“เครื่องมือ AI ในฐานะผู้ช่วยแพทย์” ไม่ใช่เรื่องใหม่ทั้งในไทยและทั่วโลก ซึ่งส่วนใหญ่มักใช้ AI ในการวิเคราะห์ภาพถ่ายทางการแพทย์เพื่อช่วยรังสีแพทย์วินิจฉัยภาวะผิดปกติของอวัยวะต่าง ๆ จากฟิล์มเอกซเรย์ หรือ ภาพถ่าย เป็นต้น อย่างไรก็ตาม การสนับสนุนให้เกิดเครื่องมือ AI ในวงการแพทย์ของไทย ยังมีความท้าทายอีกมาก โดยเฉพาะอย่างยิ่ง เรื่องข้อมูลทางการแพทย์ ซึ่งกระบวนการได้มา การจัดการกับข้อมูลที่นำมาเทรนด์ AI การแพทย์นั้นเป็นเรื่องละเอียดอ่อนที่ต้องปฏิบัติตามหลักจริยธรรม และ ธรรมาภิบาลข้อมูล รวมทั้งการผ่านมาตรฐานต่าง ๆ เพื่อนำมาใช้กับประชาชนได้อย่างมีประสิทธิภาพ และ ปลอดภัย
ปัจจุบัน แผนปฏิบัติการด้าน AI ประเทศไทย พยายามจะเติมเต็มระบบนิเวศ AI การแพทย์ของไทย โดยมีหนึ่งในโครงการนำร่อง คือ “การพัฒนาแพลตฟอร์มบริหารจัดการข้อมูลเปิดด้านการแพทย์ – Medical AI Data Platform” แพลตฟอร์มที่สนับสนุนการใช้และแชร์ข้อมูลทางการแพทย์ร่วมกันของเครือข่ายโรงพยาบาลภายในประเทศ พร้อมเครื่องมือจัดการกับข้อมูลให้เหมาะสมกับการนำไปพัฒนา AI ทางการแพทย์โดยเฉพาะ
สรุปสาระจากการเสวนา “การบริหารจัดการข้อมูลจากงานบริการด้านสาธารณสุขเพื่อพัฒนาปัญญาประดิษฐ์ทางการแพทย์” ในการประชุมวิชาการประจำปี HA National Forum ครั้งที่ 24 “Growth Mindset for Better Healthcare System” ระบบบริการสุขภาพที่ก้าวหน้า ด้วยกรอบความคิดที่กว้างไกล จัดโดย สถาบันรับรองคุณภาพสถานพยาบาล (องค์การมหาชน) (สรพ.) เมื่อวันที่ 14 มีนาคม ที่ผ่านมา ณ อิมแพค ฟอรั่ม เมืองทองธานี
ผู้ร่วมเสวนา ได้แก่ ดร.ชัย วุฒิวิวัฒน์ชัย ผู้อำนวยการเนคเทค สวทช. นพ.ภัทรวินฑ์ อัตตะสาระ ผู้อำนวยการสำนักดิจิทัลการแพทย์ กรมการแพทย์ กระทรวงสาธารณสุข., รศ.นพ.สิทธิ์ พงษ์กิจการุณ หัวหน้าภาควิชารังสีวิทยา คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล รศ.ดร.พญ.รุ่งฤดี ชัยธีรกิจ ภาควิชาอายุรศาสตร์ คณะแพทยศาสตร์ โรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทย และดร.วงศกร พูนพิริยะ ผู้อำนวยการฝ่ายบริหารเครือข่ายวิจัยพัฒนาและนวัตกรรม (RNM) สวทช. ดำเนินรายการ
แพทย์ภาระหนัก ขาดคน-เครื่องมือ หวังใช้ AI ช่วยก็กลัว “ข้อมูลไม่พอ”
ปัญหาการขาดแคลนบุคลากรในวงการแพทย์ถูกพูดถึงเป็นอย่างมาก ส่งผลต่อการบริการประชาชนที่ล่าช้าอย่างหลีกเลี่ยงไม่ได้ ซึ่งระยะเวลาที่ล่าช้า อาจหมายถึงการสูญเสียโอกาสในการรักษา และอัตราการมีชีวิตที่ลดน้อยลง
