ปฏิเสธไม่ได้ว่า AI ทางการแพทย์ หรือ AI วินิจฉัยโรค เข้ามามีบทบาทอย่างมากในวงการแพทย์สมัยใหม่ ยิ่งในปัจจุบันเริ่มมีการนำเทคโนโลยี AI มาใช้เป็นผู้ช่วยบุคลากรทางการแพทย์อย่างแพร่หลาย โดยเฉพาะการวินิจฉัยรอยโรคจากภาพถ่ายทางการแพทย์ เพราะ AI มีศักยภาพในการประมวลผลเพื่อวิเคราะห์ข้อมูลภาพหรือ visual computing ได้อย่างรวดเร็วและแม่นยำ ทำให้ช่วยแบ่งเบาภาระงานด้านการคัดกรองโรคเบื้องต้นได้เป็นอย่างดี
เพื่อพัฒนานวัตกรรมและเทคโนโลยีตอบโจทย์อุตสาหกรรมการแพทย์สมัยใหม่ของไทย กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม (อว.) โดยศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) ร่วมกับกรมการแพทย์ และคณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล ก่อตั้ง Medical AI Consortium หรือ ภาคีเครือข่ายปัญญาประดิษฐ์ทางการแพทย์
โดย ภาคีเครือข่ายปัญญาประดิษฐ์ทางการแพทย์ ประกอบด้วยหน่วยงานและบุคลากรด้านการแพทย์และการวิจัย เช่น กรมการแพทย์ โรงเรียนแพทย์ มหาวิทยาลัย สถาบันวิจัยชั้นนำในประเทศไทย เพื่อดำเนินการรวบรวมและจัดทำฐานข้อมูลภาพถ่ายทางการแพทย์คุณภาพสูงของประเทศไทย เพื่อสนับสนุนการทำวิจัยและผลิตระบบบริการ AI คัดกรองโรค หรือ AI วินิจฉัยโรค สำหรับแบ่งเบาภาระงานให้แก่บุคลากรทางการแพทย์ นำไปสู่การเพิ่มโอกาสให้ประชาชนไทยได้เข้าถึงการรักษาที่มีประสิทธิภาพและรวดเร็วยิ่งขึ้นในอนาคต
นอกจากนั้น ในการดำเนินงานภาคีเครือข่ายฯ (2566-2569) ได้รับทุนสนับสนุนจากหน่วยบริหารและจัดการทุนด้านการพัฒนากำลังคนและทุนด้านการพัฒนาสถาบันอุดมศึกษาการวิจัยและการสร้างนวัตกรรม (บพค.)
รู้จัก Medical AI Data Platform แพลตฟอร์มกลางรวมเทคโนโลยีสนับสนุนการพัฒนา AI วินิจฉัยโรค
ดร.ศวิต กาสุริยะ รองผู้อำนวยการ เนคเทค สวทช. อธิบายเพิ่มเติมถึงบทบาทการดำเนินงานหลักของเนคเทค สวทช. ในฐานะผู้ร่วมก่อตั้ง Medical AI Consortium ว่าการพัฒนา Medical AI Data Platform แพลตฟอร์มกลางที่รวบรวมเทคโนโลยีสำหรับสนับสนุนการดำเนินงานของภาคีเครือข่ายฯ เพื่อให้บรรลุเป้าหมายได้อย่างมีประสิทธิภาพ และรวดเร็ว ภายในแพลตฟอร์มประกอบด้วย 3 เทคโนโลยีหลัก คือ
- เทคโนโลยีสำหรับจัดเก็บและเผยแพร่ภาพถ่ายทางการแพทย์จากทั่วประเทศ
- เทคโนโลยีกำกับข้อมูลภาพถ่ายให้อยู่ในรูปแบบพร้อมใช้ผลิตโมเดล AI
- เทคโนโลยีสำหรับผลิตโมเดล AI ในรูปแบบใช้งานง่าย เพื่อลดการพึ่งพาผู้เชี่ยวชาญเฉพาะทาง ลดเวลา และค่าใช้จ่ายในการผลิต
“โดยในส่วนแรก เทคโนโลยีหลักที่เนคเทคพัฒนาต่อยอดจากเทคโนโลยีเดิมให้เหมาะสมกับการจัดเก็บภาพถ่ายทางการแพทย์มากยิ่งขึ้น คือ Open-D เทคโนโลยีจัดเก็บข้อมูลที่มีฟังก์ชันกำหนดระดับการเผยแพร่ข้อมูลสู่สาธารณะ (open data) หรือแบ่งปันเฉพาะกลุ่ม (shared data) สำหรับใช้จัดเก็บและแบ่งปันภาพถ่ายเพื่อประโยชน์ด้านการวิจัยร่วมกัน”
