การ เอกซเรย์ปอด (Chest X-ray) เป็นการตรวจพื้นฐานที่แพทย์ใช้บ่อยมาก เพราะช่วยเห็นภาพรวมของปอด หัวใจ และโครงสร้างในทรวงอกได้รวดเร็ว ประโยชน์ของการเอกซเรย์ปอด เช่น ตรวจหาโรคปอด เช่น วัณโรค หรือ ปอดบวม, ดูความผิดปกติของหัวใจและทรวงอก, ตรวจหาก้อนเนื้อหรือมะเร็งปอด, ประเมินอาการไอ เจ็บหน้าอก หรือหายใจลำบาก

ข้อมูลจาก แพทย์หญิงชญานิน นิติวรางกูร ผู้ช่วยคณบดี ฝ่ายนวัตกรรมและคู่ความร่วมมือ คณะแพทยศาสตร์ โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล เปิดเผยว่า ภาพเอกซเรย์ทรวงอก (Chest X-ray หรือ CXR) เป็นการตรวจทางรังสีที่ทำบ่อยที่สุดในโลก และเป็นด่านแรกของการวินิจฉัยโรคปอด หัวใจ และภาวะฉุกเฉินทางทรวงอกแทบทุกชนิด แต่ในประเทศไทย ภาพจำนวนมหาศาลนี้กลับต้องรอการอ่านจากรังสีแพทย์ที่มีไม่ถึง 2,000 คนทั่วประเทศ และกระจุกตัวอยู่ในเมืองใหญ่เป็นหลัก

คำถามจึงไม่ใช่เพียงว่าเราจะเพิ่มจำนวนรังสีแพทย์ได้เร็วพอหรือไม่ แต่คือเราจะออกแบบระบบอย่างไรให้ “ความเชี่ยวชาญ” เดินทางไปหาผู้ป่วยในพื้นที่ห่างไกลได้อย่างทั่วถึง และนี่คือจุดที่การแพร่ระบาดของ COVID-19 ได้เร่งให้วงการแพทย์ไทยต้องหาคำตอบอย่างเป็นรูปธรรม และ โครงการ RAMAAI (ระไม) ก็ได้ถือกำเนิดขึ้นในช่วงเวลาแห่งวิกฤตนั้น

RAMAAI CXR Solution หรือที่ทีมผู้พัฒนาเรียกสั้นๆว่า “ระไม” คือ AI สัญชาติไทยที่นำการพัฒนาโดยคณะแพทยศาสตร์ โรงพยาบาลรามาธิบดี เกิดจากความร่วมมือของแพทย์ วิศวกร และนักวิจัยไทย ภายใต้เป้าหมายที่ใหญ่กว่าการสร้างผลิตภัณฑ์หนึ่งตัว นั่นคือการสร้างโครงสร้างพื้นฐานด้านปัญญาประดิษฐ์ทางการแพทย์ที่ประเทศไทย “เป็นเจ้าของ” ได้จริง

RAMAAI ไม่ใช่การซื้อสิทธิ์ใช้งาน AI จากต่างประเทศ แต่คือองค์ความรู้แบบครบวงจรที่สร้างขึ้นในประเทศไทย ตั้งแต่การเตรียมข้อมูล การพัฒนาโมเดล การตรวจสอบทางคลินิก ไปจนถึงการขึ้นทะเบียนเครื่องมือแพทย์

• โจทย์ที่ AI ต้องตอบ: ไม่ใช่แค่ “อ่านฟิล์มเก่ง” แต่ต้อง “เหมาะกับคนไทย”

ข้อจำกัดสำคัญของระบบ AI ทางการแพทย์ที่พัฒนาในต่างประเทศ คือการถูกฝึกด้วยข้อมูลจากประชากรกลุ่มอื่นที่มีลักษณะทางกายวิภาค ความชุกของโรค และรูปแบบการให้บริการสุขภาพต่างจากประเทศไทยอย่างมีนัยสำคัญ

ตัวอย่างที่ชัดเจนที่สุดคือ “วัณโรค” ซึ่งในประเทศที่พัฒนาแล้วพบน้อยมากจนข้อมูลฝึกสอนไม่เพียงพอ แต่ในประเทศไทยยังเป็นหนึ่งในโรคติดเชื้อสำคัญที่ต้องคัดกรองเป็นประจำ การนำ AI จากต่างประเทศมาใช้กับบริบทไทยโดยตรงจึงอาจพลาดในจุดที่สำคัญที่สุด

