หากกล่าวถึง AI หรือปัญญาประดิษฐ์ หลายคนอาจคิดถึงหุ่นยนต์ที่เดินไปเดินมา มีความคิดเป็นของตัวเอง สามารถทำงานแทนมนุษย์ ทำงานบ้านหรือพาสุนัขไปเดินเล่นได้ แม้ว่าขณะนี้เรายังคงอยู่ห่างไกลจากจุดนั้น แต่ต้องยอมรับว่าปัจจุบัน AI ได้พัฒนามาไกลกว่าสมัยก่อนมากคำว่า “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 [su_tooltip style=”dark” position=”north” shadow=”yes” rounded=”yes” size=”4″ content=”
AlphaGo คือ โปรแกรมบอทที่สร้างขึ้นมาเพื่อเล่นโกะ (โกะคือเกมกระดาน มีต้นกำเนิดมาจากจีน แต่นิยมเล่นมากในญี่ปุ่นและเกาหลีในปัจจุบัน) AphaGo สร้างโดยบริษัท DeepMind ของกูเกิ้ล
medium.com/@sirinda111/alphago-คืออะไร-แบบสั้นๆ-ง่ายๆ-3480c4947f89#:~:text=AlphaGo%20คือ%20โปรแกรมบอท,ซื้อกิจการในปี%202014%20)
” ]AlphaGo[/su_tooltip] หุ่นยนต์เล่นหมากรุกที่เก่งกว่าแชมป์โลก โดยในปัจจุบันเทคโนโลยีส่วนมากยังจำกัดอยู่เพียง ANI ซึ่งใช้ประโยชน์จากศาสตร์ของ [su_tooltip style=”dark” position=”north” shadow=”yes” rounded=”yes” size=”4″ content=”
Machine Learning คือ การทำให้ระบบคอมพิวเตอร์เรียนรู้ได้ด้วยตนเองโดยใช้ข้อมูล เพื่อให้คอมพิวเตอร์สามารถแก้ปัญหาหรือตอบคำถามให้กับผู้ใช้
medium.com/investic/machine-learning-คืออะไร-fa8bf6663c07
techsauce.co/tech-and-biz/ai-machine-learning-deep-learning-differences
” ]Machine Learning[/su_tooltip] (สำนักงานราชบัณฑิตยสภา ได้บัญญัติเป็นคำไทยว่า การเรียนรู้ของเครื่อง) ในบทความนี้เราจะโฟกัสที่ Machine Learning ในทางการแพทย์ ซึ่งสื่อความหมายสอดคล้องกับโลกปัจจุบันได้ดีกว่าArthur 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
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 รู้ว่าการรักษาเหล่านั้นล้วนเป็นวิธีที่ผิดหลังปี ค.ศ. 1990 เป็นต้นมา ระบบทุนนิยมเข้ามามีบทบาทมากขึ้น บริษัทประกันสุขภาพต้องการเวชปฏิบัติ (Guidelines) หรือแนวทางปฏิบัติของแพทย์ที่เป็นที่ยอมรับในวงกว้าง เพื่อใช้เป็นมาตรฐานในการเบิกจ่ายค่ารักษาพยาบาล ดังนั้นทุกการตัดสินใจรักษาของแพทย์จึงต้องเป็นที่ประจักษ์และมีหลักฐานทางวิทยาศาสตร์รองรับชัดเจน สิ่งนี้ทำให้เกิดการปฏิวัติครั้งใหญ่ในวงการแพทย์ เข้าสู่ยุคที่เรียกว่า “Evidence-based Medicine” กล่าวคือ มาตรฐานปฏิบัติทางการแพทย์ต้องมีการศึกษาทดลองวิจัยอย่างเป็นระบบระเบียบ ด้วยกระบวนการทางสถิติและวิทยาศาสตร์ เช่น การคิดค้นยาชนิดใหม่เพื่อรักษาโรคหัวใจและการนำเข้าสู่ตลาดจะต้องผ่านการทดลองในบุคคลที่แข็งแรง เพื่อยืนยันผลข้างเคียง มีการแบ่งกลุ่มทดลองยาในคนที่เป็นโรคเทียบกับยาหลอกในขั้นตอนถัดมา และวิเคราะห์ข้อมูลทางสถิติเพื่อยืนยันประสิทธิภาพของยาอย่างแท้จริง