ปัญญาประดิษฐ์กับการใช้ประโยชน์ทางการแพทย์

Share on facebook
Share on twitter
Share on google
Share on email
หากกล่าวถึง AI หรือปัญญาประดิษฐ์ หลายคนอาจคิดถึงหุ่นยนต์ที่เดินไปเดินมา มีความคิดเป็นของตัวเอง สามารถทำงานแทนมนุษย์ ทำงานบ้านหรือพาสุนัขไปเดินเล่นได้ แม้ว่าขณะนี้เรายังคงอยู่ห่างไกลจากจุดนั้น แต่ต้องยอมรับว่าปัจจุบัน AI ได้พัฒนามาไกลกว่าสมัยก่อนมาก
คำว่า “AI หรือ Aritifical Intelligence”  ถูกใช้ครั้งแรกตั้งแต่ปี ค.ศ. 1956 ในงานประชุมที่วิทยาลัยดาร์ธมัท (Darthmouth College) สหรัฐอเมริกา ซึ่งรวมกลุ่มคนหัวใสไม่กี่คนที่ศึกษาวิธีการสร้างเครื่องจักรให้สามารถเลียนแบบสมองของมนุษย์ได้ คือ มีความสามารถในการใช้เหตุผล ใช้ภาษาและความคิดสร้างสรรค์ แม้ในขณะนั้นเทคโนโลยียังคงอยู่ห่างไกลจากความฝันของคนกลุ่มนั้นและนักวิทยาศาสตร์คอมพิวเตอร์ก็คิดว่าเราอาจไปไม่ถึงความฝัน แต่ปัจจุบัน ปี ค.ศ. 2020 ได้กลายเป็นยุคเจริญรุ่งเรืองที่สุดของ AI ดูได้จากการใช้ประโยชน์จากเทคโนโลยี AI ทั้งในภาครัฐและเอกชน ไม่ว่าจะเป็น Google Grab Netflix ล้วนใช้ประโยชน์จาก AI ทั้งสิ้น
สิ่งที่เราควรทำความเข้าใจอย่างหนึ่งก่อนก็คือ AI เป็นคำที่กว้างมากและนิยามได้ยาก ในปัจจุบันเป็นที่ยอมรับกันว่า AI แบ่งกว้าง ๆ ได้เป็น AGI (Artificial General Intelligence) ซึ่งหมายถึง AI ที่สามารถทำงานได้ทุกอย่าง คิดและเรียนรู้ได้ด้วยตนเอง (จินตนาการถึงหุ่นยนต์ที่โต้ตอบและทำตามคำสั่งได้เหมือนในหนัง sci-fi) และ ANI (Artificial Narrow Intelligence) ซึ่งออกแบบให้ทำงานใดงานหนึ่งโดยเฉพาะ เช่น AlphaGo หุ่นยนต์เล่นหมากรุกที่เก่งกว่าแชมป์โลก โดยในปัจจุบันเทคโนโลยีส่วนมากยังจำกัดอยู่เพียง ANI ซึ่งใช้ประโยชน์จากศาสตร์ของ Machine Learning (สำนักงานราชบัณฑิตยสภา ได้บัญญัติเป็นคำไทยว่า การเรียนรู้ของเครื่อง) ในบทความนี้เราจะโฟกัสที่ Machine Learning ในทางการแพทย์ ซึ่งสื่อความหมายสอดคล้องกับโลกปัจจุบันได้ดีกว่า
Arthur Samuel ได้ให้คำนิยามของคำว่า Machine Learning ไว้ในปีค.ศ. 1959 หมายถึง การศึกษาที่ทำให้คอมพิวเตอร์สามารถเรียนรู้ได้ โดยไม่ต้องตั้งโปรแกรมไว้ล่วงหน้า ดังนั้นโปรแกรมคอมพิวเตอร์ที่เล่นเกม Tic-Tac-Toe (เกมโอเอ็กซ์) ซึ่งถูกตั้งโปรแกรมไว้แล้วว่าจะเดินอย่างไรหากฝ่ายตรงข้ามเลือกเดินจึงไม่ถือเป็นศาสตร์ของ Machine Learning ซึ่งแตกต่างจาก AlphaGo (AI เล่นโกะหรือหมากล้อม พัฒนาโดย DeepMind Technologies บริษัทลูกของ Google) ที่สามารถเล่นโกะได้เก่งขึ้นเรื่อย ๆ เมื่อผ่านประสบการณ์จากหลายกระดานมากขึ้น ในปี ค.