การพูดถึงเรื่องการออกแบบอนาคตใหม่ด้วย AI น่าสนใจโดยเฉพาะการออกแบบที่มุ่งเน้นให้ตอบโจทย์เฉพาะบุคคล เรื่อง "Designing the Future of Care: Where AI Meets Human-Centered Health"
เรื่อง ความก้าวหน้าของเทคโนโลยีในอุตสาหกรรมสาธารณสุข
วันนี้เป็นช่วงหัวเลี้ยวหัวต่อที่สำคัญ โดยเฉพาะทางด้านเทคโนโลยี การเกิดขึ้นของเทคโนโลยี AI และ Digital Technology ต่าง ๆ มากมาย สร้างแรงกระเพื่อมให้มากสำหรับทุกอุตสาหกรรม ไม่เว้นแม้แต่ อุตสาหกรรม Health Care เทคโนโลยีเหล่านี้สร้างความก้าวหน้าในเรื่องของ Health Tech ให้เราสามารถยก ระดับคุณภาพชีวิตของผู้ป่วย, ผู้ที่มาใช้บริการสาธารณสุข และ ผู้ที่ให้ บริการสาธารณสุขทุกระดับชั้น
• AI เข้ามาช่วยในการ วิเคราะห์ข้อมูลทางการแพทย์ที่ลึกซึ้งและรวดเร็ว ทำให้แพทย์สามารถวินิจฉัยโรคได้อย่างแม่นยำมากยิ่งขึ้น
• Hybrid Cloud และ Data Platform ทำให้โรงพยาบาลและสถานพยาบาลสามารถเข้าถึงข้อมูลมหาศาล และใช้ข้อมูลเหล่านั้นให้เกิดประโยชน์สูงสุดอย่างปลอดภัย
• Automation และ Generative AI มาช่วยจัดการกระบวนการต่าง ๆ เช่น งาน Operation และงานหลังบ้าน เพื่อให้มี Productivity efficiency ที่สูงขึ้น ทำให้แพทย์และพยาบาลมีเวลาที่เป็น Quality time ในการดูแลผู้ป่วยได้มากขึ้น
• ภาพสะท้อนให้เห็นว่าเทคโนโลยีโดยเฉพาะ AI ไม่ได้มาช่วยสร้างแค่ประสิทธิภาพในการทำงาน แต่ยังมายกระดับการให้บริการทางด้าน Health Care ทั้งผู้ป่วย บุคลากรทางการแพทย์ และสังคมโดยรวม
ความสำเร็จของคณะแพทยศาสตร์ มช. และแนวโน้มอุตสาหกรรม
• โครงการนำร่องในการนำ Agentic AI มาใช้ในการบริการทางการแพทย์นั้น ประสบความสำเร็จเป็นแห่งแรกในอาเซียน และสร้างผลในเชิงบวกมากมาย ทั้งในมุมของผู้ป่วยและผู้ให้บริการทางการแพทย์
• มีการแสดงความยินดีอย่างไม่เป็นทางการเนื่องจากได้รับทราบข่าวดีว่า ทาง Asian Oceanian Computing Technology Association (ASOCIO) ซึ่งเป็นหน่วยงานนานาชาติ ได้ recognize คณะแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ ว่ามีความเป็นเลิศทางด้านการขับเคลื่อนนวัตกรรม Health Tech โดยท่านคณบดีจะได้รับเชิญไปรับรางวัลที่ไต้หวันในเดือนตุลาคมนี้ ซึ่งถือเป็นความภาคภูมิใจของชาวเชียงใหม่ มหาวิทยาลัยเชียงใหม่ และคณะแพทยศาสตร์
ผู้บรรยายได้แชร์ข้อมูลสำคัญที่จัดทำโดย IBV (Institution of Business Value) ของ IBM เกี่ยวกับ Health Care ในยุค AI
ความท้าทายที่สถานพยาบาลกำลังเผชิญ:
• ต้นทุนในการบริหารจัดการที่สูงขึ้นมาก
• Demand ที่สูงขึ้น เนื่องจากประเทศไทยเข้าสู่สังคมผู้สูงอายุ และต้องการ Care มากขึ้น
• Staff Shortage: ไม่สามารถเพิ่มจำนวนพนักงาน หรือผลิตแพทย์และพยาบาลได้รวดเร็วพอ (เป็นประเด็นที่หลายประเทศให้ความสำคัญ)
• การ Treatment มีความยากลำบากและ Complexity มากยิ่งขึ้น