“ส่วนที่สอง เทคโนโลยีสำหรับกำกับข้อมูล (annotation) ภาพถ่าย เพื่อใช้ในการเทรนโมเดล AI (AI training) เทคโนโลยีหลักที่นำมาให้บริการคือ RadiiView (เรดีวิว) ที่รองรับไฟล์ภาพได้หลากหลายประเภท ทั้งภาพถ่ายทั่วไป ฟิล์มเอกซ์เรย์ และภาพสแกน 3 มิติ โดยมีฟังก์ชันสำหรับการกำกับข้อมูลภาพ (image annotation) ที่ช่วยเตรียมข้อมูล เพื่อนำไปใช้ในการผลิตโมเดล AI (AI model development) ต่อไป”
“และส่วนสุดท้าย เทคโนโลยีสำหรับอำนวยความสะดวกด้านการผลิตโมเดล AI คือ NomadML (โนแมดเอ็มแอล) เว็บแอปพลิเคชันสำหรับผลิตโมเดล AI โดยไม่ต้องเขียนโค้ด เพียงนำภาพที่ผ่านการกำกับข้อมูลภาพเรียบร้อยแล้วเข้าสู่ระบบ แล้วเลือกฟังก์ชันการเทรนโมเดล AI ที่มีให้เลือกทั้งแบบกำหนดพารามิเตอร์เองหรือระบบกำหนดให้โดยอัตโนมัติ เพียงเท่านี้ก็จะได้โมเดล AI ช่วยคัดกรองโรคมาใช้งานแล้ว โดยแพทย์หรือผู้พัฒนาสามารถนำโมเดล AI ไปใช้งานได้ผ่าน National Medical AI Service Platform ที่เนคเทค สวทช. เป็นผู้พัฒนา ซึ่งจะเปิดให้บริการแก่บุคลากรทางการแพทย์ทั่วประเทศในอนาคตโดยกรมการแพทย์”
ทุกเทคโนโลยีที่นำมาให้บริการใน Medical AI Data Platform ผ่านการออกแบบและพัฒนาต่อยอดร่วมกับบุคลากรทางการแพทย์หรือกลุ่มเป้าหมายหลักที่จะเป็นผู้ใช้งานระบบอย่างใกล้ชิด เพื่อให้การใช้งานง่าย สะดวก และรวดเร็ว รวมทั้งยังออกแบบแพลตฟอร์มให้ปรับเสริมเพิ่มฟังก์ชันสำหรับรองรับความต้องการที่อาจมีมากขึ้นในอนาคตได้
โดยรูปแบบการให้บริการ Medical AI Data Platform จะอยู่ภายใต้การกำกับดูแลของ คณะกรรมการบริหารแพลตฟอร์มข้อมูลเปิดเพื่อการพัฒนาปัญญาประดิษฐ์ทางการแพทย์ ซึ่งมีหน้าที่ควบคุมและดูแลความปลอดภัยของข้อมูล โดยอยู่ภายใต้การกำกับของกรมการแพทย์
Medical AI Consortium เดินหน้าความร่วมมือระดับชาติ
ดร.ศวิต ยังให้ข้อมูลเพิ่มเติมว่าปัจจุบันเนคเทค สวทช. พัฒนา Medical AI Data Platform เสร็จเรียบร้อยแล้ว โดยในปี 2567 ภาคีเครือข่ายฯ ได้รับความร่วมมือในการนำภาพถ่ายทางการแพทย์เข้าสู่ระบบมากกว่า 1 ล้านภาพ และตั้งเป้าหมายเพิ่มจำนวนภาพให้ได้มากถึง 3 ล้านภาพภายในเฟสแรกของการดำเนินงาน (2566-2569)
“ในปี 2568 นี้นอกจากจะเป็นช่วงประชาสัมพันธ์เพื่อเชิญชวนผู้ที่เกี่ยวข้อง เช่น โรงเรียนแพทย์ มหาวิทยาลัย สถานพยาบาลต่างๆ บริษัทซอฟต์แวร์ รวมทั้งผู้พัฒนาจากทั่วประเทศไทยเข้าร่วมภาคีเครือข่ายฯ และใช้งานแพลตฟอร์มกลางของประเทศร่วมกันแล้ว ยังเป็นช่วงที่ภาคีเครือข่ายฯ เริ่มดำเนินงานกำกับข้อมูลภาพถ่ายทางการแพทย์ที่ได้รับการสนับสนุนด้วย”
“ผู้ดำเนินงานหลักด้านการกำกับข้อมูลภาพในช่วงเริ่มต้นจะเป็นบุคลากรจากคณะแพทยศาสตร์โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล ที่มีความเชี่ยวชาญทั้งศาสตร์ทางการแพทย์และการกำกับข้อมูลภาพสำหรับใช้เทรนโมเดล AI เพื่อให้ได้ต้นแบบการกำกับข้อมูลที่ได้มาตรฐาน ก่อนที่กรมการแพทย์จะขยายผลในการจัดสรรบุคลากรมาร่วมดำเนินงานกำกับข้อมูลที่จะมีจำนวนภาพเพิ่มเติมอีกหลายเท่าตัวในอนาคต”