ศ. 1998 Tom Mitchell ได้ให้นิยามของ Machine Learning ที่ดีมากขึ้นว่า หมายถึง คอมพิวเตอร์ที่เรียนรู้จากประสบการณ์เมื่อทำงาน และจะมีประสิทธิภาพการทำงานดีขึ้นเรื่อย ๆ เมื่อประสบการณ์เพิ่มมากขึ้น
AI กับการแพทย์
Technology photo created by pressfoto - www.freepik.com
ปัจจุบันมีความพยายามนำ AI มาใช้ประโยชน์ทางการแพทย์มากขึ้น หากย้อนกลับไปในสมัยก่อนปีค.ศ. 1990 ความรู้ทางการแพทย์ถูกเรียกว่า “ศิลปะ” (Art of Medicine) แม้กระทั่งใบอนุญาตประกอบวิชาชีพแพทย์ยังถูกเรียกว่า “ใบประกอบโรคศิลป์” เนื่องจากความรู้ทางการแพทย์ถูกส่งต่อรุ่นสู่รุ่น จากอาจารย์สู่ลูกศิษย์ และอยู่เพียงในกลุ่มคนที่ขึ้นชื่อว่าเป็นหัวกะทิของสังคม ในสมัยก่อนไม่มีใครกล้าโต้แย้งแพทย์ เนื่องจากเป็นผู้มีความรู้ และมีใบอนุญาตประกอบวิชาชีพ จึงไม่แปลกหากจะมีการรักษาที่ไม่ถูกต้องตามหลักวิทยาศาสตร์ แต่เกิดขึ้นจากความเชื่อ เช่น การสูบบุหรี่เพื่อรักษาโรคหอบหืด หรือการกรีดเลือดออกจากร่างกาย (Bloodletting) เพื่อรักษาโรคมะเร็งหรือโรคสิว แม้กระทั่งการผ่าตัดกลีบสมองออกบางส่วน (Lobotomy) เพื่อรักษาผู้ป่วยโรคจิตเวช ซึ่งปัจจุบันความเจริญก้าวหน้าทางวิทยาศาสตร์มีมากขึ้น ทำให้เรามีความเข้าใจทางชีววิทยาและพยาธิวิทยาของโรค รู้ว่าการรักษาเหล่านั้นล้วนเป็นวิธีที่ผิด
หลังปี ค.ศ. 1990 เป็นต้นมา ระบบทุนนิยมเข้ามามีบทบาทมากขึ้น บริษัทประกันสุขภาพต้องการเวชปฏิบัติ (Guidelines) หรือแนวทางปฏิบัติของแพทย์ที่เป็นที่ยอมรับในวงกว้าง เพื่อใช้เป็นมาตรฐานในการเบิกจ่ายค่ารักษาพยาบาล ดังนั้นทุกการตัดสินใจรักษาของแพทย์จึงต้องเป็นที่ประจักษ์และมีหลักฐานทางวิทยาศาสตร์รองรับชัดเจน สิ่งนี้ทำให้เกิดการปฏิวัติครั้งใหญ่ในวงการแพทย์ เข้าสู่ยุคที่เรียกว่า “Evidence-based Medicine” กล่าวคือ มาตรฐานปฏิบัติทางการแพทย์ต้องมีการศึกษาทดลองวิจัยอย่างเป็นระบบระเบียบ ด้วยกระบวนการทางสถิติและวิทยาศาสตร์ เช่น การคิดค้นยาชนิดใหม่เพื่อรักษาโรคหัวใจและการนำเข้าสู่ตลาดจะต้องผ่านการทดลองในบุคคลที่แข็งแรง เพื่อยืนยันผลข้างเคียง มีการแบ่งกลุ่มทดลองยาในคนที่เป็นโรคเทียบกับยาหลอกในขั้นตอนถัดมา และวิเคราะห์ข้อมูลทางสถิติเพื่อยืนยันประสิทธิภาพของยาอย่างแท้จริง ทำให้ความเจริญและคุณภาพทางด้านการแพทย์ในยุคนี้ก้าวกระโดดอย่างที่ไม่เคยมีมาก่อนในประวัติศาสตร์ของมนุษย์
