การใช้ ปัญญาประดิษฐ์ (AI) ในวงการสุขภาพตอนนี้มาแรงมาก โดยเฉพาะในวงการมะเร็งที่กำลังถูกพัฒนาและนำไปใช้ในหลายด้าน แต่สิ่งที่ยังขาดอยู่คือการมีแนวทางจัดการ AI อย่างรับผิดชอบที่ชัดเจนสำหรับวงการนี้ งานวิจัยนี้เลยเข้ามาแชร์โมเดลบริหาร AI ที่ศูนย์มะเร็งครบวงจรใช้จริง ทั้งในแง่ของโปรแกรมทางคลินิก การดำเนินงาน และการวิจัย โดยมีคณะกรรมการกำกับดูแล AI มาดูแลภาพรวมอย่างจริงจัง และติดตามโมเดลใหม่ ๆ อย่างต่อเนื่องเป็นเวลา 1 ปี จนได้ผลลัพธ์น่าสนใจหลายอย่างที่อยากเล่าให้ฟัง
ทำไมต้องมีการจัดการ AI ในวงการมะเร็ง?
ในขณะที่ AI กำลังกลายเป็นเครื่องมือสำคัญในการตรวจจับโรค ช่วยแพทย์ตัดสินใจ และช่วยวิจัยมะเร็งให้ก้าวหน้า ข้อมูลจาก FDA ล่าสุดบอกว่าอุปกรณ์ที่ใช้ AI ในการแพทย์มีมากถึง 949 รายการ และในนั้น 75 รายเป็นเครื่องมือเกี่ยวกับมะเร็ง ซึ่งนี่ยังไม่รวมถึงโมเดลภาษาขนาดใหญ่ที่กำลังเริ่มถูกทดลองใช้ในแวดวงนี้ด้วย
อย่างไรก็ตาม AI ที่พัฒนาขึ้นสำหรับผู้ป่วยทั่วไปไม่ได้หมายความว่าจะใช้ได้ดีสำหรับมะเร็งเสมอไป เพราะโรคนี้ซับซ้อนและมีบริบทเฉพาะ การใช้ AI แบบผิดวิธีหรือไม่ระมัดระวังอาจส่งผลต่อความเท่าเทียมในการรักษาและความแม่นยำของผลลัพธ์ได้
โมเดลการจัดการ AI ที่ศูนย์มะเร็งครบวงจร
- แบ่งงาน AI ออกเป็น 3 ด้านหลัก คือ งานวิจัย, คลินิก และ การดำเนินงาน
- สร้างคณะกรรมการกำกับดูแล AI (AIGC) ที่ดูแลตั้งแต่การลงทะเบียนโมเดล, การประเมินความเสี่ยง, ไปจนถึงการติดตามผลหลังนำไปใช้จริง
- ใช้เครื่องมือประเมินต่าง ๆ เช่น Model Information Sheet (MIS) และ AI Risk Evaluation Tool ในการตรวจสอบโมเดลอย่างละเอียดก่อนนำไปใช้
- จัดทำระบบวงจรชีวิตโมเดล AI ชื่อ iLEAP ที่ครอบคลุมกฎหมาย, จริยธรรม, การนำไปใช้ และประสิทธิภาพ
- มีระบบ “Express Pass” สำหรับโมเดลที่ผ่านการประเมินความเสี่ยงต่ำ ช่วยเร่งขั้นตอนอนุมัติให้เร็วขึ้น
ผลการดำเนินงานและโมเดลที่เข้าร่วม
- ลงทะเบียนและติดตามโมเดล AI ทั้งหมด 26 โมเดล ซึ่งรวมถึงโมเดลภาษาใหญ่ และโครงการ Ambient AI อีก 2 โครงการ
- ตรวจสอบ nomograms ทางคลินิก 33 รายการ และปรับปรุงเพื่อเลิกใช้งาน 2 รายการตามหลักฐานทางการแพทย์ใหม่
- ตรวจสอบและวิเคราะห์ประสิทธิภาพของโมเดลหลังออกใช้จริง ด้วยเกณฑ์ความแม่นยำ, อัตราการใช้งาน, การบรรลุเป้าหมาย และผลข้างเคียงที่เกิดขึ้น
กรณีศึกษาโมเดล AI สองตัวอย่าง
- ตัวอย่างที่ 1: โมเดล AI จากบริษัทภายนอกที่ผ่าน FDA ใช้ช่วยวางแผนอ่านภาพแมมโมแกรมโดยเร่งลำดับความสำคัญได้ ผ่านระบบ Express Pass ในเวลาแค่ 2 สัปดาห์ และมีระบบตรวจสอบคุณภาพหลังเปิดใช้อย่างต่อเนื่อง
- ตัวอย่างที่ 2: โมเดลที่พัฒนาด้วยตัวเองโดยแผนก Medical Physics สำหรับแบ่งส่วนเนื้องอกสมองจากภาพ MRI ได้รับการประเมินความเสี่ยงปานกลาง แต่มีมาตรการดูแลอย่างเข้มงวด และใช้งานจริงในแผนกนั้น
บทเรียนและทิศทางในอนาคต
ที่นี่ถือเป็นหนึ่งในรายงานแรกที่แชร์แนวทางกำกับดูแล AI แบบมีระบบในวงการมะเร็ง เหมาะมากสำหรับทั้งเพื่อน ๆ ที่ทำงานในสายสุขภาพ AI หรือต้องการสร้างธุรกิจ AI ของตัวเอง หรือคนที่อยากใช้เครื่องมือ AI ในงานคอนเทนต์และอื่น ๆ เพราะได้เห็นภาพจริงว่า ต้องมีการเตรียมพร้อมทั้งเรื่องข้อมูล เทคโนโลยี ทีมงาน และนโยบายอย่างไร เพื่อให้ AI ทำงานได้อย่างมีความรับผิดชอบและปลอดภัย
สำหรับใครที่สนใจว่าจะเริ่มพัฒนา AI ทางการแพทย์ หรือต้องการรู้วิธีจัดการโมเดล AI ในองค์กร บทความนี้ให้ไอเดียหลายอย่างเลยทีเดียวว่า ต้องมีคณะกรรมการกำกับ ดูแลความเสี่ยง มีเครื่องมือประเมินแต่ละขั้นตอน และไม่ลืมติดตามผลหลังใช้งาน เพื่อให้มั่นใจว่าโมเดลที่ใช้เป็นประโยชน์จริง ๆ และไม่มีผลเสียตามมา
ที่มาของข้อมูล https://www.nature.com/articles/s41746-025-01794-w
