ปี 2023 กระแสของ AI ที่มาแรงทั่วโลกทำให้หลายคนตื่นเต้นกับเรื่อง ChatGPT และ Generative AI ที่เข้ามาสั่นสะเทือนวงการ AI ยุคคลาสสิกอย่างสมบูรณ์ เนื่องจากเป็นเครื่องมือที่เข้ามาช่วยคนทำงานและเหล่านักเรียน นักศึกษาให้ทำงานได้มีประสิทธิภาพมากขึ้น แต่ทว่าจำนวนผู้ใช้งานกลับสวนทางกับผู้สร้าง เพราะประเทศไทยถือว่ามีวิศวกรด้าน AI หรือคอมพิวเตอร์น้อยมาก โดยเฉพาะอย่างยิ่งวิศวกร AI ทางการแพทย์ ที่อาจเป็นกุญแจสำคัญในการเข้ามาช่วยแก้ปัญหาระบบสาธารณสุขไทย
จากปัญหาบุคลากรทางการแพทย์ไม่เพียงพอ ประกอบกับคนไข้ที่ล้นโรงพยาบาลและจำนวนผู้สูงอายุที่มากขึ้น ด้วยเหตุนี้ AI ทางการแพทย์น่าจะเป็นคำตอบที่ดีที่สุดในการเข้ามาช่วยหมอและคนไข้ เพราะแม้จะมีบุคลากรเท่าเดิมแต่เราอาจสามารถทำให้บุคลากรรักษาได้มากขึ้นโดยที่เหนื่อยลดลงในช่วงเวลานี้ และหากนึกถึงผู้เชี่ยวชาญ AI ทางการแพทย์ หลายคนคงนึกถึง นพ.ปิยะฤทธิ์ อิทธิชัยวงศ์ หรือ หมออ๋า นักศึกษาปริญญาเอกวัย 29 ปี เขาเป็นทั้งหมอรักษาโรคทั่วไปและผู้หลงใหล AI จนสามารถคิดค้นเครื่องมือทางการแพทย์ที่จะมาแก้ไขปัญหาบุคลากรทางการแพทย์ไม่เพียงพอ ด้วยแพลตฟอร์มที่ชื่อว่า ‘Preceptor AI’
THE STANDARD พาไปพูดคุยกับ นพ.ปิยะฤทธิ์ อิทธิชัยวงศ์ หมอผู้สวมหมวก 3 ใบ ทั้งแพทย์, วิศวกร AI และผู้ประกอบการ เขาทำได้อย่างไร AI ทางการแพทย์ในบ้านเราจะช่วยคนไข้และลดภาระหมอได้มากน้อยแค่ไหน รวมถึงการพัฒนา AI ด้านการแพทย์ในปัจจุบันล้ำไปถึงไหนแล้ว
ปัจจุบันทำอะไรอยู่
ปัจจุบันผมเรียนปริญญาเอกอยู่ที่ King’s College ประเทศอังกฤษ เรียนเรื่องของ Medical AI หรือว่าปัญญาประดิษฐ์ทางการแพทย์ สาขาที่ผมทำเน้นๆ คือเกี่ยวกับเรื่องของ Generative AI เช่น เรื่องของ ChatGPT หรือว่าที่เราเห็นกันบน Facebook ที่ AI แปลงรูปเราให้กลายเป็นรูปสไตล์เกาหลีอะไรทำนองนี้
ในทางการแพทย์เป็นการแปลงภาพโดยให้ AI สร้างคำหรือภาพมาช่วยในการดูแลคนไข้ แต่งานที่ทำในปริญญาเอกจริงๆ จะเป็นการใช้ Generative AI ในเครื่อง MRI ที่ต้องใช้เรื่องของ AI ทางการแพทย์และฟิสิกส์ร่วมด้วย ซึ่งก็เป็นแบ็กกราวด์ของผมตั้งแต่เด็กครับ ส่วนงานที่ไทยตอนนี้คือรับทุนของโรงพยาบาลศิริราชมาเรียนในระดับปริญญาเอก แล้วเดี๋ยวจะกลับไปทำงานเป็นอาจารย์ที่โรงพยาบาลศิริราชครับ
ที่ไทยมีสาขา AI ด้านการแพทย์ไหม และทำไมถึงเลือกเรียนที่อังกฤษ
