Bangkok AI Week 2025 ซึ่งจัดโดย EDTA เมื่อวันที่ 27 มิถุนายน 2568 ในหัวข้อ “ปัญญาประดิษฐ์กับภารกิจสร้างโลกที่ยั่งยืน” นศภ.ศุภวพิชญ์ เจียมเจริญเดช ซึ่งเป็นนักศึกษาฝึกงานบริษัท Pharm Connection ได้เข้าร่วมงาน โดยการอบรมครั้งนี้ได้จุดประกายความเข้าใจเกี่ยวกับบทบาทของปัญญาประดิษฐ์ (AI) ในภาค Medical Tech และสร้างแรงบันดาลใจให้เราอยากแบ่งปันข้อมูลสำคัญที่ได้รับมาค่ะ

ปัจจุบัน AI ได้เข้ามามีบทบาทสำคัญในระบบสาธารณสุขของไทย ทั้งในด้านการส่งเสริมสุขภาพ การวินิจฉัยโรค การพัฒนายาใหม่ และการดูแลผู้ป่วยอย่างครบวงจร บทความนี้จะรวบรวมมุมมองจากผู้เชี่ยวชาญสามท่านที่ได้นำเสนอ ซึ่งครอบคลุมทั้งการใช้งานในโรงพยาบาล การพัฒนายา และการดูแลสุขภาพจิต พร้อมทั้งสะท้อนถึงความท้าทายและโอกาสในการพัฒนาระบบสาธารณสุขของไทยค่ะ

บทความนี้จะพาไปเจาะลึกว่า AI ถูกนำมาใช้อย่างไรในภาคสาธารณสุข โอกาสที่เปิดขึ้นมีอะไรบ้าง และเราจะต้องรับมือกับความท้าทายใดเพื่อให้เทคโนโลยีนี้กลายเป็นพลังผลักดันระบบสุขภาพของไทยให้ก้าวไกลและยั่งยืนค่ะ

AI กับการสนับสนุนการทำงานของแพทย์และการพัฒนายา

คุณจิรเมธ คิญชกวัฒน์ (พี่อาร์ต) – ผู้เชี่ยวชาญด้าน AI และการพัฒนายา ได้นำเสนอว่า AI มีบทบาทสำคัญในสองด้านหลักการแพทย์ คือ การเป็นผู้ช่วยแพทย์ในโรงพยาบาล และการเร่งกระบวนการพัฒนายาใหม่

AI ช่วยลดภาระงานของแพทย์

1. จากข้อมูลที่อ้างอิงจากสหรัฐอเมริกา (ซึ่งพี่อาร์ตได้มีความเชื่อว่ามีแนวโน้มคล้ายกับประเทศไทย) แพทย์ใช้เวลากว่าร้อยละ 50 ไปกับงานเอกสาร เช่น การรีวิวประวัติผู้ป่วย (33%) การสั่งยา (26%) และการบันทึกข้อมูลลงในระบบจัดการโรงพยาบาล (HIS) (24%) 

ในขณะที่เวลาในการพูดคุยกับผู้ป่วยจริงๆ มีเพียงร้อยละ 26 เท่านั้น AI สามารถช่วยลดภาระงานเหล่านี้ได้อย่างมาก เช่น

• ระบบจดบันทึกอัตโนมัติ (Automatic Speech Recognition – ASR): AI สามารถบันทึกและสรุปบทสนทนาระหว่างแพทย์และผู้ป่วยได้ทันที ลดเวลาการจดบันทึกได้ถึงร้อยละ 70 ทำให้แพทย์มีเวลาดูแลผู้ป่วยมากขึ้นร้อยละ 20 และช่วยลดความแออัดในโรงพยาบาล
• การสรุปประวัติผู้ป่วย: AI สามารถดึงและสรุปข้อมูลประวัติผู้ป่วยเก่าได้อย่างรวดเร็ว ลดเวลาในส่วนนี้ลงร้อยละ 20

ดัดแปลงจาก :สไลด์ในงาน Bangkok AI Week 2025  หัวข้อDrug Clinical Trial Timeline

AI กับการพัฒนายาใหม่

2. การพัฒนายาโดยทั่วไปใช้เวลานานถึง 10-15 ปี ตั้งแต่การค้นพบสารตั้งต้นจนถึงการทดสอบในมนุษย์ (clinical trials) ซึ่งแบ่งเป็นสามระยะ
   