อย่างไรก็ตาม กระบวนการดังกล่าวก็มีข้อเสีย เพราะการทดลองและวิจัยแต่ละครั้ง ต้องใช้ทรัพยากร ไม่ว่าจะเป็นเวลาหรือเงินจำนวนมหาศาล การคิดค้นการรักษาอย่างหนึ่งตั้งแต่เริ่มต้นจนถึงขั้นใช้ได้จริงอาจใช้เวลาเป็นปีหรือหลายปี และถึงแม้การรักษาวิธีใหม่ดังกล่าวจะมีหลักฐานเป็นที่ประจักษ์แล้วก็ตาม แต่กว่าที่การรักษานั้นจะบรรจุเป็นแนวทางการปฏิบัติเพื่อให้แพทย์ปฏิบัติตามได้ ก็อาจใช้เวลาอีกหลายปี เนื่องจากปัจจุบันการแก้ไขเวชปฏิบัติแต่ละครั้งต้องระดมแพทย์ผู้เชี่ยวชาญในสาขาดังกล่าวจากทุกมุมโลกมาประชุมเพื่อจัดทำแนวทางการรักษาใหม่ บางครั้งงานประชุมดังกล่าวก็จัดขึ้นแค่ปีละครั้ง จึงอาจใช้เวลาเป็นสิบปีนับตั้งแต่เรามีองค์ความรู้เกี่ยวกับการรักษาแบบใหม่ที่ได้ผลกว่าจะถูกนำมาใช้จริงโดยแพทย์ในสังคมอย่างเป็นมาตรฐาน
จุดนี้เองที่ AI ได้เปรียบและเข้ามามีบทบาทมหาศาลในปัจจุบัน เนื่องจาก  AI เรียนรู้จากข้อมูลที่มีอยู่แล้ว และจะมีความรู้ความเข้าใจมากขึ้นเมื่อได้รับข้อมูลเพิ่ม ประกอบกับปัจจัยหลัก 3 ประการที่เกิดขึ้นในช่วงที่ผ่านมาไม่นานนี้เองที่ทำให้ AI ได้เข้ามามีบทบาทสำคัญกับการปฏิวัติทางสาธารณสุขครั้งใหม่นี้ คือ 1) ปริมาณข้อมูลที่ทางการแพทย์มีมากขึ้นมหาศาลในช่วงไม่กี่ปีที่ผ่านมา 2) ความสามารถด้าน Hardware ในการประมวลผลข้อมูลของคอมพิวเตอร์ที่เพิ่มมากขึ้น 3) การสนับสนุนทางด้านการศึกษาเกี่ยวกับ AI ของภาครัฐและเอกชน
หนึ่งในอัลกอริทึมทาง Machine Learning ที่ได้รับความสนใจและเป็นรากฐานสำคัญของเทคโนโลยี AI เกินกว่าครึ่งหนึ่งในปัจจุบันนี้คือ การเรียนรู้เชิงลึก (Deep Learning) ซึ่งมีรากฐานที่ประกอบไปด้วยโครงข่ายประสาทเทียม (Neural Network) ที่ถูกคิดค้นตั้งแต่ปี ค.ศ. 1943 แล้ว แต่เนื่องจากคอมพิวเตอร์ในอดีตยังมีข้อจำกัดด้านประสิทธิภาพ จึงยังไม่สามารถเรียนรู้ข้อมูลปริมาณมหาศาล หรือสร้างแบบจำลองได้ในระยะเวลาอันสั้น ประกอบกับข้อมูลดิจิทัลที่ยังมีจำนวนน้อยและไม่ได้บันทึกไว้อย่างเป็นระบบ จึงทำให้การนำข้อมูลไปใช้ประโยชน์ทำได้ยาก ส่งผลให้เทคโนโลยีโครงข่ายประสาทเทียมถูกฝังกลบเอาไว้และไม่ได้รับความนิยม จนกระทั่งในปี ค.