ตอนนี้ในประเทศไทยเรายังไม่มีผู้เชี่ยวชาญที่ทำด้านนี้โดยตรงเยอะขนาดนั้น ซึ่งประเทศอังกฤษเป็นประเทศแรกๆ ในโลกที่เริ่มนำเอา AI ทางการแพทย์มาใช้จริง ไม่ได้แค่อยู่ในแล็บเฉยๆ รวมทั้งมีการนำเอา AI หรือว่านวัตกรรมมาใช้ด้านการแพทย์สูงมาก เลยเป็นสาเหตุที่ต้องมาเรียนที่ประเทศอังกฤษครับ โดยส่วนตัวและอาจารย์ผมที่ศิริราชก็มองว่าการมาเรียนแบบนี้ เพื่อนำเทคโนโลยี AI ทางการแพทย์มาใช้ที่ไทย และส่งเสริมให้เกิดการสร้างเองมากกว่าที่จะซื้อเหมือนในอดีต เราซื้อทั้งยาและเครื่อง MRI แลกกับข้าวไม่รู้กี่ตันถึงจะได้เครื่องมา เราไม่ควรต้องซื้อ AI เพิ่มเติมอีก เลยเป็นความตั้งใจที่มาเรียนที่อังกฤษครับ
อะไรที่กระตุ้นให้ชอบด้านคอมพิวเตอร์ตั้งแต่เด็ก
ติดเกมชื่อ Ragnarok ครับ อาจดูเป็นเรื่องไม่ดีนะ แต่จริงๆ เผื่อน้องๆ ที่อ่านอยู่จะได้เข้าใจว่ามันเกิดจากเราจะทำอย่างไรที่เวลาเราไปเรียนหนังสือ ตัวเกมของเราจะยังสามารถตีมอนสเตอร์แล้วหาเงินให้เราได้อยู่ สมัยนั้นเด็กมัธยมชายกับการเล่นเกมเลเวลสูงๆ แล้วชนะเพื่อนมันเป็นอะไรที่เจ๋ง ก็เลยทำให้ไปเรียนเขียนโปรแกรมในการหาวิธีทำให้เกมเล่นเองอัตโนมัติ แต่มันไม่ได้ง่ายอย่างที่คิด เพราะไม่ใช่แค่เสิร์ช Google แล้วจะทำได้ ต้องหาผู้เชี่ยวชาญ ปรึกษาคนนั้น คนโน้น คนนี้ หรือต้องศึกษาภาษาอังกฤษ เพราะมีข้อมูลภาษาไทยน้อย ทำให้ต้องฝึกภาษาอังกฤษเพื่ออ่านให้ได้
พ่อก็คงสงสัยว่าทำอะไร เพราะจากปกติซื้อแต่หนังสือเกม นี่มาซื้อหนังสือเขียนโปรแกรม เล่นเขียนยันเกือบเที่ยงคืน แต่พ่อก็สนับสนุนครับ เลยไปสมัครคอมพิวเตอร์โอลิมปิกโดยได้รับการสนับสนุนจากโรงเรียนเทพศิรินทร์ด้วย แข่งแล้วก็ได้เหรียญเงินมาในระดับชาติ พอ ม.4 ย้ายมาเรียนที่มหิดลวิทยานุสรณ์ ต้องเรียนตามตรงว่าคอมพิวเตอร์เรื่อง AI มันยังไม่ค่อยจะโดดเด่นเหมือนตอนนี้ ยังมีข้อจำกัดมากมาย ไม่ว่าจะเป็นเรื่องของอุปกรณ์หรือตัวแนวคิด AI ผมก็เลยรู้สึกว่าไปสาขาอื่นน่าจะดีกว่า เลยเปลี่ยนมาเป็นฟิสิกส์ เพราะมันเป็นอะไรที่คล้ายๆ คอมพิวเตอร์ คือมันอาจไม่ต้องจำเยอะ ใช้หลักการอะไรอย่างนี้ครับ อย่างฟิสิกส์ตอนนั้นผมได้เป็นตัวแทนของประเทศไทยโดย สอวน. ไปแข่งฟิสิกส์ใน Asian Science Camp ที่เยรูซาเล็ม แต่สิ่งที่เกิดขึ้นกลับเป็นทำให้เกิดเปลี่ยนใจอีกครั้ง ณ ขณะนั้นต้องยอมรับว่าสำหรับไทยการจะเรียนฟิสิกส์เลย หนทางที่จะไปต่อก็อาจไม่ดีเหมือนสมัยนี้ที่คนหันมาสนใจวิทยาศาสตร์มากขึ้น จึงทำให้พอเข้ามหาวิทยาลัยเราก็คุยกับพ่อแม่ คิดว่าหมอเป็นอาชีพที่มั่นคงที่สุด เลยมาต่อหมอ แล้วหลังจากนั้นผมก็ลืมเรื่องการเขียนโปรแกรมและฟิสิกส์ไปเกือบหมด พูดตามตรงคือคิดว่าอาจไม่ได้ใช้มันอีกแล้ว