ดังนั้น AI จึงจะมาเปลี่ยน (transform) กระบวนการในการดูแลผู้ป่วยได้อย่างมากในยุคนี้
มุมมองของผู้บริหาร Health Care ต่อ AI:
• จากการสัมภาษณ์ผู้บริหารองค์กร Health Care ทั่วโลก พบว่า กว่า 70% มองว่า AI จะเป็นตัวที่เข้ามาสร้าง competitive advantage หรือสร้างประสิทธิภาพในการบริหารจัดการ Health Care ในอนาคตที่วัดผลได้แน่นอน
• เกือบ 70% มองว่า AI จะเพิ่ม efficiency และจะส่งผลไปถึง financial performance หรือการบริหารจัดการ budget ของแต่ละโรงพยาบาล
Key Dynamic และ Industry Trend ใน Health Care:
1. Equity Disparity (ความเท่าเทียมกัน): การเข้าถึงกระบวนการสาธารณสุขถือเป็นเรื่องใหญ่ระดับโลก
2. Aging Population: ประเทศไทยกำลังก้าวเข้าสู่สังคมผู้สูงอายุ ซึ่งถือเป็น Top ของโลก
3. Virtual Care และ Hybrid Care: ในอนาคตจะมีการใช้ Virtual และ Hybrid Care มากยิ่งขึ้น โดยยกตัวอย่าง T-medicine ในการช่วยชีวิตผู้ป่วยและการทำ CPR ทำให้บางโรคหรืออาการไม่จำเป็นต้องเข้าโรงพยาบาลทุกครั้ง
4. Digital Transformation: การเปลี่ยนจาก Electronic Medical Record ไปสู่ Electronic Health Record ซึ่งช่วยในการบันทึกข้อมูล Health ส่วนตัวได้ตลอดเวลา ทำให้เกิด preventive medicine (ระวังป้อง กัน แทนที่จะป่วยแล้วมารักษา)
5. RCM (Reliability Center Maintenance): เทคโนโลยีนี้มีต้นกำเนิดจากอุตสาหกรรมการบิน (Aviation Industry) ที่อุปกรณ์ดาวน์ไม่ได้ ปัจจุบันกำลังเข้ามาใน Health Care เพราะเครื่องมือแพทย์ก็ดาวน์ไม่ได้เช่นกัน ระบบนี้จะช่วยในเรื่อง preventive maintenance และ predictive maintenance
6. Value Based Care: จะมาทดแทน Free Base ทำให้ Quality ของ service ดีขึ้น
7. Citizen Patient: เปลี่ยนจากการเป็น Patient (ป่วยแล้วมารักษา) เป็น Citizen Patient (การดูแล Health Care ในชีวิตประจำวัน โดยไม่จำเป็นต้องรอให้ป่วย)
การเติบโตของ AI และความกังวล (Concern):
• ผู้บริหารด้าน Health Care คาดการณ์ว่าในอีกไม่กี่ปีข้างหน้า การใช้ AI จะ เติบโตขึ้นมากถึง 4 เท่า เมื่อเทียบกับปัจจุบัน ในหลายด้าน เช่น Cyber Security, การดูแลผู้ป่วย, งาน IT, Marketing, และ Product Development
• อย่างไรก็ตาม ผู้บริหาร Health Care มีความกังวลหลายเรื่อง:
◦ ไม่เชื่อมั่น (Trust) ในเทคโนโลยี เนื่องจาก AI เป็นเรื่องใหม่ หลายองค์กรยังไม่มั่นใจในความถูกต้องแม่นยำของข้อมูล
◦ การกำกับดูแล (Governance) เรื่อง Ethic, Privacy, Compliance
◦ Impact กับ Job (AI มาแทนที่คน)
• ความกังวลเหล่านี้ทำให้การ adoption AI ใน Health Care ในปีที่ผ่านมาอาจมีน้อย แต่ปีนี้กระบวนการนี้กำลังเปลี่ยนไปอย่างรวดเร็ว โดยเห็นได้จากองค์กรต่าง ๆ รวมถึงคณะแพทย์ มช. ที่มุ่งไปในทิศทางของ AI อย่างชัดเจน
• มีความต้องการ upskill reskill requirement ในอุตสาหกรรมนี้อย่างมาก โดยเฉพาะเรื่องเทคโนโลยี communication และ innovation