ทำให้ความเจริญและคุณภาพทางด้านการแพทย์ในยุคนี้ก้าวกระโดดอย่างที่ไม่เคยมีมาก่อนในประวัติศาสตร์ของมนุษย์อย่างไรก็ตาม กระบวนการดังกล่าวก็มีข้อเสีย เพราะการทดลองและวิจัยแต่ละครั้ง ต้องใช้ทรัพยากร ไม่ว่าจะเป็นเวลาหรือเงินจำนวนมหาศาล การคิดค้นการรักษาอย่างหนึ่งตั้งแต่เริ่มต้นจนถึงขั้นใช้ได้จริงอาจใช้เวลาเป็นปีหรือหลายปี และถึงแม้การรักษาวิธีใหม่ดังกล่าวจะมีหลักฐานเป็นที่ประจักษ์แล้วก็ตาม แต่กว่าที่การรักษานั้นจะบรรจุเป็นแนวทางการปฏิบัติเพื่อให้แพทย์ปฏิบัติตามได้ ก็อาจใช้เวลาอีกหลายปี เนื่องจากปัจจุบันการแก้ไขเวชปฏิบัติแต่ละครั้งต้องระดมแพทย์ผู้เชี่ยวชาญในสาขาดังกล่าวจากทุกมุมโลกมาประชุมเพื่อจัดทำแนวทางการรักษาใหม่ บางครั้งงานประชุมดังกล่าวก็จัดขึ้นแค่ปีละครั้ง จึงอาจใช้เวลาเป็นสิบปีนับตั้งแต่เรามีองค์ความรู้เกี่ยวกับการรักษาแบบใหม่ที่ได้ผลกว่าจะถูกนำมาใช้จริงโดยแพทย์ในสังคมอย่างเป็นมาตรฐานจุดนี้เองที่ AI ได้เปรียบและเข้ามามีบทบาทมหาศาลในปัจจุบัน เนื่องจาก AI เรียนรู้จากข้อมูลที่มีอยู่แล้ว และจะมีความรู้ความเข้าใจมากขึ้นเมื่อได้รับข้อมูลเพิ่ม ประกอบกับปัจจัยหลัก 3 ประการที่เกิดขึ้นในช่วงที่ผ่านมาไม่นานนี้เองที่ทำให้ AI ได้เข้ามามีบทบาทสำคัญกับการปฏิวัติทางสาธารณสุขครั้งใหม่นี้ คือ
1) ปริมาณข้อมูลที่ทางการแพทย์มีมากขึ้นมหาศาลในช่วงไม่กี่ปีที่ผ่านมา
2) ความสามารถด้าน Hardware ในการประมวลผลข้อมูลของคอมพิวเตอร์ที่เพิ่มมากขึ้น
3) การสนับสนุนทางด้านการศึกษาเกี่ยวกับ AI ของภาครัฐและเอกชนหนึ่งในอัลกอริทึมทาง 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 เป็นที่สนใจและได้รับการศึกษาค้นคว้ากันเป็นวงกว้างในทุกวันนี้ปัจจุบันเทคโนโลยี Deep Learning ถูกนำมาใช้ประโยชน์หลากหลาย ตั้งแต่การวิเคราะห์ตลาดหุ้น การแยกแยะใบหน้าจากรูปภาพ ทำนายการจราจร รวมถึงด้านการแพทย์ในด้านการแพทย์ AI มีประโยชน์ต่อผู้มีส่วนเกี่ยวข้อง 4 กลุ่ม คือ ผู้ป่วย ผู้ให้บริการทางการแพทย์ บุคคลทั่วไป และผู้พัฒนายา สำหรับผู้ป่วยจะได้ประโยชน์จาก AI ในแง่ของการเข้าใจพยากรณ์โรคที่ตนเองเป็น ทำให้สามารถเปลี่ยนแปลงการรักษาได้เหมาะกับตนเองมากขึ้น ยกตัวอย่างให้เห็นภาพ เช่น AI จะเก็บข้อมูลของผู้ป่วยเนื้องอกในสมองและผลของการรักษาด้วยวิธีต่าง ๆ ไว้ทั้งหมด ทำให้ผู้ป่วยสามารถทราบได้ว่า การรักษาวิธีใดจะได้ผลกับเนื้องอกชนิดของตนเองมากที่สุด และในกรณีที่เลวร้ายที่สุดตนเองจะสามารถมีชีวิตอยู่ได้อีกนานเท่าไรสำหรับแพทย์หรือเจ้าหน้าที่สถานพยาบาล 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 จนถึงการทำนายประสิทธิภาพและผลข้างเคียงของยาชนิดใหม่ด้วยปัจจัยทั้งหมดที่กล่าวมา 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