ศ. 2012 ที่เทคโนโลยี Deep Learning สามารถคว้าชัยชนะจากการแข่งขัน ImageNet Challenge ในการจำแนกประเภทของรูปภาพจำนวนกว่า 1,000,000 รูปออกเป็นประเภทต่าง ๆ ได้กว่า 1,000 ประเภทโดยมีความผิดพลาดต่ำที่สุดในประวัติการณ์ เกิดเป็นกระแสฮือฮาในหมู่นักวิจัยด้าน AI ทำให้ Deep Learning เป็นที่สนใจและได้รับการศึกษาค้นคว้ากันเป็นวงกว้างในทุกวันนี้
ปัจจุบันเทคโนโลยี Deep Learning ถูกนำมาใช้ประโยชน์หลากหลาย ตั้งแต่การวิเคราะห์ตลาดหุ้น การแยกแยะใบหน้าจากรูปภาพ ทำนายการจราจร รวมถึงด้านการแพทย์
ในด้านการแพทย์ AI มีประโยชน์ต่อผู้มีส่วนเกี่ยวข้อง 4 กลุ่ม คือ ผู้ป่วย ผู้ให้บริการทางการแพทย์ บุคคลทั่วไป และผู้พัฒนายา สำหรับผู้ป่วยจะได้ประโยชน์จาก AI ในแง่ของการเข้าใจพยากรณ์โรคที่ตนเองเป็น ทำให้สามารถเปลี่ยนแปลงการรักษาได้เหมาะกับตนเองมากขึ้น ยกตัวอย่างให้เห็นภาพ เช่น AI จะเก็บข้อมูลของผู้ป่วยเนื้องอกในสมองและผลของการรักษาด้วยวิธีต่าง ๆ ไว้ทั้งหมด ทำให้ผู้ป่วยสามารถทราบได้ว่า การรักษาวิธีใดจะได้ผลกับเนื้องอกชนิดของตนเองมากที่สุด และในกรณีที่เลวร้ายที่สุดตนเองจะสามารถมีชีวิตอยู่ได้อีกนานเท่าไร
สำหรับแพทย์หรือเจ้าหน้าที่สถานพยาบาล AI จะช่วยแบ่งเบาภาระงาน ลดต้นทุนการวินิจฉัยโรค และช่วยอำนวยความสะดวกในสถานพยาบาลให้เป็นไปอย่างราบรื่น เช่น AI ในโรงพยาบาลที่คอยจัดคิวเพื่อให้ผู้ป่วยได้พบแพทย์ห้องฉุกเฉินตามลำดับความเร่งด่วน หรือ AI ที่ช่วยวินิจฉัยโรคมะเร็งผิวหนังจากภาพถ่าย ซึ่งมีหลักฐานแสดงให้เห็นว่ามีความแม่นยำในการวินิจฉัยโรคเทียบเคียงกับแพทย์ผู้เชี่ยวชาญด้านโรคผิวหนังตัวอย่างงานวิจัยทางด้าน AI ที่มีชื่อเสียงและได้รับการยอมรับในแวดวงนักวิจัยและวงการแพทย์เช่น AI ที่ช่วยวินิจฉัยโรคจอประสาทตาจากภาพถ่าย ซึ่งกำลังพัฒนาโดยบริษัทกูเกิล (Google) AI วินิจฉัยโรคมะเร็งผิวหนังจากกล้อง Dermoscope ที่มีความแม่นยำเทียบเท่ากับอายุรแพทย์โรคผิวหนัง AI ที่สามารถคัดกรองวัณโรคปอดจากภาพถ่ายเอกซเรย์รังสีทรวงอก โดยจะระบุตำแหน่งที่น่าสงสัยก่อนส่งให้รังสีแพทย์อ่านต่อไป หรือระบบอื่น ๆ ที่ใช้ AI วิเคราะห์ข้อมูลที่ไม่ใช่ภาพถ่าย เช่น ระบบที่สามารถทำนายได้ว่าผู้ป่วยจะมาตรวจที่โรงพยาบาลครั้งต่อไปด้วยอาการอะไร โดยวิเคราะห์จากข้อมูลการมาโรงพยาบาลครั้งก่อน ๆ ในเวชระเบียน และ AI ที่สามารถทำนายผู้ป่วยที่มีภาวะลมชักจากคลื่นไฟฟ้าสมอง เป็นต้น