AI และ Digital Technology จะมาตอบโจทย์ 3 เรื่องหลัก:
1. Empower Health Care Professional: จากภาระงานที่จำกัดของ Work force และปริมาณผู้ป่วยที่เพิ่มขึ้น ทำให้บุคลากรทางการแพทย์มีความเครียดและภาวะ Burn out ค่อนข้างสูง คาดการณ์ว่าในปี 2030 จะมีบุคลากรทางการแพทย์ถึง 10 ล้านคนที่กำลังประสบปัญหา Burn out หรือ Mental health AI จะเข้ามาช่วยยกระดับคุณภาพชีวิตของบุคลากรเหล่านี้
2. Go Beyond Patient Experience: เทคโนโลยีจะช่วย enhance ในเรื่อง predictive preventive และการเปลี่ยนเป็น Health Record หรือ Life Treatment ในรูปแบบของ Citizen Patient
3. Relationship Investment: การลงทุนทางด้านเทคโนโลยีจะเพิ่มสูงขึ้นมากในยุคนี้ ทั้งเรื่อง Cyber Security Resiliency และ Scalable Technology
สองเทคโนโลยีพื้นฐานสำคัญ: AI และ Hybrid Cloud
มีเทคโนโลยี 2 เรื่องที่เป็น พื้นฐานของเทคโนโลยีทั้งมวล ในการช่วยให้ Health Care สามารถ Transform ได้อย่างยั่งยืนในยุค AI คือ AI และ Hybrid Cloud ทั้งสองเทคโนโลยีนี้จะช่วยสร้าง Productivity และทำให้การบริการทางการแพทย์ดีขึ้น
1. AI (Artificial Intelligence): Domain Specific AI
• AI เป็นเครื่องมือสำคัญในการเพิ่ม Productivity และคุณภาพของ Health Care
• ไม่ใช่ AI ทุกตัวจะเหมาะกับองค์กร
• เหตุผลคือ 99% ของ Data ที่เกิดขึ้นในโรงพยาบาลเป็น Untap Data ซึ่งยังไม่ถูกเข้าถึงโดย AI ทั่วไป และข้อมูลเหล่านั้นควรจะอยู่ในองค์กรเพราะเป็นเรื่อง Privacy
• สิ่งที่กำลังเกิดขึ้นคือการ Shift จาก General Purpose AI มาเป็น Domain Specific AI เพื่อใช้ AI ในวัตถุประสงค์จำเพาะ เพื่อสร้าง Benefit หรือ Value จาก Data ที่มีในองค์กร ภายใต้ Environment ที่ปลอดภัย
• General Purpose Model (เช่น ChatGPT, Gemini, Claude) ถูกเทรนด้วย Data ทั่วโลก แต่ไม่ได้ถูกออกแบบมาให้ใช้ในองค์กร และไม่มี Data ที่อยู่ในองค์กร 99%
• โมเดลขนาดใหญ่เมื่อนำมาปรับใช้ในองค์กรจะกลายเป็น Smaller Language Model (SLM)
• SLM สามารถสร้างวัตถุประสงค์ที่ขึ้นอยู่กับ Use Case ที่ต้องนำไปใช้ ต้นทุนในการบริหารจัดการถูกลง และทำงานบน Enterprise Data ภายใต้ Environment ที่ปลอดภัย
• การใช้โมเดลขนาดเล็กสามารถ ลดต้นทุนเรื่อง Influencing cost ได้ถึง 30 เท่า ทำให้สร้าง ROI จากการ apply use case บน AI ได้เป็นอย่างดี
IBM watsonx Platform:
• IBM ให้ความสำคัญกับการใช้ Domain Specific AI, Enterprise AI, และ Open Source AI
• แพลตฟอร์ม IBM watsonx รองรับโมเดล Open Source, Smaller Language Model ต่าง ๆ มากมาย เช่น Granit Model ของ IBM, โมเดลตระกูล Lama ของ Meta, Deep Seek, Google GMA, หรือโมเดลภูมิสารสนเทศอย่าง NASA
2. AI-Infused Technologies (Integration & Automation):
