Advertisement
เทคโนโลยี

AI ในวงการแพทย์ไทย ช่วยอ่านเอ็กซเรย์ปอดถึงไหน และแม่นแค่ไหน

ปรับปรุงล่าสุด:

AI ในวงการแพทย์ไทยเริ่มช่วยแพทย์อ่านเอ็กซเรย์ปอดในโรงพยาบาลรัฐ ดูระบบที่ใช้จริง ผลวิจัยล่าสุด และข้อจำกัดที่ผู้ป่วยควรรู้

AI ในวงการแพทย์ไทย ช่วยอ่านเอ็กซเรย์ปอดถึงไหน และแม่นแค่ไหน

AI ในวงการแพทย์ไทยเริ่มเข้ามาช่วยแพทย์อ่านเอ็กซเรย์ปอดในโรงพยาบาลรัฐบางแห่งแล้ว ผู้ป่วยที่ไปถ่ายเอ็กซเรย์ปอดอาจมีระบบนี้ทำงานอยู่เบื้องหลัง ตัวอย่างที่มีข้อมูลชัดที่สุดคือ RAMAAI ซึ่งคณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล (Faculty of Medicine Ramathibodi Hospital, Mahidol University) พัฒนาขึ้น RAMAAI ทำหน้าที่เป็นผู้ช่วยแพทย์ ช่วยจัดลำดับและชี้จุดที่น่าสงสัย แพทย์ยังเป็นผู้วินิจฉัย ส่วนงานวิจัยจากโรงพยาบาลชุมชนในจังหวัดสุรินทร์ทดสอบ AI อ่านภาพปอดเพื่อหาวัณโรคเช่นกัน และผลก็บอกข้อจำกัดไว้ชัด

RAMAAI ผู้ช่วยอ่านเอ็กซเรย์ปอดจากรามาธิบดี

RAMAAI ทำงานบนแพลตฟอร์ม Microsoft Azure ตามบทความที่ไมโครซอฟท์เผยแพร่เมื่อวันที่ 17 เม.ย. 2569 ระบบนี้ช่วยคัดกรองภาพเอ็กซเรย์ปอด และดันภาพที่มีโอกาสผิดปกติสูงขึ้นมาไว้ต้นคิวของรังสีแพทย์ เคสเร่งด่วนจึงถูกอ่านเร็วขึ้น ระบบตรวจจับและแจ้งเตือนภาวะได้ถึง 16 ชนิด เช่น ก้อนในปอด ปอดอักเสบ โรคปอดอุดกั้นเรื้อรัง หัวใจโต และลมในช่องเยื่อหุ้มปอด พร้อมแสดงแผนที่ความร้อน (heat map) ชี้จุดที่น่าสงสัยให้แพทย์เห็น และมีโมดูลตรวจวัณโรคที่ประเมินด้วยว่าผู้ป่วยอยู่ในระยะแพร่เชื้อหรือไม่

เหตุผลที่ต้องมีเครื่องมือแบบนี้ อยู่ที่ภาระงาน บทความระบุว่าไทยมีรังสีแพทย์ราว 2,000 คน แต่มีภาพเอ็กซเรย์ราว 30 ล้านภาพต่อปี และเพิ่มขึ้นปีละ 8-10% รังสีแพทย์คนหนึ่งอ่านภาพวันละ 60-200 ภาพ โรงพยาบาลที่งานหนักอาจถึง 300 ภาพ

ตัวเลขประสิทธิภาพในบทความเป็นตัวเลขจากทีมผู้พัฒนาเอง ในการทดสอบภายในกับภาพเอ็กซเรย์เก่าที่เคยพลาดมะเร็งปอด ระบบหาตำแหน่งรอยโรคได้เพิ่มขึ้นถึง 72% และทีมผู้พัฒนารายงานว่าช่วยให้แพทย์ตรวจพบรอยโรคแม่นขึ้นมากกว่า 20% ระบบประมวลผลราว 1,500-2,000 ภาพต่อวัน และวิเคราะห์ภาพสะสมกว่า 500,000 ภาพ

ด้านการใช้งาน กรมการแพทย์คัดเลือก RAMAAI ไปใช้นำร่อง ไมโครซอฟท์ระบุเมื่อเดือน เม.ย. 2569 ว่าติดตั้งแล้วใน 8 โรงพยาบาล มีแพทย์ใช้งานกว่า 2,000 คน และมีแผนเพิ่มอีก 10 แห่งภายในเดือน มิ.ย. 2569 รวมเป็น 18 แห่ง โดยเน้นพื้นที่ห่างไกลและรถเอ็กซเรย์เคลื่อนที่ ระบบได้รับการรับรอง ISO 13485 จากเยอรมนี และอยู่ระหว่างขอขึ้นทะเบียนเป็นเครื่องมือแพทย์กับสำนักงานคณะกรรมการอาหารและยา (อย.) เพื่อใช้เชิงพาณิชย์เต็มรูปแบบ

AI อ่านเอ็กซเรย์หาวัณโรค ผลวิจัยสุรินทร์ / 71.11 ความไว (%) / 81.31 ความจำเพาะ (%) / 12.55 ค่าทำนายผลบวก (%) / 98.87 ค่าทำนายผลลบ (%)
ผลของ AI เพียงอย่างเดียวไม่พอจะสรุปว่าใครเป็นวัณโรค