   • ระยะที่ 1: ทดสอบความปลอดภัยของยา (โอกาสผ่าน 52%)
   • ระยะที่ 2: ทดสอบประสิทธิภาพในกลุ่มเล็ก (โอกาสผ่านลดลงเหลือ 2 ใน 3)
   • ระยะที่ 3: ทดสอบประสิทธิภาพในวงกว้าง และจดทะเบียนยา ซึ่งใช้เวลาอีกหลายปี
3. AI ได้เข้ามาเปลี่ยนแปลงกระบวนการนี้ โดยโมเดลอย่าง AlphaFold หรือบริษัทอย่าง Chemistry 42 และ Exscientia ใช้ AI วิเคราะห์โครงสร้างยา ทำให้
   • ลดระยะเวลาการวิจัยในห้องปฏิบัติการจาก 4 ปีเหลือ 1 ปี
   • เพิ่มโอกาสความสำเร็จในระยะที่ 1 จาก 52% เป็น 90%
   • เพิ่มโอกาสความสำเร็จในระยะที่ 2 จาก 30% เป็น 40%
4. ปัจจุบัน ยาที่พัฒนาด้วย AI บางตัวก้าวสู่ระยะที่ 3 แล้ว และคาดว่าจะออกสู่ท้องตลาดได้เร็วขึ้นในอนาคต
   

AI ในการดูแลสุขภาพจิต

รศ.พญ.โสฬพัทธ์ เหมรัญช์โรจน์ จิตแพทย์และนักวิจัยด้าน AI ได้นำเสนอว่า AI มีศักยภาพในการช่วยแก้ปัญหาการขาดแคลนจิตแพทย์และลดระยะเวลาการรอคิวของผู้ป่วย ซึ่งเป็นปัญหาใหญ่ในประเทศไทย

การคัดกรองภาวะซึมเศร้า

1. อาจารย์โสเล่าถึงแอปพลิเคชันที่พัฒนาขึ้นในแพลตฟอร์ม “หมอพร้อม” ซึ่งใช้ AI วิเคราะห์สามด้าน ได้แก่
   • สีหน้า (Facial Expression): วิเคราะห์การเคลื่อนไหวของกล้ามเนื้อใบหน้า (Action Units)
   • น้ำเสียง (Voice Tone): ตรวจจับลักษณะ “monotone” ซึ่งมักพบในผู้ป่วยซึมเศร้า
   • ข้อความ (NLP): วิเคราะห์คำพูดและบริบท
2. แอปนี้สามารถคัดกรองภาวะซึมเศร้าได้แม่นยำถึง 85% และช่วยระบุระดับความรุนแรงของอาการได้ โดยในปี 2568 มีผู้ใช้งานแล้วกว่า 400,000 ครั้ง และช่วยระบุผู้ที่มีความเสี่ยงฆ่าตัวตายได้หลายพันคน ทำให้สามารถให้ความช่วยเหลือได้ทันท่วงที

3. การพัฒนาในอนาคต
   
   • การวิเคราะห์เชิงรุก: ใช้ข้อมูลจากการคัดกรองเพื่อวิเคราะห์พฤติกรรมและปัจจัยเสี่ยง เช่น ปัญหาการฆ่าตัวตายในกลุ่มวัยรุ่น เพื่อกำหนดนโยบายป้องกัน
   • การเลือกยาที่เหมาะสม: ผสานข้อมูล genomics และพฤติกรรม (lifestyle) เพื่อเลือกยารักษาภาวะซึมเศร้าที่เหมาะสมตั้งแต่ครั้งแรก ลดความเสี่ยงจากการใช้ยาที่ไม่ได้ผล
   • การติดตามด้วยอุปกรณ์สวมใส่ (Wearable Devices): ตรวจจับรูปแบบการนอนและพฤติกรรม เพื่อแจ้งเตือนแพทย์เมื่อผู้ป่วยมีอาการผิดปกติ
   • บอทจิตวิทยา (AI Chatbots): พัฒนาบอทที่สามารถให้คำปรึกษาเบื้องต้นและรับรู้ภาวะอารมณ์ของผู้ป่วยได้ใกล้เคียงกับนักจิตวิทยา ช่วยเป็นเพื่อนคุยและลดความรู้สึกโดดเดี่ยว โดยผู้ป่วยบางรายระบุว่ารู้สึก “ระบายได้” และ “ไม่ถูกตัดสิน” เมื่อคุยกับบอท

AI ในการวินิจฉัยโรคด้วยภาพถ่ายทางการแพทย์

คุณศศินันท์ วรเกรียงไกร จากบริษัท Perceptra ซึ่งพัฒนา AI สำหรับการวิเคราะห์ภาพถ่ายทางการแพทย์ เช่น X-ray, CT scan และ MRI ได้นำเสนอว่า AI ช่วยลดภาระงานที่ต้องใช้เวลานานและมีปริมาณมาก (tedious tasks) ได้อย่างมีประสิทธิภาพ