รศ.ดร.พญ.รุ่งฤดี ชัยธีรกิจ เล่าว่า “จากการนัดตรวจคัดกรองมะเร็งตับด้วยอัลตร้าซาวด์ของคนไข้ซึ่งเป็นมะเร็งที่พบบ่อยและเป็นสาเหตุการเสียชีวิตอันดับ 1 ของคนไทย จากปกติกลุ่มเสี่ยงจะต้องตรวจคัดกรองทุก ๆ 6 เดือน ล่าช้าออกไปเป็นมากกว่า 1 ปี ซึ่งอาจทำให้ไปเจอก้อนมะเร็งในระยะท้าย ๆ ที่ไม่สามารถรักษาให้หายขาดได้ จึงเป็นโจทย์ที่ร่วมกับเนคเทค สวทช. นำเทคโนโลยี AI มาใช้ประกอบกับการทำอัลตร้าซาวด์เป็น ‘AI Assistant ultrasound system’ เพื่อใช้ในการตรวจคัดกรองตำแหน่งที่มีก้อน ระบุว่าเป็นก้อนชนิดไหน เป็นมะเร็งหรือไม่ ในกรณีที่เป็นมะเร็งจะระบุชนิด และหากไม่เป็นน่าจะเป็นก้อนชนิดไหน ด้วยความน่าจะเป็นเท่าไหร่ และช่วยตรวจสอบว่าอัลตร้าซาวด์ครบทุกส่วนของตับแล้วหรือไม่ในลักษณะ Quality assurance ปัจจุบันใช้งานจริงอยู่ในคลินิกโรคตับ โรงพยาบาลจุฬาฯ”
“การทำ AI ด้านการแพทย์ มักมีคำถามว่าต้องใช้ภาพจำนวนเท่าไหร่จึงจะเพียงพอ คำตอบขึ้นอยู่กับโรค ขึ้นอยู่กับว่าโจทย์ว่าเป็นอะไร โจทย์บางอย่างอาจจะต้องใช้หลักแสน หลักล้านรูป อย่างไรก็ตามประเทศไทยกำลังเกิดความร่วมมือในการสร้างแพลตฟอร์มที่จะรวบรวมรูปทางการแพทย์เพราะฉะนั้นอย่าเพิ่งกังวลว่าข้อมูลจะไม่พอ” รศ.ดร.พญ.รุ่งฤดี กล่าวเสริม
เติมเต็มระบบนิเวศ AI การแพทย์ ลดพึ่งพา Big Tech
“กว่า 70-80% ของทุนวิจัยโครงการด้านการแพทย์และสุขภาวะ มีทุนวิจัยต่ำกว่า 3 ล้านบาท ในช่วงปี 2563 – 2565 (ข้อมูลจากสำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม หรือ สกสว.) เกิดการคำถามตามมาว่าภายใต้เงินทุนดังกล่าวจะเพียงพอต่อการผลักดันผลงานไปสู่นวัตกรรมหรือไม่”ดร.ชัย วุฒิวิวัฒน์ชัย ผู้ช่วยเลขานุการคณะกรรมการขับเคลื่อนแผนฯ AI แห่งชาติ และ ผู้อำนวยการเนคเทค สวทช. ตั้งข้อสังเกต
อย่างไรก็ตาม ดร.ชัย มองว่า การส่งเสริมการวิจัยและพัฒนา AI ด้านการแพทย์และสาธารณสุขให้ไปสู่นวัตกรรมใช้ได้จริงนั้น ระบบนิเวศของการพัฒนา AI ด้านการแพทย์ของไทยยังต้องได้รับการเติมเต็ม ถึงแม้ว่าภายใต้ระบบนิเวศดังกล่าวด้านการวิจัยและพัฒนา ประเทศไทยจะมีโรงพยาบาลวิจัยเข้าร่วมจำนวนหนึ่ง แต่ในด้าน Startup มีจำนวนน้อยมาก “เนื่องจากความจำเป็นที่เรายังต้องพึ่งพาบริษัท Big Tech ในการทดสอบเครื่องมือ นวัตกรรมต่าง ๆ รวมถึงอาศัยมาตรฐานจากต่างประเทศ ซึ่งมักมาพร้อมกับเทคโนโลยีจากบริษัท Big Tech จึงเป็นอุปสรรคต่อการเติบโตของการวิจัยและพัฒนา รวมถึงระบบนิเวศ AI ด้านการแพทย์และสาธารณสุข” ดร.ชัย กล่าว