อะไรเป็นจุดเปลี่ยนที่ทำให้หมอกลับมาสนใจ AI อีกครั้ง
จุดที่ทำให้ผมเปลี่ยนใจมาด้าน AI คือตอนที่ไปใช้ทุนผมพบว่าประเทศไทยเราเอาหมอที่ประสบการณ์น้อย เรียนมาเพียง 6 ปีไปอยู่ที่ห้องฉุกเฉิน ซึ่งเป็นหนึ่งในจุดที่คนไข้มีความซับซ้อนมากที่สุด
แต่ต่างประเทศ ในอเมริกาหรืออังกฤษ เขาคิดว่าจุดฉุกเฉินสำคัญที่สุดต้องเอาคนที่ชำนาญมากๆ มาอยู่ ดังนั้นคนที่อยู่ห้องฉุกเฉินต้องเป็นหมอที่จบ 6 ปี ต่อเฉพาะทางอีก 3 ปี แล้วเป็นหมอเฉพาะทางด้านฉุกเฉินมาดูแลโดยตรง
พอเรามาเจอสภาพแบบนี้ ทำให้แรกๆ ก็รู้สึกไม่ดีจริงๆ แม้ว่าเราจะพยายามสักแค่ไหน แต่ด้วยความเพิ่งจบใหม่ มันก็ไม่สามารถช่วยคนไข้ได้อย่างเต็มที่ ประกอบกับปริมาณที่มากด้วย
ในตอนนั้นไอเดียผมคือ ถ้าเราอยากรักษาคนไข้ให้ได้มากกว่านี้ เราก็ต้องเรียนให้มากขึ้น ขยันให้มากขึ้น หาประสบการณ์มากๆ เพื่อช่วยคนไข้ได้มากขึ้น
แต่ผมพบว่าในช่วงโควิดนั้นความคิดนี้เปลี่ยนไปโดยสิ้นเชิง เพราะเราไม่สามารถเพิ่มจำนวนบุคลากรได้ในเวลาอันสั้น ในที่สุดช่วงโควิดผมก็เริ่มเห็นว่าสิ่งที่อาจช่วยคนไข้ได้จริงๆ และช่วยหมอโดยเฉพาะในจังหวัดที่มีคนไข้มากที่มีอัตราการเบิร์นเอาต์สูงให้ลดลงคือ ‘ปัญญาประดิษฐ์’ (AI)
ตัวอย่างหนึ่งที่มักจะพูดกันเกี่ยวกับปัญญาประดิษฐ์ทางการแพทย์ว่ามาช่วยแก้ปัญหาต่างๆ อย่างไร โดยเฉพาะช่วงโควิด คือปกติแล้วหมอคนหนึ่งจะอ่านเอ็กซเรย์ได้เบื้องต้นต้องจบ 6 ปี แต่ถ้าเกิดว่าจะเอาแบบแม่นยำจริงๆ ที่ตามคดีความต่างๆ เกี่ยวกับ X-Ray มักจะต้องการให้ผู้เชี่ยวชาญมาอ่าน จะต้องเรียนหมอจบ 6 ปี ใช้ทุนอีก 3 ปี ต่อรังสีวินิจฉัยอีก 3 ปี
ถ้าให้พูดลงลึกผมอยากจะพูดตรงๆ ก็คือหมอที่จบใหม่ เพิ่งเรียนจบ 6 ปีหมาดๆ บางทีก็อ่านไม่ถูกต้องทั้งหมด จากประสบการณ์ที่ยังน้อย แต่เราอยากได้คุณภาพการอ่านระดับหมอที่เรียนมา 9 ปี อย่างไรก็ตามในปัจจุบันเราพบว่าเริ่มมีหลายๆ ทีมทั่วโลกเริ่มทำ AI X-Ray ที่สามารถดูภาพถ่ายรังสีได้เทียบเท่ารังสีแพทย์แล้ว