RAMAAI CXR solution ถูกพัฒนาขึ้นโดยใช้ภาพเอกซเรย์ทรวงอกมากกว่าสองล้านภาพจากผู้ป่วยไทย ผ่านการตรวจสอบและยืนยัน (verification) โดยรังสีแพทย์เฉพาะทางในประเทศ ความสำคัญของเรื่องนี้ไม่ใช่เพียงตัวเลข แต่คือหลักการพื้นฐานของ AI ทางการแพทย์ที่เรียกว่า data representativeness หาก AI ไม่เคยเห็นโรคในรูปแบบที่ผู้ป่วยจริงเป็น ย่อมไม่สามารถตรวจจับได้อย่างน่าเชื่อถือ

• ·ขีดความสามารถของ RAMAAI CXR Solution: จากคัดกรองโรคทั่วไปสู่ “Zero TB”

RAMAAI CXR Solution ในเวอร์ชันปัจจุบันสามารถช่วยคัดกรองและชี้แนะความผิดปกติบนภาพเอกซเรย์ทรวงอกได้ถึง 16 ภาวะ ครอบคลุมกลุ่มโรคที่พบบ่อยและมีความสำคัญเชิงสาธารณสุขของประเทศไทย อาทิ วัณโรคปอด ที่เป็นจุดบอดของ AI ต่างชาติส่วนใหญ่, ก้อนและรอยโรคที่สงสัยมะเร็งปอด ซึ่งการตรวจพบในระยะแรกส่งผลโดยตรงต่ออัตราการรอดชีวิต, ภาวะปอดอักเสบและการติดเชื้อในปอด ซึ่งเป็นสาเหตุการเสียชีวิตอันดับต้นของผู้สูงอายุไทย, ภาวะหัวใจโตและสัญญาณของภาวะหัวใจล้มเหลว, ภาวะถุงลมโป่งพองและภาวะปอดแฟบ, ภาวะลมรั่วและน้ำในช่องเยื่อหุ้มปอด

จุดที่ทำให้ RAMAAI แตกต่างจากผลิตภัณฑ์ AI CXR ในตลาดโลก คือโมดูลที่เรียกว่า “Zero TB Module” ความสามารถในการตรวจจับวัณโรคในระยะแพร่กระจาย (active tuberculosis) ซึ่งเป็นภาวะที่แม้แต่รังสีแพทย์ที่มีประสบการณ์ก็ยังวินิจฉัยยาก และเป็นช่องว่างที่ระบบ AI เชิงพาณิชย์จากต่างประเทศแทบไม่มีใครเข้าไปแตะ เพราะข้อมูลฝึกสอนในประเทศต้นทางไม่เพียงพอ

นอกจากนี้ ทีมพัฒนายังให้ความสำคัญกับการขึ้นทะเบียนเป็นเครื่องมือแพทย์ตามมาตรฐานสากล เช่น IEC 62304 สำหรับวงจรชีวิตซอฟต์แวร์ทางการแพทย์ และระบบบริหารคุณภาพเครื่องมือแพทย์ ISO 13485 ซึ่งเป็นเงื่อนไขจำเป็นหาก RAMAAI CXR solution จะถูกใช้ในระบบบริการสุขภาพระดับประเทศ หรือส่งออกไปยังต่างประเทศในอนาคต ปัจจัยเหล่านี้อาจฟังดูเป็นเรื่องเทคนิค แต่จริง ๆ แล้วเป็นเส้นแบ่งระหว่าง “โครงการวิจัยที่น่าภูมิใจ” กับ “ผลิตภัณฑ์ที่เปลี่ยนระบบสาธารณสุขได้จริง

• จากห้องวิจัยสู่เตียงผู้ป่วย: ปัจจัยสู่การใช้งานจริง

บทเรียนสำคัญของ AI ทางการแพทย์ทั่วโลกคือ การพัฒนาโมเดลที่ให้ค่าความแม่นยำสูงในห้องวิจัยเป็นเพียงก้าวแรก ก้าวที่ยากกว่าคือการนำไปใช้งานจริงในสภาพแวดล้อมคลินิก ซึ่งต้องผ่านด่านทั้งด้านการขึ้นทะเบียน ความปลอดภัยทางไซเบอร์ การเชื่อมต่อกับระบบ PACS และ HIS ของโรงพยาบาล การอบรมบุคลากร และการสร้างความไว้วางใจจากผู้ใช้

RAMAAI CXR solution ได้ผ่านด่านเหล่านี้และขยายการติดตั้งไปยังหน่วยบริการในหลายระดับ ตั้งแต่ รพ.รามาธิบดี สถาบันการแพทย์จักรีนฤบดินทร์ ไปจนถึง รพ.สมเด็จพระยุพราชเชียงของ จ.เชียงราย ซึ่งเป็น รพ.ชุมชนในพื้นที่ชายแดน การกระจายตัวแบบนี้เองที่สะท้อนเจตนารมณ์ของโครงการได้ชัดที่สุด