• AI ได้ถูก Infuse ลงไปในทุกบริบทของเทคโนโลยีในปัจจุบัน
• เมื่อต้องใช้เทคโนโลยีจำนวนมากและมีการ Integrate เข้าหากัน เราจำเป็นต้องมีแพลตฟอร์มที่ทำเรื่อง Integration
◦ IBM Web method Hybrid Integration: เป็น AI infuse technology ช่วยเชื่อมโยงข้อมูลที่มาจากหลายแหล่ง ทั้ง on premise data center, public cloud, หรือ SaaS อย่างปลอดภัย
◦ ระบบนี้รองรับ API integration, file transfer, และ B2B connect (เช่น เชื่อมโยงกับบริษัทประกัน) เพื่อให้การถ่ายโอนข้อมูลปลอดภัยและ comply
◦ เป็นแพลตฟอร์มเดียวแบบ Intelligent AI driven การใช้ Tool เหล่านี้จะทำให้ ROI เพิ่มสูงขึ้นถึง 176% จากกระบวนการ Manual สามารถลด deployment time ได้ถึง 40% และ free up project ได้เร็วขึ้นถึง 33%
• HashiCorp Tools (สำหรับการพัฒนาโปรแกรม/DevOps):
◦ IBM มีเทคโนโลยี HashiCorp (Terraform และ Vault) ซึ่งเป็น AI infuse Automation Tool
◦ Terraform ทำเรื่อง Infrastructure as a code ช่วยจัดการกระบวนการตั้งแต่การพัฒนา (Development) จนถึงการ Deploy ด้วย Automation ทั้งหมดอย่างปลอดภัย โดยมีระบบ policy as code เพื่อสร้าง Guardrail ให้แอปพลิเคชันอยู่ใน Compliance และปลอดภัย
◦ Vault ใช้จัดเก็บ Secret Key certificate โดยเฉพาะใน Health Care ที่สำคัญในการสร้าง Dynamic Key ทุก 90 วัน Vault จะทำ Automation ในเรื่องการจัดการ Password, Key, และ Certificate
3. Hybrid Cloud (Red Hat OpenShift):
• สิ่งที่สร้าง Value จริง ๆ ให้กับองค์กร Health Care คือการใช้ Hybrid Cloud
• IBM มี Red Hat OpenShift ซึ่งเป็นเทคโนโลยีสำคัญ และถือเป็น defactor Standard ของ Hybrid Cloud Platform ทั่วโลก
• แพลตฟอร์มของ IBM จะมี Red Hat OpenShift Integrate อยู่ ทำให้สามารถ leverage hybrid by design และใช้ประโยชน์จาก Data และ Technology across ทุก ๆ platform
4. Data Management (Data Lake House and Data Stack):
• สิ่งที่สำคัญไม่แพ้ AI คือ Data หากไม่มี Data ที่ดี ก็ไม่สามารถสร้าง AI success ได้
• IBM มีแพลตฟอร์มที่ชื่อว่า watsonx data ซึ่งเป็น Data Lake House Architecture ที่มาพร้อม Data Fabric Technology
• watsonx data ทำเรื่อง Data Quality, Data Governance, Lineage tracking, data pipeline แบบ real time, และ data injection เพื่อทำให้ AI project success
• Data Stack: เป็นอีกหนึ่งเทคโนโลยีสำคัญที่พัฒนามาจาก Aperche Cassandra ทำเรื่อง no SQL บริหารจัดการ Data ทั้งที่เป็น Structure data (เช่น EMR, HIS) และ Image (เช่น PAT, MRI, EKG) ข้อมูลเหล่านี้สามารถ stream Real time เพื่อนำไปใช้ทางด้าน AI ให้เกิดประโยชน์สูงสุด
Agentic AI และการเปลี่ยนผ่านของระบบ
รายละเอียดเรื่อง Agentic AI ซึ่ง IBM ทำงานร่วมกับคณะแพทย์ มช.