ผมคิดว่าจริงๆ แล้วตอนนั้นปัญหาที่เจอหลักๆ เช่น เรื่องคนไข้มีจำนวนมากเกินไป หมอเองอาจมีประสบการณ์ไม่มากพอ หรืออยู่ในสภาวะที่ไม่ได้พักผ่อน ทำให้มีความผิดพลาดเกิดขึ้นได้ เราอยากจะแก้ไขตรงนี้ ซึ่งทางหนึ่งที่เป็นไปได้คือให้ AI ที่ไม่รู้จักเหน็ดเหนื่อย แล้วเลือกเฉพาะงานที่มันสามารถทำได้อย่างแม่นยำ เข้ามาช่วยลดภาระงานและสนับสนุนการทำงานของหมอ ทำให้หมอโฟกัสไปที่การรักษาคนไข้อย่างเต็มที่
มายด์เซ็ตของผมเลยเปลี่ยนไป จากที่คิดว่าผมอยากจะเป็นหมอที่เก่งมากๆ กลับมาอยู่ไทยแล้วรักษาคนไข้ สอนนักศึกษาแพทย์ ถ้าผมทำแบบนี้ ประเทศไทยก็เหมือนเดิม ผมเลยเปลี่ยนไปเรียน Medical AI แล้วเป็นคนที่เอาพลังสายนี้มาบวกกับแพทย์เฉพาะทาง เราคิดว่าเราสามารถทำให้ AI ทำงานได้มากขึ้น อาจจะเป็น 2 เท่า 3 เท่า ผมคิดว่ามันต้องมีสิ่งนี้เป็น Game Changer ขึ้นมา
AI ยุคนี้มีความแตกต่างจาก AI ยุคก่อนอย่างไร
สมัยก่อนสมมติว่าผมต้องการรู้ว่าสิ่งนี้เป็นสุนัขหรือแมว AI ในอดีตต้องบอกว่า อ๋อ มันต้องมี 2 ตานะ มันต้องมี 2 หู และมีหางด้วยนะ ความยาวตัวสุนัขกับแมวก็ต้องต่างกัน แต่ AI สมัยนี้เราไม่ต้องทำอย่างนั้น ไม่ต้องไปบอกว่าสิ่งไหนคือสุนัข สิ่งไหนคือแมว แค่เราใส่ภาพแมวเข้าไปแสนภาพล้านภาพ แล้วบอกว่าสิ่งนี้คือแมว สิ่งนี้คือสุนัข แล้ว AI จะเรียนรู้ด้วยตัวเองว่าสิ่งไหนคือแมว สิ่งไหนคือสุนัข โดยที่เราไม่ต้องบอกมันสักนิดเลยว่าแยกแยะอย่างไร ซึ่งสิ่งนี้การเรียนรู้ที่ดูแล้วอาจจะไม่ต่างกับการเรียนรู้ของเด็กน้อยนัก ก็คือการเรียนรู้โดยใช้ Deep Learning เมื่อเทียบกับในอดีตจะเรียกว่า Machine Learning ทั่วไป
Deep Learning มีประสิทธิภาพมากในการที่มันไม่ได้แยกได้แค่แมวหรือสุนัขเท่านั้น แต่ถึงขั้นแยกได้ว่าเอ็กซเรย์ตัวนี้มีมะเร็งไหม โดยใช้หลักการเดียวกัน
ที่เจ๋งมากก็คือ มันสามารถเรียนรู้ข้อมูลเป็นพันล้านหรือหลายหมื่นล้าน และสามารถเรียนรู้ในระยะเวลาที่ไม่นาน ทำให้มีฐานความรู้กว้างขวางมาก สามารถมาช่วยงานหลายๆ อย่างของมนุษย์ได้ แม้แต่งานสำหรับผู้เชี่ยวชาญ เช่น การดู CT Scan ที่ต้องเรียน 9 ปีถึงจะดูได้อย่างแม่นยำ ปัจจุบัน AI ก็สามารถดูได้แบบแม่นยำเทียบเท่ากับหมอรังสีวินิจฉัยแล้ว แต่อาจยังมีจุดบกพร่องอยู่บ้าง
ในอนาคต AI จะครองโลกจริงหรือ