ขั้นตอนสำคัญต่อไปคือการขยายผลผ่าน Medical AI Consortium โดย RAMAAI CXR solution จะได้รับการติดตั้งใน รพ. ในความดูแลของกรมการแพทย์ กว่า 14 แห่งอย่างเป็นระบบ การดำเนินการนี้ไม่ใช่เพียงการกระจายเทคโนโลยี แต่เป็นการสร้างโครงสร้างพื้นฐาน AI ทางการแพทย์ระดับประเทศที่ทำให้ รพ. ทุกแห่งในเครือข่ายสามารถเข้าถึงเครื่องมือช่วยวินิจฉัยในระดับเดียวกัน

รูปแบบการใช้งานมีหลากหลาย ตั้งแต่การเชื่อมต่อตรงกับระบบ PACS ของโรงพยาบาล ไปจนถึงการใช้งานผ่านแพลตฟอร์มออนไลน์และแอปพลิเคชันที่แพทย์ไทยคุ้นเคยในชีวิตประจำวัน เป็นการออกแบบที่ตระหนักถึงข้อจำกัดด้านโครงสร้างพื้นฐานของโรงพยาบาลขนาดเล็ก และช่วยให้ AI ไม่กระจุกตัวอยู่เฉพาะในโรงพยาบาลใหญ่

• มิติเชิงระบบ: AI กับการลดความเหลื่อมล้ำในการเข้าถึงการวินิจฉัย

หัวใจของการวิเคราะห์ผลกระทบของ RAMAAI CXR solution อยู่ที่มิติของความเท่าเทียม ในขณะที่โรงพยาบาลในกรุงเทพฯ และเมืองใหญ่มีรังสีแพทย์เฉพาะทางทรวงอกพร้อมอ่านฟิล์มได้ตลอด 24 ชั่วโมง โรงพยาบาลชุมชนจำนวนมากมีรังสีแพทย์เพียง 1 ท่าน หรือไม่มีเลย ทำให้ผู้ป่วยอาจต้องรอผลวินิจฉัยเป็นวัน ๆ

เมื่อ AI สามารถให้การประเมินเบื้องต้นได้ภายในไม่กี่วินาที บทบาทของเทคโนโลยีจึงเปลี่ยนจาก “เครื่องมือในเมือง” เป็น “สะพานเชื่อมความเชี่ยวชาญ” สู่พื้นที่ห่างไกล แพทย์ทั่วไปในโรงพยาบาลชุมชนไม่ได้ถูกบังคับให้ตัดสินใจโดยลำพังอีกต่อไป แต่มีเครื่องมือช่วยจัดลำดับความสำคัญของผู้ป่วย (triage) และชี้จุดที่ควรให้ความสนใจ ขณะที่การตัดสินใจขั้นสุดท้ายยังคงเป็นของมนุษย์เช่นเดิม

ในมุมนี้ บทบาทของแพทย์ไม่ได้ถูก “แทนที่” แต่ถูก “ขยาย” ให้ครอบคลุมผู้ป่วยได้มากขึ้น เร็วขึ้น และแม่นยำขึ้น ขณะที่บุคลากรทางการแพทย์จำเป็นต้องพัฒนาทักษะใหม่ ๆ ทั้งด้านการตีความผลจาก AI ด้านจริยธรรม และด้านการสื่อสารกับผู้ป่วยในยุคที่การตัดสินใจทางคลินิกมีเครื่องจักรเข้ามาร่วมด้วย

• ข้อกังวลที่ต้องพูดคุยอย่างตรงไปตรงมา

ต้องยอมรับว่า AI ทางการแพทย์ยังมีข้อจำกัดและความเสี่ยงที่ต้องบริหารจัดการอย่างรอบคอบ ข้อกังวลสำคัญประกอบด้วย ความเสี่ยงต่อการพึ่งพา AI มากเกินไป (automation bias) ที่อาจทำให้แพทย์ละเลยการตรวจซ้ำ, ความเสี่ยงต่อประสิทธิภาพที่ลดลงเมื่อนำไปใช้ในประชากรหรือเครื่องเอกซเรย์ที่ต่างจากชุดฝึกสอน (performance drift), คำถามด้านความรับผิดชอบทางกฎหมายเมื่อ AI ให้ผลผิดพลาด