• watsonx Orchestrate เป็น agent สำคัญ เป็น prebuild AI agent ที่ถูกสร้างมา ทำให้สามารถสร้าง AI agent ได้ง่าย ๆ ภายใน 5 นาที
• มี prebuild skill สำหรับงานประเภทต่าง ๆ ซึ่งไม่จำเป็นต้องเกี่ยวข้องกับการแพทย์เท่านั้น แต่ยังรวมถึงกระบวนการด้าน HR, Nurse Management, Supply Chain และอื่น ๆ
• watsonx Orchestrate เชื่อมโยงกับแอปพลิเคชันหลังบ้าน เช่น EMR, SAP, Oracle, Microsoft, Service Now ทำให้ควบคุมการทำ AI agent ได้อย่างครบวงจรและง่าย
วิวัฒนาการของระบบ (System Evolution):
1. System of Record: แอปพลิเคชันที่ใช้เป็น Single source of truth ในการสร้าง Data (เช่น EMR, HIS, SAP)
2. System of Intelligent: การนำ Data ใน System of Record มาสร้าง Engagement กับบุคลากร/คนไข้
3. System of Agentic: ในอนาคต/ปัจจุบัน เป็นเรื่องของ System of Intelligent ที่ Data รวมกับ Engagement แล้วไปอีกขั้นในการสร้าง Use Case ต่าง ๆ เพื่อบริการผู้ป่วยได้ดีขึ้น
AI Agent Architecture และรูปแบบการทำงาน:
• User (ผู้ให้บริการทางการแพทย์หรือผู้ป่วย) จะ engage กับ AI agent โดยการ Prompt (เหมือน Chat GPT หรือ Microsoft Copilot)
• คำสั่งจะถูกส่งกลับไปยังหลังบ้าน ซึ่งมี AI agent ที่ Build และเชื่อมโยงกับแอปพลิเคชันที่มีอยู่ (SAP, Microsoft, Oracle, HIS, EMR)
• งานบางส่วนจะถูกทำโดยอัตโนมัติ
• IBM นิยามว่า AI จะมา Handle งานที่เป็น Routine และ Low value repetitive task ในขณะที่บุคลากรจะไปทำงานที่เป็น High value มากยิ่งขึ้น
รูปแบบของ AI Agent 3 รูปแบบ:
1. Zero Touch: ถาม AI แล้ว AI ให้ข้อมูลกลับมา โดย AI ทำงานอยู่บน Enterprise Data (ตัวอย่าง: พยาบาลถามวันลา หรือกระบวนการสลับวันลา)
2. Augmented: เมื่อถามข้อมูลเข้าไป AI จะ Provide Choice มาให้ (ตัวอย่าง: ต้องการสลับวันลา AI provide drop down menu ให้เลือก 1, 2, 3, 4) ที่เหลือ AI จะ automate จัดการกระบวนการ สวิตช์ Line และมี Approval แบบครบวงจร
3. Fully Orchestrate: Prompt ข้อมูลเข้าไป แล้ว AI Validate ข้อมูล ที่เหลือ AI agent ทำงานแทนโดยทั้งหมด
หลักการ Human Centric AI:
เทคโนโลยีที่นำมาใช้ต้องมี คนเป็นศูนย์กลาง (Human Centric AI) ซึ่งมีหลายเรื่องสำคัญ:
• AI จะต้อง Design for human และเป็น Consumer Grade Experience เพื่อให้คนสามารถใช้ประโยชน์ได้เต็มที่
• AI จะต้องมีความเป็น Trust Body (เชื่อถือได้) โดยต้องมี Governance Process ที่ช่วยกำกับดูแลควบคุมเรื่อง Bias, Hallucination, และ Compliance ต่าง ๆ
• AI ต้องมีการ Integrate เข้ากับ Ecosystem ที่เรามีอยู่ (ไม่ว่าจะเป็นทุก ๆ แพลตฟอร์มที่ใช้ในโรงพยาบาล)
• Learning by doing: ต้องเริ่มจากเล็ก ๆ (modular technology) learn fast, fail fast และพัฒนาให้รวดเร็ว
Use Case และเทคโนโลยีแห่งอนาคต
1. Patient Journey & Efficiency:
AI สามารถ infuse เข้ามาช่วยสร้างกระบวนการที่มี Efficiency, Productivity และได้ Patient Experience ที่สูง ทำให้ทั้งผู้ป่วยและผู้ให้บริการมีคุณภาพชีวิตที่ดีขึ้น
2. Clinical Trial (การทดลองทางคลินิก):
• ประเทศไทยถือเป็นศูนย์กลางการทำ Clinical Trial ที่ใหญ่ที่สุดในอาเซียน มีมูลค่าเกือบ 1,000 ล้านเหรียญสหรัฐต่อปี และคาดว่าจะแตะ 1,600 ล้านเหรียญสหรัฐต่อปีในปี 2030
• AI จะมาช่วยทั้งกระบวนการ Recruitment การคัดเลือกในเรื่อง Diversity และ Equity เพื่อให้กระบวนการสมบูรณ์แบบ
• AI ช่วยในการสร้าง Interoperability (ทำให้ข้อมูลทำงานร่วมกันอย่างสมบูรณ์แบบ) ทำให้บุคลากรทางการแพทย์ทำงานได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
• มี Use Case ที่ทำกับโรงพยาบาลศิริราช ปิยมหาการุณ ในเรื่องการทำ Digital Pathology แบบครบวงจร เพื่อเพิ่ม efficiency ในกระบวนการทำ Pathology
3. RCM (Reliability Center Maintenance):
• RCM เป็นเรื่องสำคัญ เพราะเครื่องมือแพทย์ต้องมีการบำรุงรักษาให้มีประสิทธิภาพสูงสุดตลอดเวลา เสียไม่ได้ ดาวน์ไม่ได้ เหมือนในอุตสาหกรรมการบิน
• ระบบ Enterprise Asset Management และ RCM จะทำให้สามารถ achieve เรื่อง preventive predictive maintenance และทำให้คุณภาพของการให้บริการมีความต่อเนื่องและไม่สะดุด
4. Quantum Computing (เทคโนโลยีแห่งอนาคต):
• IBM คาดว่าในปี 2029 จะเกิดยุค Quantum Computing
• Quantum จะมา ทำงานร่วมกันกับ Classic Computer (ไม่ได้มาทดแทน)
• Classic Computer ใน AI ทำงานบน Data คือ มองย้อนกลับไปในอดีต แล้วหา Outcome ที่ดีที่สุดจาก Data
• Quantum ใช้หลัก Quantum Physic คือ มองไปในอนาคต หาความเป็นไปได้ที่ดีที่สุด เมื่อรวมกันจะสร้าง Breakthrough อย่างมากในหลายอุตสาหกรรม รวมถึง Health Care
◦ ตัวอย่างการทำงานร่วมกับ Moderna: Quantum ทำงานวิจัยในระดับโมเลกุลเกี่ยวกับวัคซีน MRNA เนื่องจากโปรตีนที่ห่อหุ้มวัคซีนจะโดนเอนไซม์ในร่างกายมนุษย์ย่อยสลาย Quantum ช่วยค้นพบโปรตีนที่ชื่อว่า lipid nanoparticle ซึ่งมีความทนทานต่อเอนไซม์ ทำให้ฉีดวัคซีนน้อยลงและเข้าถึงเซลล์เป้าหมายได้ดีขึ้น
◦ ตัวอย่างการทำงานร่วมกับ Cleveland Clinic: ทำงานในระดับ Biomarker ของผู้ป่วยโรคลมบ้าหมู ก่อนและหลังการผ่าตัด เพื่อทำ Personalization Treatment
• มีการเปิดตัว Quantum Cator ของ IBM ที่นิวยอร์ก ในปี 2029 ซึ่งจะมีความเร็วมากกว่า Quantum Computer ในปัจจุบันถึง $10^{43}$ เท่า (10 ตามด้วย 0 43 ตัว)
• Quantum 1 Set ในปัจจุบันมีความเร็ว/Performance มากกว่า 10 ล้านล้านเท่า
ข้อสรุป:
เมื่อเดือนที่แล้ว IBM, มหาวิทยาลัยเชียงใหม่ และ NUS (National University of Singapore) มีโอกาสได้ทำ MOU ร่วมกัน ทางด้านงานวิจัยเรื่อง AI และ Quantum ซึ่งเป็นโอกาสดีที่จะขับเคลื่อนงานวิจัยด้านสาธารณสุขทางการแพทย์ร่วมกันระหว่าง 3 ปาร์ตี้นี้ในอนาคต