ต้องบอกว่า AI นั้นมีทั้งด้านดีและด้านเสีย เอาด้านดีก่อน ผมมั่นใจว่าปัจจุบันถ้าเราพูดถึงงานเล็กๆ บางอย่าง เช่น การอ่านเอ็กซเรย์, การอ่าน CT หรือการอ่านคลื่นไฟฟ้าหัวใจ มันมีงานวิจัยเยอะแยะที่ว่า AI บางส่วนอาจชนะผู้เชี่ยวชาญไปแล้ว ซึ่งที่มันเป็นแบบนี้ได้แปลว่าจริงๆ แล้วงานที่เราเชื่อว่าเป็นงานที่ยากมากของมนุษย์ AI ก็สามารถเรียนได้ บางคนอาจกลัว แต่ผมก็คิดว่า AI ยังมีปัญหาหนึ่งที่สำคัญคือ สมมติว่าเอ็กซเรย์นี้มีก้อนมะเร็งอยู่ บางทีมันบอกได้ไม่ชัดว่าก้อนอยู่ตรงไหน สุดท้ายการที่มันบอกไม่ได้ก็ต้องมีหมอมาคอนเฟิร์มอีกทีหนึ่ง ดังนั้นผมคิดว่า ในระยะเวลา 10 ปีข้างหน้านี้ AI ไม่มีทางจะแทนที่หมอ แต่มันจะช่วยหมอให้ทำงานอย่างมีประสิทธิภาพมากขึ้นได้
ส่วนด้านเสีย ที่ว่ามันจะครองโลกไหม เช่นที่หลายๆ คนกังวลว่ามันอาจกลายเป็นแบบ Terminator ซึ่งทางเทคนิคแล้วมีโอกาสจะเป็นได้ แต่ผมเชื่อว่ามนุษย์เองก็ต้องทำบางอย่างเพื่อมาบล็อกไม่ให้มันไปถึงจุดนั้น ตอนนี้เราจะเห็นว่าหลายๆ ประเทศพยายามออกกฎหมายต่างๆ เข้ามาควบคุมให้มันไปอยู่ในแนวทางที่เหมาะสม ไม่ไปถึงขั้นที่จะเป็นอันตรายกับมนุษย์
ได้ข่าวว่าทำแพลตฟอร์ม AI ทางการแพทย์เพื่อช่วยหมอในไทย
ใช่ครับ จริงๆ มีหลายส่วน ถ้าเอาที่ทำทีมกับน้องๆ เพื่อนๆ จะชื่อว่า ‘PreceptorAI’ เป็นแพลตฟอร์มที่มาช่วยให้ข้อมูลสำหรับน้องๆ หมอที่อาจจะยังมีประสบการณ์ไม่มากนักในรูปแบบเดียวกับ ChatGPT แต่เป็นเฉพาะทางการแพทย์เลย เพราะเราใช้ข้อมูลเฉพาะทางการแพทย์เท่านั้นมา Benchmark เบื้องต้นเราทดสอบแล้วพบว่ามีความสามารถที่ดีกว่า Google Bard, ChatGPT ของ OpenAI และ Claude 2 ของ Anthropic ในการทำข้อสอบแพทย์ที่เป็นภาษาอังกฤษ แล้วถ้าเป็นภาษาไทยก็ชนะทุกคนแน่ๆ เพราะสามเจ้าไม่มีใครทำภาษาไทย แล้วส่วนหนึ่งที่ทำให้ทีมยังดำเนินการต่อได้คือเงินรางวัลจากการแข่งขันต่างๆ ที่เราชนะเลิศมา เช่น HACKaTHAILAND และ BOTNOI OpenAI HackFest และการแข่งขันอื่นๆ ที่ได้รับรองชนะเลิศ เช่น TCELS x RISE คือกลายเป็นว่าไปแข่งขันตามรายการต่างๆ ก็เพื่อเอามาเป็นทุนในการพัฒนาเพิ่มเติมครับ
ซึ่งปัจจุบันมีแพทย์ใช้งานอยู่ประมาณ 4,500 คน และทีมเราพยายามเพิ่มฟังก์ชันสำหรับบุคลากรทางการแพทย์นอกจากหมอเข้าไปด้วย โดยหวังว่าจะช่วยเพิ่มประสิทธิภาพการทำงานของบุคลากรทางการแพทย์และลดเรื่องเบิร์นเอาต์ คำถามที่สำคัญคือ จะมีแพลตฟอร์มแบบนี้สำหรับคนที่ไม่ใช่บุคลากรทางการแพทย์ไหม สิ่งนี้จะมีในอนาคตครับ โดยทีมเราทำงานกับบริษัท CARIVA ซึ่งเป็นบริษัทในเครือ ปตท.สผ. และยังเป็นสปอนเซอร์ของทีมเราอีกด้วย จะทำเวอร์ชันสำหรับคนทั่วไปในชื่อ AILY ให้เป็นเหมือนแพทย์ประจำตัวที่จะติดตามไปดูแลตลอดเวลาผ่านแอปพลิเคชันครับ