1. การตรวจคัดกรองมะเร็ง
   AI ของ Perceptra ช่วยตรวจจับมะเร็งปอดจากภาพ X-ray ได้ล่วงหน้าถึง 5 ปี ซึ่งเป็นระยะเวลาที่สำคัญมากสำหรับการรักษามะเร็งให้หายขาด ตัวอย่างเคสที่น่าสนใจคือกรณีที่แพทย์เกือบปล่อยผู้ป่วยกลับบ้านเนื่องจากภาพ X-ray ดูปกติ แต่ AI ตรวจพบความผิดปกติ เมื่อตรวจเพิ่มเติมด้วยมุมถ่ายภาพอื่นหรือ CT scan พบว่าเป็นมะเร็งจริง AI ช่วยลดข้อจำกัดของการมองเห็นด้วยตาเปล่า เช่น รอยโรคที่ซ่อนอยู่หลังอวัยวะอื่น
2. การตรวจคัดกรองวัณโรค
   Perceptra ร่วมมือกับหน่วยงานสาธารณสุขในหลายจังหวัด พัฒนา AI เพื่อตรวจคัดกรองวัณโรคจากภาพ X-ray ทำให้ลดระยะเวลาจากการตรวจครั้งแรกจนถึงเริ่มรักษาจาก 21 วันเหลือเพียง 3 วัน ช่วยเพิ่มประสิทธิภาพและลดภาระของแพทย์ นอกจากนี้ AI ยังช่วยระบุพื้นที่ที่มีความผิดปกติสูงและกลุ่มอายุที่มีความเสี่ยง รวมถึงตรวจพบโรคอื่นๆ เช่น หัวใจโต ทำให้สามารถวางแผนการตรวจคัดกรองโรคอื่นๆ ได้ต่อเนื่อง
3. ผลิตภัณฑ์ในอนาคต
   ปัจจุบัน Perceptra มี AI สำหรับตรวจ X-ray ปอดและมะเร็งเต้านม (mammogram) ซึ่งใช้งานในโรงพยาบาลเกือบ 100 แห่งและประมวลผลไปกว่า 5 ล้านเคส ในอนาคตมีแผนพัฒนา AI สำหรับ:
   • การตรวจคัดกรองเบาหวานขึ้นจอประสาทตา
   • การวิเคราะห์ภาพ CT scan สมองเพื่อตรวจจับโรคหลอดเลือดสมอง (stroke)
   • การเพิ่มการเข้าถึงการตรวจคัดกรองมะเร็งเต้านม ซึ่งปัจจุบันครอบคลุมเพียง 10-14% ของผู้หญิงที่ควรได้รับการตรวจในแต่ละปี

ความท้าทายและแนวทางแก้ไข

ผู้เชี่ยวชาญทั้งสามท่านได้สะท้อนถึงความท้าทายและแนวทางในการพัฒนาการใช้ AI ในระบบสาธารณสุขของไทย ดังนี้

1. Interoperability (การทำงานร่วมกันระหว่างระบบ)
   • ปัญหา: ระบบข้อมูลของแต่ละโรงพยาบาลมีความแตกต่างกัน ไม่มีความเชื่อมโยงกัน ทำให้ AI ที่พัฒนาขึ้นอาจใช้ไม่ได้ในบางโรงพยาบาล เนื่องจากรูปแบบข้อมูลหรือระบบ HIS ไม่สอดคล้องกัน
   • แนวทางแก้ไข: พี่อาร์ตได้เสนอว่าต้องมีหน่วยงานรัฐกำหนดมาตรฐานข้อมูลเพื่อให้ระบบสามารถทำงานร่วมกันได้อย่างราบรื่น รวมถึงโรงพยาบาลควรเลือกใช้ระบบ HIS ที่ปรับแต่งได้เพื่อรองรับเทคโนโลยีใหม่ๆ หรือควรต้องมีมาตรฐานกลาง
2. Inclusiveness (ความครอบคลุม)
   • ปัญหา: AI ที่พัฒนาจากต่างประเทศอาจไม่เหมาะกับคนไทย เนื่องจากความแตกต่างด้านสรีระหรือพฤติกรรม เช่น ขนาดปอดของคนไทยอาจเล็กกว่าคนตะวันตก ทำให้ AI อาจตีความผิด
   • แนวทางแก้ไข: ต้องมีการเก็บข้อมูลของคนไทยในปริมาณมาก เช่น โครงการ Genome Thailand หรือฐานข้อมูลภาพ X-ray เพื่อให้ AI เข้าใจลักษณะเฉพาะของคนไทย
3. Accountability (ความรับผิดชอบ)
   • ปัญหา: AI ไม่ได้แม่นยำ 100% และอาจเกิดข้อผิดพลาด (hallucination) ซึ่งต้องมีการตรวจสอบโดยมนุษย์
   • แนวทางแก้ไข: อาจารย์โสเน้นย้ำว่าแพทย์ต้องเรียนรู้ควบคู่ไปกับ AI และตรวจสอบข้อมูลเสมอ เพื่อรักษาความน่าเชื่อถือและความปลอดภัยในการใช้งาน
4. การเปลี่ยนจากระบบกระดาษเป็นดิจิทัล (Paperless)
   • ปัญหา: การบันทึกด้วยลายมือยังเป็นมาตรฐานในหลายโรงพยาบาล ทำให้ยากต่อการนำข้อมูลเข้าสู่ระบบดิจิทัล
   • แนวทางแก้ไข: การพัฒนา AI ที่ใช้เทคโนโลยี OCR (Optical Character Recognition) เพื่ออ่านลายมือของแพทย์และเภสัชกร อาจช่วยเปลี่ยนระบบให้เป็นดิจิทัลได้ง่ายขึ้น แต่ต้องมีการลงทุนในการสร้างฐานข้อมูลและการติดฉลากข้อมูล (labeling) ซึ่งต้องใช้ทรัพยากรจำนวนมาก