“ส่วนขั้นตอนการผลิตโมเดล AI เพื่อคัดกรองโรค สมาชิกภาคีเครือข่ายฯ และบุคคลทั่วไปจากภายนอก จะเริ่มดำเนินงานหลังจากภาพคุณภาพสูงที่ผ่านการกำกับข้อมูลเรียบร้อยแล้วมีจำนวนมากเพียงพอ โดยจำนวนภาพขั้นต่ำสำหรับเทรนโมเดล AI เพื่อคัดกรองแต่ละรอยโรคคือ 10,000 ภาพ ซึ่งระดับความแม่นยำจะขึ้นอยู่กับจำนวนภาพถ่ายคุณภาพสูงที่ผ่านการกำกับข้อมูลอย่างถูกต้อง รวมทั้งการมีส่วนร่วมของแพทย์ นักวิจัย นักพัฒนา และผู้ใช้งานที่นำ AI ไปใช้งานจริงในการตรวจสอบความถูกต้องของผลลัพธ์ เพื่อให้นำข้อมูลที่ได้กลับมาใช้ปรับปรุงโมเดล AI ให้มีความแม่นยำและประสิทธิภาพที่ดียิ่งขึ้นในอนาคต”
“แม้ในเฟสแรกหรือภายในช่วงไตรมาสแรกของปี 2569 ทางภาคีเครือข่ายฯ อาจยังขาดความพร้อมที่จะผลิตโมเดล AI คุณภาพสูงเพื่อให้บริการแก่สาธารณะ เนื่องจากยังมีจำนวนภาพถ่ายทางการแพทย์คุณภาพสูงที่ผ่านการกำกับข้อมูลเสร็จเรียบร้อยแล้วไม่มากพอ และการพัฒนาโมเดล AI ให้มีความแม่นยำสูงในระดับที่เหมาะกับการเปิดให้บริการจำเป็นต้องอาศัยเวลาในการวิจัยและพัฒนา”
“อย่างไรก็ตามภาคีเครือข่ายฯ มีแผนที่จะนำระบบบริการ AI ที่เนคเทค สวทช. และพันธมิตรพัฒนาจนพร้อมใช้งานแล้วและให้บริการแก่สาธารณะได้ มาเปิดให้บุคลากรทางการแพทย์ทั่วประเทศไทยได้เข้าใช้งานก่อนภายในการทำงานเฟสแรกนี้หรือภายในปี 2569 ผ่านทาง National Medical AI Service Platform”
อย่างไรก็ดี ดร.ศวิต เน้นย้ำทิ้งท้ายว่า “การจัดการกับข้อมูลปริมาณมหาศาลที่ไหลเข้าสู่ระบบในช่วงเริ่มต้น อาจต้องใช้ทั้งเวลา แรงกาย และแรงใจในการทำงานสูง แต่หากการดำเนินงานแล้วเสร็จไปถึงขั้นตอนที่พร้อมให้บริการ เมื่อนั้นจะเป็นช่วงของการออกดอกออกผลที่บุคลากรทางการแพทย์จากทั่วประเทศจะมีเทคโนโลยี AI ของไทยไว้ช่วยแบ่งเบาภาระ เพิ่มประสิทธิภาพในการทำงาน และลดเวลาในการดูแลผู้ป่วย”
“โดยความคาดหวังของคณะผู้ก่อตั้ง Medical AI Consortium จากทั้ง 3 หน่วยงานว่าประกอบด้วย 3 เรื่องหลัก เรื่องแรกคือคาดหวังให้เกิดระบบฐานข้อมูลทางการแพทย์ที่ได้มาตรฐาน และเข้าถึงได้ เพื่อก่อให้เกิดประโยชน์สูงสุดต่อการวิจัยในการเพิ่มศักยภาพอุตสาหกรรมการแพทย์ไทย เรื่องที่สองคือการนำระบบ AI ที่พัฒนาไปใช้ยกระดับการให้บริการสาธารณสุขไทย เพื่อช่วยลดความเหลื่อมล้ำในการเข้าถึงการรักษาที่มีประสิทธิภาพ เรื่องที่สามที่สำคัญไม่แพ้กันคือการเพิ่มความสามารถในการพึ่งพาตนเองให้แก่ประเทศไทย ลดการนำเข้าเทคโนโลยีจากต่างประเทศ ซึ่งจะส่งผลดีต่อการเติบโตของอุตสาหกรรมการแพทย์และเศรษฐกิจของประเทศไทยในภาพรวม”
แหล่งข้อมูล
https://www.salika.co/2025/01/30/medical-ai-data-platform-new-technology-for-medical-ai-thailand/