อีกอย่างหนึ่งที่ทำที่ศิริราชก่อนที่จะมาเรียนต่อที่อังกฤษ คือ AI ในการวินิจฉัยมะเร็งโรคเลือด โดยทำร่วมกับภาควิชาอายุรกรรม สาขาวิชาโลหิตวิทยา ที่ศิริราช และมี ดร.ณัฐกร จากภาควิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย มาช่วยกันลุยจนได้เหรียญทองจากการแข่งที่สวิตเซอร์แลนด์ เราสามารถสร้าง AI ที่มีความแม่นยำถึงขั้นจำแนกชนิดของมะเร็งโรคเลือดจากภาพได้เลยครับ เราใช้หลักการเดิมที่กล่าวไปครับ เอาภาพให้มันเห็นเยอะมากๆ กระทั่งมันจับแพตเทิร์นเองได้จนมีความสามารถนี้
สุดท้ายที่ร่วมทำกับภาควิชาพยาธิวิทยาที่ศิริราช คือสร้าง AI มาช่วยหมอพยาธิที่ดูชิ้นเนื้อ โดยเริ่มจากโรคมะเร็งต่อมน้ำเหลืองชนิดหนึ่ง มาช่วยหมอให้ตรวจพบโรคของคนไข้ได้ทันท่วงที อันนี้สำคัญมาก สมมติว่ามีชิ้นเนื้อมา 100 เคส ซึ่งคนไข้เคสที่ 1-99 อาจไม่เป็นมะเร็ง แต่คนไข้เคสที่ 100 ที่เป็นมะเร็งต้องรอ กว่าหมอจะได้ดูเคสก็ล่าช้าไปอีก 2 หรือ 4 สัปดาห์ ซึ่งทำให้การรักษาช้าเกินไป จนบางทีบางคนอาจรอไม่ไหวแล้ว การมี AI จะช่วยเรียงตามความน่าจะเป็นของชิ้นเนื้อที่น่าจะมีมะเร็งอยู่ในนั้น ดังนั้นคนที่มีโอกาสเป็นสูงจะถูกสลับมาตอนต้นเลย
อุปสรรคและความท้าทายเรื่อง AI การแพทย์คืออะไร
ถ้าพูดถึงการทำ AI จะมีปัจจัยสำคัญ 3 อย่าง ซึ่งเป็นทั้งความท้าทายและอุปสรรคเลยที่จะหา 3 อย่างนี้มาได้พร้อมกัน เพื่อจะทำ AI การแพทย์เรื่องหนึ่ง เรื่องแรกคือ คนที่ทำ AI นอกจากจะได้เรื่องของ AI แล้ว จะต้องมีความเข้าใจในเรื่องการแพทย์ระดับหนึ่งด้วย ซึ่งถือว่าหาได้ยาก สองคือ เรื่องของโมเดลคณิตศาสตร์ที่เอามาทำ AI ว่าดีไหม ตรงนี้เป็นเพราะงานวิจัยทางด้านปัญญาประดิษฐ์ทางการแพทย์เร็วมากและค่อนข้างมีความจำเพาะในแต่ละงาน ดังนั้นแม้คนที่ทำ AI จะเก่ง แต่หากไม่อัปเดตหรือเลือกใช้โมเดลที่ไม่เหมาะสมก็อาจไม่ได้ผลลัพธ์ที่ดีที่สุด อย่างสุดท้ายคือ เรื่องของข้อมูลที่ต้องดี แต่ข้อมูลการแพทย์เป็นข้อมูลที่อ่อนไหว ในไทยมีกฎระเบียบที่เคร่งครัด ถ้าสตาร์ทอัพในประเทศไทยอยากทำ AI ทางการแพทย์นี่ยากมากในการขอข้อมูล
อย่างไรก็ตาม จะมีบางที่ที่พยายามแก้ไขปัญหาตรงนี้ เช่น SiCAR AI Lab ที่ประกอบด้วยทีมจากบริษัท CARIVA และศิริราช มาร่วมกันทำระบบที่จะสามารถช่วยให้ Health Tech Start-up สามารถสร้างโมเดล AI ทางการแพทย์ โดยลดข้อจำกัดเหล่านี้ได้