สอดคล้องกับมุมมองของ นพ.ภัทรวินฑ์ อัตตะสาระ ผู้อำนวยการสำนักดิจิทัลการแพทย์ กรมการแพทย์ ซึ่งเล่าว่าในอดีตที่ประเทศไทยยังมีโครงสร้างพื้นฐานการพัฒนา AI จำนวนมากพอ และ รวดเร็วเทียบเท่าปัจจุบัน จึงจำเป็นต้องส่งข้อมูลไปให้บริษัทต่างประเทศร่วมวิจัยพัฒนาและแปลผลได้ฟรี แต่กลับไม่ได้รับโมเดลการพัฒนากลับมา
เริ่มต้นจากระบบนิเวศภายใน ค่อยไปเชื่อมต่อกับประเทศ
ความพยายามในการขับเคลื่อนระบบนิเวศ AI ด้านการแพทย์ในระดับประเทศ อาจไม่ได้การันตีว่าความสำเร็จดังกล่าวจะเกิดขึ้นกับในแต่ละหน่วยงานเช่นกัน ดังนั้นการทำงานแบบคู่ขนานทั้งในระดับประเทศและระดับหน่วยงานจึงเป็นอีกวิธีหนึ่งที่โรงพยาบาลรามาดำเนินการอยู่
รศ.นพ.สิทธิ์ พงษ์กิจการุณ กล่าวว่า คณะแพทยศาสตร์ โรงพยาบาลรามาธิบดีพยายามสร้างระบบนิเวศภายในหน่วยงานขึ้นมา ก่อนที่จะไปเชื่อมต่อกับระบบนิเวศที่ประเทศไทยเตรียมเอาไว้ ทั้งด้านบุคลากร ด้านเทคโนโลยี และองค์ความรู้ โดยเริ่มต้นจากการหาโจทย์ การเตรียมข้อมูล (Data preparation) การจัดทำ Data anonymization ไม่ว่าจะเป็นกระบวนการลบข้อมูลส่วนบุคคลเพื่อป้องกันเรื่อง PDPA การกำหนดสิทธิ์ผู้เข้าถึงข้อมูล การกำหนด Data Standard ให้สอดคล้องกับระดับสากล เพื่อเปิดโอกาสในเชื่อมต่อกับฐานข้อมูลระดับโลกในอนาคต
“ตอนนี้เรามีการพัฒนา annotation tool เป็น pilot project ร่วมกับ สวทช. เพื่อช่วยให้การทำงานง่ายและสะดวกยิ่งขึ้น โดยสามารถนำไปปลั๊กอินกับโรงพยาบาลต่าง ๆ ที่ต้องการได้ รวมถึงเชื่อมต่อกับแพลตฟอร์มของประเทศ” รศ.นพ.สิทธิ์ อธิบาย
สร้างแพลตฟอร์มข้อมูลเปิด ซับพอร์ต AI การแพทย์ ดันสู่การใช้จริง
ภายใต้แผนปฏิบัติการด้านปัญญาประดิษฐ์เพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 – พ.ศ. 2570) ในยุทธศาสตร์ที่ 4 ด้านการวิจัยและพัฒนา ได้ปักหมุดโครงการนำร่องด้านการแพทย์และสาธารณะสุข คือ การพัฒนาแพลตฟอร์มบริหารจัดการข้อมูลเปิดด้านการแพทย์ (Medical AI Data Platform) เพื่อช่วยให้นักวิจัย แพทย์ เอกชนในเครือข่ายได้เข้าถึงและใช้ประโยชน์จากข้อมูลทางการแพทย์สำหรับต่อยอดพัฒนาเป็น AI ใช้สนับสนุนบริการทางการแพทย์ของประเทศ
ดร.ชัย เล่าว่า โครงการดังกล่าวเริ่มต้นจาก 3 ความร่วมมือ ระหว่าง กรมการแพทย์ กระทรวงสาธารณสุข คณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล และ สวทช. โดยการสนับสนุนจากหน่วยบริหารและจัดการทุนด้านการพัฒนากำลังคน และทุนด้านการพัฒนาสถาบันอุดมศึกษา การวิจัยและการสร้างนวัตกรรม (บพค.)