ส่วนประโยชน์ต่อบุคคลทั่วไป AI จะช่วยให้ความรู้และลดความเหลื่อมล้ำด้านการรักษาพยาบาลสำหรับประชาชน เช่น AI ที่ให้ความรู้เกี่ยวกับโรคต่างๆ ซึ่งจะให้คำแนะนำเบื้องต้นเกี่ยวกับการรักษาอาการเจ็บป่วยและการปฏิบัติตัวเพื่อป้องกันโรค รวมถึงการฟื้นฟูภายหลังออกจากโรงพยาบาล

ในด้านการพัฒนาและคิดค้นยาใหม่ AI เข้ามามีบทบาทตั้งแต่ขั้นตอนการคิดค้นยา โดยช่วยวิเคราะห์ส่วนประกอบของโมเลกุลและสมบัติของสารประกอบ จนถึงการทำนายประสิทธิภาพและผลข้างเคียงของยาชนิดใหม่
ด้วยปัจจัยทั้งหมดที่กล่าวมา อนาคตทางการแพทย์คงไม่ใช่ยุคของ Evidence-based Medicine อีกต่อไป แต่จะเข้าสู่ยุคของ “Data-Driven Medicine” หรือเวชศาสตร์ที่การพัฒนาถูกขับเคลื่อนโดยข้อมูลมหัต (Big Data) ในปัจจุบันนี้โรงพยาบาลต่าง ๆ ทั่วโลกรวมถึงในประเทศไทยเริ่มให้ความสำคัญกับการบันทึกข้อมูลทุกอย่างในรูปแบบดิจิทัลและแนวโน้มในอนาคต AI จะเข้ามามีบทบาทในทางการแพทย์มากยิ่งขึ้น ไม่ว่าจะเป็นด้านการวินิจฉัย การรักษา หรือการพยากรณ์โรค

AI อาจยังไม่สามารถทำหน้าที่แทนแพทย์ได้ภายใน 10 ปีนี้ แต่จะช่วยแบ่งเบาภาระของแพทย์ผู้ตรวจรักษา และสร้างประโยชน์ให้กับระบบสุขภาพได้อย่างมหาศาล หน้าที่หลักของแพทย์ในอนาคตจึงเป็นการออกแบบการรักษาสำหรับแต่ละบุคคลอย่างประณีต และมุ่งดูแลจิตใจของผู้ป่วยด้วยความเข้าใจและความอบอุ่นในฐานะเพื่อนมนุษย์นั่นเอง

Our Writer

นพ.ปุนกาญจน์ ปัญจศรีประการ

แพทย์ประจำบ้านต่อยอดสาขาประสาทวิทยา ภาควิชาอายุรศาสตร์ โรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทย เป็นหมอและนักวิทยาศาสตร์ที่มีความฝันว่าจะนำ AI มาใช้ในด้านการแพทย์ให้เกิดประโยชน์ต่อสังคมสูงสุด
Share on facebook
Share on twitter
Share on google
Share on email

ผู้สนับสนุน

ติดต่อเรา

© copyright, 2020 AI for ALL