ข้อเสนอแนะสำหรับอนาคต ของ AI ในระบบสาธารณสุข

• จากมุมมองของคุณจิรเมธ : การพัฒนาโครงสร้างพื้นฐานด้านข้อมูลและการกำหนดมาตรฐานโดยหน่วยงานรัฐจะช่วยให้ AI สามารถใช้งานได้ในวงกว้าง การยอมรับว่า AI เป็นเครื่องมือที่มีข้อจำกัดแต่มีประโยชน์สูงจะช่วยปรับ mindset ของผู้ใช้งาน
• จากมุมมองของอาจารย์โสฬพัทธ์: ผู้ใช้ AI ต้องมีความรู้ควบคู่ไปกับการใช้งาน และต้องมีการตรวจสอบข้อมูลโดยมนุษย์เพื่อความปลอดภัย การพัฒนา AI เพื่อการดูแลสุขภาพจิตควรเน้นการทำงานเชิงรุกและการติดตามผู้ป่วยอย่างใกล้ชิด
• จากมุมมองของคุณศศินันท์: ประชาชนควรเรียนรู้และใช้ AI เพื่อดูแลสุขภาพตนเอง การให้ Feed back จากผู้ใช้งานจริงจะช่วยพัฒนาผลลัพธ์ใหม่ๆ และการร่วมมือระหว่างภาครัฐ เอกชน และองค์กรการแพทย์จะช่วยแก้ปัญหาคอขวด เช่น การเพิ่มการเข้าถึงการตรวจคัดกรองมะเร็ง

บทเรียนจากงาน Bangkok AI Week 2025 สะท้อนให้เห็นว่าประเทศไทยมีโอกาสอย่างมากในการประยุกต์ใช้ AI เพื่อยกระดับการดูแลสุขภาพของประชาชน การนำ AI มาใช้ในระบบสาธารณสุขของไทยแสดงให้เห็นถึงศักยภาพในการยกระดับการดูแลสุขภาพ ตั้งแต่การลดภาระงานของแพทย์ การเร่งพัฒนายาใหม่ การคัดกรองสุขภาพจิต ไปจนถึงการวินิจฉัยโรคด้วยภาพถ่ายทางการแพทย์ 

อย่างไรก็ตาม ก็มีความท้าทายด้านการทำงานร่วมกันของระบบ ความเหมาะสมกับบริบทของคนไทย และการเปลี่ยนผ่านสู่ระบบดิจิทัลยังคงเป็นอุปสรรคที่ต้องแก้ไข การร่วมมือระหว่างทุกภาคส่วน รวมถึงการลงทุนในโครงสร้างพื้นฐานและการสร้างความตระหนักรู้ และเรายังต้องร่วมกันผลักดันการพัฒนาโครงสร้างพื้นฐานด้านข้อมูล การกำหนดมาตรฐานกลาง การให้ความรู้กับผู้ใช้งาน จะเป็นกุญแจสำคัญในการผลักดันให้ AI กลายเป็นเครื่องมือที่ช่วยให้ระบบสาธารณสุขของไทยมีประสิทธิภาพและครอบคลุมมากยิ่งขึ้นในอนาคต

ผู้เขียนเชื่อว่า หากทุกภาคส่วนทำงานร่วมกันอย่างมีเป้าหมาย เราจะสามารถใช้ AI เป็นพลังขับเคลื่อนที่ทำให้ระบบสุขภาพของไทย “ก้าวทันโลก” และ “เข้าถึงทุกคน” อย่างแท้จริงค่ะ