การนำเทคโนโลยีปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (Machine Learning: ML) มาประยุกต์ใช้ในวงการแพทย์ กำลังก้าวสู่ยุคสำคัญที่มีการเติบโตอย่างรวดเร็ว โดยองค์กรระดับโลกอย่างองค์การอนามัยโลก (WHO) ได้กำหนดนิยามของอุปกรณ์การแพทย์ที่ครอบคลุมทั้งเครื่องมือ อุปกรณ์ ซอฟต์แวร์ และโปรแกรมประยุกต์ [1] ซึ่งเป็นรากฐานสำคัญสำหรับการพัฒนาเทคโนโลยีทางการแพทย์ทั่วโลก
ในขณะเดียวกัน องค์การอาหารและยาแห่งสหรัฐอเมริกา (FDA) ได้เร่งวางกรอบการกำกับดูแลและคู่มือคำศัพท์เกี่ยวกับดิจิทัลสุขภาพ สำหรับซอฟต์แวร์ที่เป็นอุปกรณ์การแพทย์ หรือ Software as a Medical Device (SaMD) ที่มีการใช้งาน AI และระบบวิเคราะห์ข้อมูลชั้นสูง [2] เพื่อสร้างหลักประกันด้านความปลอดภัยและประสิทธิภาพสูงสุดในการใช้งานจริง
กรอบการกำกับดูแลและติดตามประสิทธิภาพ AI ในอุปกรณ์การแพทย์
การนำ AI/ML มาใช้งานในอุปกรณ์ทางการแพทย์จำเป็นต้องผ่านกระบวนการประเมินความเสี่ยงและการกำกับดูแลอย่างเข้มงวด โดย FDA ได้เน้นย้ำว่าผู้พัฒนาสามารถสร้างอุปกรณ์ที่มีฟังก์ชัน AI ได้ แต่ต้องปฏิบัติตามแนวทางการพัฒนาอย่างมีความรับผิดชอบ มีการเปิดเผยข้อมูลอย่างโปร่งใส และประเมินความเสี่ยงอย่างรอบคอบเมื่อมีการเปลี่ยนแปลงการออกแบบระบบ [3] ซึ่งในปัจจุบันมีอุปกรณ์และซอฟต์แวร์ AI/ML จำนวนมากได้รับการอนุมัติจาก FDA และมีการอภิปรายถึงการปรับกรอบการทำงานให้รวดเร็วและมีประสิทธิภาพยิ่งขึ้น [4]
นอกจากนี้ FDA ยังได้พิจารณากลไกการติดตามและประเมินประสิทธิภาพในชีวิตจริง (Real-World Performance) ของอุปกรณ์ AI-enabled devices เพื่ออัปเดตแนวทางและมาตรการกำกับดูแลหลังการนำไปเปิดใช้งานจริงอย่างต่อเนื่อง [5] เพื่อให้มั่นใจว่าระบบยังคงทำงานได้อย่างปลอดภัยแม้บริบทการใช้งานจริงจะมีความเปลี่ยนแปลง
รูปแบบการวินิจฉัยทางการแพทย์และแนวโน้มตลาด AI
จากการทบทวนแนวโน้มเทคโนโลยีในงานวิจัยด้านการแพทย์ชี้ว่า อุปกรณ์และระบบวินิจฉัยที่อาศัย AI (AI-based diagnostic devices) มีแนวโน้มขยายตัวในตลาดเทคโนโลยีทางการแพทย์อย่างสูงในอนาคต [6] โดยบทบาทของ AI ในการวินิจฉัยโรคถูกนำไปประยุกต์ใช้ในหลายรูปแบบหลัก ได้แก่
- ผู้ช่วยตัดสินใจร่วมกับแพทย์ (Doctor Co-pilot): ทำหน้าที่ช่วยวิเคราะห์และสนับสนุนข้อมูลให้แพทย์ในกระบวนการวินิจฉัย
- ผู้อ่านสำรอง (Backup Reader): ช่วยตรวจสอบซ้ำเพื่อลดข้อผิดพลาดและความคลาดเคลื่อนในการอ่านผลตรวจ
- ผู้คัดกรองล่วงหน้า (Pre-screener / Triage): ทำหน้าที่คัดกรองเบื้องต้นเพื่อจัดลำดับความสำคัญของผู้ป่วยก่อนส่งต่อให้แพทย์
ความท้าทายของ LLM ทางการแพทย์และการประยุกต์ใช้ในประเทศไทย
แม้เทคโนโลยี AI และโมเดลภาษาขนาดใหญ่ (LLMs) จะมีศักยภาพสูง แต่การประยุกต์ใช้ในระบบสุขภาพของประเทศไทยยังคงเผชิญความท้าทายหลายประการ โดยเฉพาะข้อจำกัดด้านข้อสนเทศและทรัพยากรภาษาไทย [7] ซึ่งส่งผลต่อความแม่นยำในการตีความทางการแพทย์ รวมถึงความจำเป็นด้านกฎระเบียบที่ชัดเจนเพื่อรักษาความปลอดภัยของข้อมูลผู้ป่วย
อย่างไรก็ตาม ปัจจุบันเริ่มมีการศึกษาวิจัยและพัฒนาโมเดลภาษาไทยทางการแพทย์ที่ออกแบบมาเพื่อช่วยเหลือการใช้งานจริง [7] เพื่อยกระดับความปลอดภัยและความเหมาะสมในการรองรับบุคลากรทางการแพทย์ในบริบทของประเทศไทยโดยเฉพาะ
การเติบโตของ AI ในอุปกรณ์การแพทย์และซอฟต์แวร์ SaMD เป็นก้าวสำคัญที่จะเปลี่ยนผ่านระบบการรักษาพยาบาลทั่วโลก แม้ว่าตลาดเทคโนโลยีการแพทย์จะมีแนวโน้มขยายตัวสูง แต่หัวใจสำคัญยังคงอยู่ที่ความโปร่งใส การประเมินความเสี่ยงอย่างต่อเนื่อง และการติดตามผลการใช้งานจริง รวมถึงการพัฒนาโมเดลภาษาที่สอดคล้องกับบริบทของแต่ละประเทศเพื่อความปลอดภัยสูงสุดของผู้ป่วย
แหล่งข้อมูล
- [1] WHO – Medical devices: https://www.who.int/health-topics/medical-devices
- [2] U.S. FDA – Digital Health Terms and Guidance: https://www.fda.gov/medical-devices/digital-health-center-excellence/digital-health-terms
- [3] U.S. FDA – Artificial Intelligence-Enabled Medical Devices: https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices
- [4] Axios – FDA AI device guidance summary: https://www.axios.com/2024/12/04/fda-ai-device-guidance
- [5] U.S. FDA Bulletin – Real-World Performance Monitoring: https://content.govdelivery.com/accounts/USFDA/bulletins/3f50135
- [6] Engineering in Medicine – AI-Based Diagnostic Devices Research: https://doi.org/10.1016/j.engmed.2026.100120
- [7] medRxiv – LLMs in Thai Healthcare Research: https://www.medrxiv.org/content/10.1101/2024.06.10.24308731v1