฝึกใช้

  1. ภาษาอังกฤษ
  2. Vibe Coding เครื่องมือเขียน Code

ทำไปเรียนรู้ไป และ หมอที่ใช้ AI จะมาแทนหมอที่ไม่ใช้ AI

Source:

Youtube