ผลวิจัยจากโรงพยาบาลชุมชนในสุรินทร์

งานวิจัยของ สากล อนุลีจันทร์ และ จันทร์ลิยา อนุลีจันทร์ จากโรงพยาบาลสำโรงทาบ จังหวัดสุรินทร์ ตีพิมพ์ในวารสารวิชาการสาธารณสุข ปีที่ 35 ฉบับที่ 4 เมื่อเดือน ส.ค. 2569 ทดสอบว่า AI วินิจฉัยวัณโรคปอดจากภาพเอ็กซเรย์ได้ดีเพียงใด โดยใช้ข้อมูลผู้ใหญ่อายุ 18 ปีขึ้นไป 1,238 คนที่มีทั้งภาพเอ็กซเรย์และผลตรวจเสมหะย้อมหาเชื้อวัณโรค (AFB) แล้วเทียบคะแนนวัณโรคของ AI กับผลตรวจเสมหะ ซึ่งใช้เป็นเกณฑ์อ้างอิง งานนี้ทำในโรงพยาบาลชุมชนแห่งเดียว และงานวิจัยไม่ระบุชื่อผลิตภัณฑ์ AI ที่ใช้ จึงนำตัวเลขไปเทียบกับระบบอื่นอย่าง RAMAAI ตรงๆ ไม่ได้

ผลที่รายงานคือ ความไว 71.11% ความจำเพาะ 81.31% ความแม่นยำรวม 80.94% ค่าทำนายผลบวก 12.55% ค่าทำนายผลลบ 98.87% และพื้นที่ใต้กราฟ (AUC) 0.754 ตัวเลขความแม่นยำรวมและค่าทำนายผลลบที่สูงอาจทำให้เข้าใจว่า AI แม่นมาก แต่ต้องอ่านตัวเลขอื่นควบคู่กัน ความไว 71.11% หมายความว่า AI จับผู้ป่วยวัณโรคตัวจริงได้ราว 7 ใน 10 คน อีกราว 3 ใน 10 คนถูกพลาดไป ส่วนค่าทำนายผลบวก 12.55% หมายความว่าในกลุ่มคนที่ AI ชี้ว่าเสี่ยง มีเพียงราว 1 ใน 8 คนที่ตรวจเสมหะพบเชื้อจริง

อีกด้านหนึ่ง ความจำเพาะ 81.31% หมายความว่าในคนที่ไม่ได้เป็นวัณโรค AI ระบุว่าไม่เสี่ยงได้ถูกต้องราว 81 ใน 100 คน และค่าทำนายผลลบ 98.87% หมายความว่าในกลุ่มที่ AI ชี้ว่าไม่เสี่ยง ผลตรวจเสมหะยืนยันว่าไม่พบเชื้อราว 99 ใน 100 คน เมื่ออ่านทั้งชุด ผลของ AI เพียงอย่างเดียวจึงไม่พอจะสรุปว่าใครเป็นวัณโรค

งานวิจัยต่างประเทศเตือนว่านำ AI ไปใช้จริงไม่ง่าย

วารสาร Nature Medicine ฉบับที่เน้นหัวข้อ Making AI work in healthcare ซึ่งบทบรรณาธิการเผยแพร่เมื่อวันที่ 14 ต.ค. 2569 ระบุว่าฉบับนี้รวบรวมความท้าทายและบทเรียนจากการนำโมเดล AI เข้าสู่การดูแลสุขภาพ โดยอาศัยประสบการณ์จากสถานพยาบาลหลากหลายแบบ

Nature Medicine ยังเผยแพร่งานวิจัยขนาดเล็กเกี่ยวกับโรคลมชักเมื่อวันที่ 13 ต.ค. 2569 ทีมวิจัยให้ผู้ป่วยที่ถูกตรวจคลื่นไฟฟ้าสมองคุยกับระบบมอนิเตอร์แบบเรียลไทม์ผ่านสมาร์ตโฟน โดยใช้หน้าจอแชตที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่และมีผู้ควบคุม พบว่าข้อมูลย้อนกลับจากผู้ป่วยลดสัญญาณเตือนผิดพลาดของระบบตรวจจับอาการชักได้ราว 80% โดยไม่ต้องให้แพทย์ช่วย เป็นผลจากการศึกษาขนาดเล็ก จึงยังสรุปเป็นภาพรวมไม่ได้

AI ในวงการแพทย์ไทยกับสิ่งที่ผู้ป่วยต้องรู้

ในกรณี RAMAAI ระบบทำหน้าที่ช่วยจัดลำดับภาพที่ต้องอ่านก่อนและชี้จุดที่น่าสงสัย การวินิจฉัยยังเป็นของแพทย์ ตัวเลขประสิทธิภาพที่เปิดเผยเป็นของทีมผู้พัฒนา ส่วนผลวิจัยจากสุรินทร์แสดงว่าผลของ AI ไม่ตรงกับผลตรวจเสมหะทุกราย ทั้งการพลาดผู้ป่วยจริงและการชี้ว่าเสี่ยงทั้งที่ไม่พบเชื้อ

ถ้าสงสัยว่าโรงพยาบาลที่ไปใช้ AI ช่วยอ่านผลหรือไม่ และผลนั้นมีผลต่อการรักษาอย่างไร ถามแพทย์หรือเจ้าหน้าที่ได้โดยตรง เนื้อหานี้เป็นข้อมูลทั่วไป ไม่ใช่คำแนะนำเฉพาะบุคคล ควรปรึกษาแพทย์หรือเภสัชกรก่อนเริ่มหรือเปลี่ยนการรักษา

ที่มา: บทความของไมโครซอฟท์ เรื่อง RAMAAI งานวิจัยโรงพยาบาลสำโรงทาบ ในวารสารวิชาการสาธารณสุข ปีที่ 35 ฉบับที่ 4 และหน้าวารสาร Nature Medicine

บทความที่เกี่ยวข้อง