แนวทางที่ทีม RAMAAI ได้พยายามป้องกันคือการปฏิบัติตามกรอบธรรมาภิบาล AI ทางการแพทย์ที่สอดคล้องกับหลักจริยธรรมสากล รวมถึงการสร้างระบบติดตามประสิทธิภาพของ AI หลังเริ่มใช้งาน (post-deployment surveillance) เพื่อให้มั่นใจว่าโมเดลยังคงทำงานได้ตามมาตรฐานเมื่อบริบทของข้อมูลและประชากรเปลี่ยนแปลงไป

• จากโรงเรียนแพทย์สู่ประชาชน: แบบอย่างการถ่ายทอดนวัตกรรม

หนึ่งในความสำเร็จที่สำคัญที่สุดของ RAMAAI CXR Solution คือการพิสูจน์ว่าการวิจัยในโรงเรียนแพทย์สามารถก้าวข้ามขอบเขตของ “งานวิจัยในห้องเรียน” และสร้างนวัตกรรมคุณภาพที่ส่งผลกระทบต่อการดูแลผู้ป่วยในระดับประเทศ เส้นทางจากห้องปฏิบัติการไปสู่เตียงผู้ป่วยในโรงพยาบาลชุมชนห่างไกล แสดงให้เห็นถึงแบบอย่างของการ “แปลงนวัตกรรม” ที่ประเทศไทยสามารถทำได้

การที่ RAMAAI เริ่มต้นจากทีมงานในโรงเรียนแพทย์และขยายสู่ Medical AI Consortium ที่ครอบคลุมโรงพยาบาลในสังกัดกรมการแพทย์ทั่วประเทศ เป็นตัวอย่างของ “ระบบนวัตกรรมที่เชื่อมต่อกัน” ระหว่างสถาบันการศึกษา หน่วยงานวิจัย และระบบบริการสุขภาพ ซึ่งเป็นสิ่งจำเป็นสำหรับการสร้างนวัตกรรมที่มีผลกระทบอย่างยั่งยืน

• โอกาสของไทยในเวทีภูมิภาคและอธิปไตยทางเทคโนโลยี

ในยุคที่ปัญญาประดิษฐ์กลายเป็นทรัพยากรเชิงยุทธศาสตร์ ประเทศที่พึ่งพา AI ทางการแพทย์จากต่างประเทศทั้งหมดย่อมเผชิญความเสี่ยงทั้งด้านต้นทุน ความต่อเนื่องของการให้บริการ และความเป็นส่วนตัวของข้อมูลผู้ป่วย การที่ประเทศไทยสามารถพัฒนา RAMAAI CXR Solution ได้สำเร็จจนถึงระดับใช้งานจริง จึงมีนัยสำคัญเกินกว่าการเป็นผลงานวิชาการ แต่เป็นการยืนยันว่าประเทศกำลังพัฒนาก็สามารถเป็น “ผู้สร้าง” เทคโนโลยีขั้นสูงได้ ไม่ใช่เพียง “ผู้ใช้”

บริบทของโรคในภูมิภาคเอเชียตะวันออกเฉียงใต้ ไม่ว่าจะเป็นวัณโรค ปอดอักเสบ หรือโรคจากมลพิษทางอากาศ มีความคล้ายคลึงกับประเทศไทยมากกว่าบริบทของยุโรปหรืออเมริกาเหนือ RAMAAI จึงมีโอกาสขยายตัวสู่ประเทศเพื่อนบ้านในฐานะแพลตฟอร์ม AI ทางการแพทย์ที่ “เข้าใจโรคในภูมิภาค” ได้อย่างแท้จริง และอาจเป็นหมุดหมายสำคัญของการสร้างระบบนิเวศ AI ทางการแพทย์ที่ไม่ต้องผ่านตัวกลางจากประเทศพัฒนาแล้ว

• บทสรุป: เมื่อเทคโนโลยีกลายเป็นเรื่องของ “คน”

RAMAAI CXR Solution ไม่ใช่เพียงซอฟต์แวร์ แต่เป็นกรณีศึกษาของการนำเทคโนโลยีมาตอบปัญหาเชิงระบบ ปัญหาการขาดแคลนรังสีแพทย์ ปัญหาความเหลื่อมล้ำในการเข้าถึงการวินิจฉัย และปัญหาการพึ่งพาเทคโนโลยีจากต่างประเทศ สิ่งที่ทำให้ RAMAAI น่าจับตามอง ไม่ใช่เพราะเป็น AI ที่เก่งที่สุดในโลก แต่เพราะเป็น AI ที่ออกแบบมาเพื่อคนไทย ด้วยข้อมูลคนไทย โดยทีมคนไทย และสำหรับระบบสุขภาพไทย

ผ.ศ. (พิเศษ) ดร. อภิสิทธิ์  ฉัตรทนานนท์

ประธานกรรมการ มูลนิธิคุณแม่คุณภาพ