ทั้งนี้สำนักงานคณะกรรมการอาหารและยา (อย.) ได้มีการประกาศแล้วว่า เครื่องมือแพทย์ AI ในไทยต้องได้รับการรับรองขึ้นทะเบียนกับทาง อย. นอกจากนี้การพัฒนาแพลตฟอร์มดังกล่าว มีเครือข่ายคือ Medical AI Consortium เพื่อรวบรวมชุดข้อมูลทางด้านการแพทย์หลากหลายประเภทจากหลายหน่วยงาน ในการนำไปใช้งานด้าน AI สร้างระบบนิเวศการวิจัย พัฒนากำลังคน นำไปสู่บริการทางการแพทย์” นพ.ภัทรวินฑ์ กล่าวเสริม
ข้อมูลในแพลตฟอร์มดังกล่าวได้รับการจัดการด้านข้อมูลส่วนบุคคล (PDPA) การทำ Data anonymization, Data Governance, Data Catalog ตามมาตรฐานและการควบคุมจากคณะกรรมการ Medical AI Data Consortium รวมถึงมีการจัดทำ Data Sharing Policy ทั้งในระดับที่เฉพาะโรงพยาบาลเข้าถึงได้เท่านั้น ระดับที่ต้องพิจารณาเป็นรายกรณี และข้อมูลเปิดสาธารณะ โดยผู้ที่ต้องการใช้หรือแชร์ข้อมูลต้องสมัครสมาชิกเป็น Medical AI Data Consortium ก่อน
“การขับเคลื่อนให้ผลงาน AI การแพทย์ให้ผ่านเข้าไปเป็นผลิตภัณฑ์ให้ได้จะต้องผ่านอย. ทราบว่ามีนวัตกรรมการแพทย์ที่จะขึ้นทะเบียน อย. จำนวนมาก แต่สำเร็จน้อย ซึ่งไม่ได้ติดปัญหาเรื่องคุณภาพ แต่ขาดห้องปฏิบัติการที่จะทำการทดสอบ ทำให้ต้องไปทำการทดสอบที่ต่างประเทศ ซึ่งกระบวนการดังกล่าวใช้เวลานาน เราจึงพยายามจะแก้ปัญหา เพื่อจัดตั้งห้องทดสอบที่มีมาตรฐานเพื่อช่วยลดภาระของการขึ้นทะเบียน ลดค่าใช้จ่ายในการทำทดสอบให้ได้ตามมาตรฐาน” ดร.ชัย กล่าว
ภาพรวม Medical AI Data Platform
ในช่วงท้ายของการเสวนาคณะนักวิจัยจากเนคเทค สวทช.ได้นำเสนอภาพรวมและสาธิตการใช้งาน “แพลตฟอร์มบริหารจัดการข้อมูลเปิดด้านการแพทย์ (Medical AI Data Platform)” นำโดย ดร.มารุต บูรณรัตน์ นักวิจัยอาวุโส ทีมวิจัยการวิเคราะห์ยุทธศาสตร์ด้วยปัญญาประดิษฐ์ (SAI) ดร.วลิตะ นาคบัวแก้ว นักวิจัยทีมวิจัยระบบสร้างภาพทางการแพทย์ (MIS) และดร.ธีศิษฏ์ ลีลาสวัสดิ์สุข นักวิจัยทีมวิจัยสมองกลอัจฉริยะและความจริงเสมือน (SMR)
“แพลตฟอร์มนี้ตอบโจทย์ผู้ใช้งานใน 3 กลุ่ม ได้แก่ 1) หน่วยงานที่มีภาพถ่ายทางการแพทย์ที่จะมาแชร์ข้อมูลร่วมกัน 2) แพทย์ หรือรังสีแพทย์ที่จะเข้ามากำกับข้อมูล (Annotated) 3) วิศวกร AI ที่จะนำข้อมูลจากแพลตฟอร์มไปพัฒนาเป็นโมเดล AI สนับสนุนบริการทางการแพทย์” ดร.มารุต อธิบาย
คณะนักวิจัยได้เล่าถึงผลงานวิจัยเนคเทค สวทช.ที่ผนวกรวมอยู่ในแพลตฟอร์มฯ เพื่อสนับสนุนการทำงานของผู้ใช้ทั้ง 3 กลุ่มให้ง่ายและสะดวกยิ่งขึ้น ได้แก่ แพลตฟอร์ม CKAN Open-D, BigSteam ช่วยจัดการส่วนของข้อมูลทั้งหมดและการทำข้อมูลแบบเปิด ,แพลตฟอร์ม RadiiView เป็น Anonotation Tools รองรับการกำกับข้อมูลภาพถ่ายทางการแพทย์ และแพลตฟอร์ม NomadML ช่วยสร้าง AI โดยไม่ต้องเขียนโค้ด พร้อมฟังก์ชัน Smart Hyperparameter Tuning สามารถเทรนโมเดลที่มีความแม่นยำสูงถึง >97% เทียบเคียงกับการเทรนโมเดลโดยผู้เชี่ยวชาญภายใน 15 trials