สุดท้ายนี้แนะนำว่า ถ้าเราเป็นวิศวกรหรือคนที่ไม่ใช่บุคลากรทางการแพทย์แล้วอยากทำ AI ทางการแพทย์ แทนที่จะพยายามทำทุกอย่างด้วยตนเอง ซึ่งแน่นอนว่าจะเห็นแต่อุปสรรค แนวทางหนึ่งที่แนะนำเลยคือ ควรไปจับมือกับหมอที่โรงพยาบาลนั้นแล้วบอกว่า เราอยากทำวิจัย AI ทางการแพทย์เพื่อช่วยคนไข้ และบอกความสนใจไป ปกติแล้วแต่ละโรงพยาบาลมักจะมีประสบการณ์ไม่มากก็น้อย จะทำให้ทุกอย่างง่ายขึ้นเยอะ และทำให้ทีมที่ทำ AI ได้โฟกัสไปที่ AI อย่างแท้จริง
ส่วนบุคลากรทางการแพทย์ที่อยากทำ AI ก็เช่นเดียวกันครับ ผมไม่แนะนำให้เราไปเรียนเขียนโปรแกรมและ AI เอง เพราะกว่าจะได้ของมาช่วยคนไข้นั้นนาน ผมคิดว่าทางที่ดีกว่าคือ ไปจับมือกับวิศวกรที่เป็นผู้เชี่ยวชาญแล้วทำพร้อมกัน จะสามารถช่วยคนไข้ได้เร็วกว่าครับ
กลับมาที่ ‘Preceptor AI’ โมเดลธุรกิจเป็นอย่างไร
ผมคิดว่า Preceptor AI สามารถช่วยหมอและสร้างอิมแพ็กต์ให้สังคมได้ โดยปัจจุบันเราเปิดให้ใช้ฟรี เนื่องจากเราพอมีเงินที่ได้รับการสนับสนุนอยู่ ผมคิดว่า Preceptor AI เป็นโมเดลที่ถ้าทำงานเพื่อราชการหรือเพื่อคนไข้ เราจะพยายามให้ใช้ในราคาที่ถูกมากหรือใช้ฟรี แต่ถ้าเป็นฝั่งเอกชน เขาสามารถนำไปสร้างมูลค่าให้โรงพยาบาลและบริการมีคุณภาพมากขึ้นได้ เราจะไปเก็บเงินจากตรงนั้น สรุปคือฝั่งหนึ่งให้ใช้เกือบฟรีกับอีกฝั่งหนึ่งเก็บเงินเพื่อเลี้ยงบริษัทให้อยู่ได้ครับ
การมี AI มาช่วยจะเพิ่มภาระหมอที่ต้องตรวจสอบซ้ำหรือไม่
ที่เราอยากให้เป็นคือ ให้ AI ดูให้ก่อนแล้วบอกหมอด้วย เช่น AI เห็นว่าในเอ็กซเรย์มีก้อนตรงนี้ หมอเห็นไหม หรือว่า AI ประมวลผลแล้วพบว่าคนไข้ควรปรับยาเบาหวาน หมอเห็นด้วยหรือเปล่า ซึ่งเรื่องหนึ่งที่ต้องระวังคือ การทำอย่างนี้ควรจะทำเฉพาะกับโรคที่ไม่ซับซ้อนหรือร้ายแรงนักหรือผลแล็บ ตรวจสอบได้ถูกต้องแน่นอน เพราะสิ่งที่เรากลัวที่สุดคือเรื่องของการเอนเอียง (Bias) เพราะอาจมีหมอบางคนหลงลืมที่จะตรวจสอบด้วยตัวเองอีกขั้นหนึ่ง ซึ่งที่สุดแล้วจะทำให้ความละเอียดรอบคอบในการตรวจรักษาคนไข้ลดลง
เบื้องต้นก็ต้องบอกว่าทั่วโลกทำเหมือนกันครับ คือถ้าหมอมีความเชี่ยวชาญแล้ว เราจะเปิดโหมดให้ AI ช่วยดูให้ก่อนเลย เพราะเราเชื่อว่าด้วยความเชี่ยวชาญของคุณจะตรวจสอบอีกครั้งได้ไม่มีปัญหา แต่ถ้าเกิดคุณเป็นจูเนียร์หรือนักศึกษาแพทย์ เราจะให้คิดก่อนเพื่อฝึกฝน สุดท้ายค่อยมี AI มาตรวจสอบซ้ำอีกครั้งว่าคิดตรงกันไหม สรุปคือใช้ได้ทั้ง 2 แบบ ขึ้นอยู่กับบริบทครับ ดังนั้นเราก็สบายใจได้แล้วว่าภาระของหมออาจลดลงครึ่งหนึ่งหรือมากกว่านั้น เพราะสิ่งนี้เป็นการผนวกรวมความรู้สู่การสร้างสิ่งใหม่ (Combination) ที่น่าจะดีที่สุดสำหรับทุกคน
ผมยกตัวอย่างการอ่านผลชิ้นเนื้อมะเร็งที่ต้องใช้คนที่มีความรู้เฉพาะทางมากๆ ซึ่งมีงานวิจัยชัดเจนว่า เอ็กซเรย์, CT, MRI อย่างน้อยต้องมีการศึกษาที่แสดงให้เห็นว่า AI ชนะหมอ เช่น เราให้ AI ตรวจว่าภาพนี้มีมะเร็งไหม หาก AI ตอบว่ามี แต่มันอาจอธิบายไม่ได้ว่าทำไมบริเวณนี้ถึงน่าจะมีมะเร็ง เอาเป็นว่าสมการคณิตศาสตร์บอกมาว่าน่าจะมีมะเร็ง ซึ่งบางที AI ก็พลาดได้ ถ้าถามเยอะ AI ก็ตอบไม่ได้ อะไรอย่างนี้ครับ ดังนั้นสุดท้ายถึงอย่างไรก็ต้องเป็นมนุษย์ช่วยดู
อย่างเคสที่ผมทำที่อังกฤษมันมีหลายเคสที่ AI แค่ดูเอ็กซเรย์ก็บอกว่ามีก้อน แต่หมอรังสีบอกว่าไม่มีทาง สุดท้ายตรวจ CT Scan แล้วปรากฏว่ามีจริงๆ แต่เราไม่รู้ว่าทำไม หมายถึงว่า AI รู้ได้อย่างไร ซึ่งผมคิดว่าเพราะ AI ดูเป็นพิกเซลครับ ดูเป็นสีๆ เล็กๆ แล้วรู้ว่าแพตเทิร์นแบบนี้มีมะเร็งแน่ๆ ซึ่งหมอรังสีอาจมองไม่เห็น ปัจจุบัน AI ล้ำไปถึงขนาดที่ว่าดูชิ้นเนื้อบริเวณนี้ก็บอกได้เลยว่ามีการกลายพันธุ์ของยีนส์หรือพันธุกรรมชนิดไหน
ภาพอนาคตอยากเห็นวิทยาศาสตร์ในสังคมไทยมีหน้าตาเป็นอย่างไร
อยากให้เกิดการถกกันเหมือนโลกตะวันตก ผมคิดว่าสิ่งนี้เป็นจุดเริ่มต้นสำหรับเรื่องของการศึกษา อาจฝากถึงสื่อหรือนักวิทยาศาสตร์ อยากให้เขาเปิดใจมากขึ้นแล้วมองว่าภารกิจของเขาไม่ใช่แค่สร้างวิทยาศาสตร์เพื่อให้โลกดีขึ้น แต่สิ่งที่คุณควรจะต้องทำด้วยก็คือการส่งต่อความรู้และความเข้าใจเรื่องที่เป็นวิทยาศาสตร์ให้กับสังคมด้วย
ผมคิดว่าต้องมีจุดเริ่มต้นที่สื่อจะพยายามนำเสนอข่าวด้านวิทยาศาสตร์ให้มากขึ้น เมื่อไรก็ตามที่คนเริ่มสนใจและมีนักวิทยาศาสตร์แสดงความคิดเห็น รวมทั้งให้ความรู้เพิ่มเติมก็จะทำให้ข่าวคุ้มค่าต่อการรับรู้และเข้าใจ ซึ่งจะสร้างสังคมที่มีคุณภาพได้ แต่สื่อทำออกมาไม่ได้มากนัก อาจเพราะไม่มีคนมาอธิบายเรื่องยากให้เข้าใจได้ง่ายให้ฟัง ที่สำคัญอีกอย่างหนึ่งคือ ผมคิดว่าการทำวิทยาศาสตร์ให้ดูเป็นเรื่องที่เข้าถึงง่าย ทำให้กลายเป็นความบันเทิง จะดึงดูดให้เด็กและคนในสังคมมาสนใจวิทยาศาสตร์มากขึ้นได้
