AI หลายรุ่นพัฒนาอย่างรวดเร็วในทางการแพทย์

AI เกิดขึ้นจากการเขียนโปรแกรมโดยวิศวกรคอมพิวเตอร์ในช่วงปลายศตวรรษที่ 20 โดยอาศัยชุดคำสั่ง (กฎ) ที่มนุษย์สร้างขึ้น ซึ่งทำให้เทคโนโลยีสามารถแก้ไขปัญหาพื้นฐานได้

หมายเหตุบรรณาธิการ: มีหลายอุตสาหกรรมที่ได้รับผลกระทบจากเทคโนโลยีใหม่ๆ ในยุคข้อมูลข่าวสาร ไม่ว่าจะเป็นระบบอัตโนมัติ วิทยาการคอมพิวเตอร์ ปัญญาประดิษฐ์ (AI) หรือแม้แต่สาขาอื่นๆ เช่น แพทย์ โรงพยาบาล บริษัทประกันภัย และอุตสาหกรรมที่เกี่ยวข้องกับการดูแลสุขภาพ แต่โดยเฉพาะอย่างยิ่งใน สาขาสุขภาพ AI มีผลกระทบเชิงบวกมากกว่าอุตสาหกรรมอื่นๆ

รุ่นแรก

วิธีที่ AI ได้รับการฝึกฝนนั้นสามารถจินตนาการได้ว่าคล้ายคลึงกับแนวทางของนักศึกษาแพทย์ ระบบ AI ยังได้รับการสอนอัลกอริทึมนับร้อยเพื่อแปลงอาการของผู้ป่วยเป็นการวินิจฉัย นี่ถือเป็นกฎเกณฑ์การดูแลสุขภาพรุ่นแรกที่ผนวกเข้ากับระบบ AI

แอปพลิเคชัน AI เชิงสร้างสรรค์ช่วยให้แพทย์อัปเดตข้อมูลแบบเรียลไทม์

อัลกอริทึมการตัดสินใจเติบโตเหมือนต้นไม้ เริ่มจากลำต้น (ปัญหาของผู้ป่วย) แล้วแตกแขนงออกไป ยกตัวอย่างเช่น หากผู้ป่วยบ่นว่าไอหนัก แพทย์จะถามก่อนว่ามีไข้หรือไม่ โดยจะมีคำถามสองชุด คือ มีไข้/ไม่มีไข้ คำตอบแรกจะนำไปสู่คำถามเพิ่มเติมเกี่ยวกับอาการ ซึ่งจะนำไปสู่สาขาย่อยๆ ต่อไป สุดท้าย สาขาย่อยแต่ละสาขาคือการวินิจฉัย ซึ่งอาจเป็นตั้งแต่โรคปอดบวมจากแบคทีเรีย เชื้อรา หรือไวรัส ไปจนถึงมะเร็ง หัวใจล้มเหลว หรือโรคปอดอื่นๆ อีกมากมาย

โดยทั่วไปแล้ว AI รุ่นแรกสามารถรับรู้ปัญหาได้ แต่ไม่สามารถวิเคราะห์และจำแนกประเภทบันทึกทางการแพทย์ได้ ส่งผลให้ปัญญาประดิษฐ์ในยุคแรกๆ อาจไม่แม่นยำเท่าแพทย์ที่ผสมผสาน วิทยาศาสตร์ การแพทย์เข้ากับสัญชาตญาณและประสบการณ์ และด้วยข้อจำกัดเหล่านี้ ปัญญาประดิษฐ์ที่อิงกฎจึงแทบไม่ถูกนำมาใช้ในทางคลินิกในช่วงเวลาอื่นๆ

ระบบอัตโนมัติเต็มรูปแบบ

ในช่วงต้นศตวรรษที่ 21 ยุคที่สองของ AI เริ่มต้นขึ้นด้วยปัญญาประดิษฐ์แคบ (ANI) หรือปัญญาประดิษฐ์ที่แก้ปัญหาเฉพาะชุด การกำเนิดของเครือข่ายประสาทเทียมที่เลียนแบบโครงสร้างสมองมนุษย์ได้ปูทางไปสู่เทคโนโลยีการเรียนรู้เชิงลึก ANI ทำงานแตกต่างจากรุ่นก่อนๆ อย่างมาก แทนที่จะกำหนดกฎเกณฑ์ที่กำหนดไว้ล่วงหน้าโดยนักวิจัย ระบบรุ่นที่สองใช้ชุดข้อมูลขนาดใหญ่เพื่อแยกแยะรูปแบบที่มนุษย์ต้องใช้เวลาดำเนินการนาน

ในตัวอย่างหนึ่ง นักวิจัยได้ป้อนข้อมูลแมมโมแกรมหลายพันชุดให้กับระบบ ANI ซึ่งครึ่งหนึ่งแสดงให้เห็นมะเร็งร้าย และอีกครึ่งหนึ่งแสดงให้เห็นมะเร็งไม่ร้าย แบบจำลองนี้สามารถระบุความแตกต่างหลายสิบจุดในขนาด ความหนาแน่น และเฉดสีของแมมโมแกรมได้ทันที โดยกำหนดปัจจัยถ่วงน้ำหนักให้กับความแตกต่างแต่ละจุดเพื่อสะท้อนถึงความน่าจะเป็นของมะเร็ง ที่สำคัญ AI ประเภทนี้ไม่ได้อาศัยฮิวริสติก (หลักการทั่วไป) เหมือนมนุษย์ แต่อาศัยความแตกต่างเล็กน้อยระหว่างการตรวจมะเร็งร้ายและการตรวจปกติ ซึ่งทั้งนักรังสีวิทยาและนักออกแบบซอฟต์แวร์ต่างไม่ทราบ

ต่างจาก AI ที่ใช้กฎเกณฑ์ เครื่องมือ AI รุ่นที่สองบางครั้งมีประสิทธิภาพในการวินิจฉัยที่แม่นยำกว่าสัญชาตญาณของมนุษย์ อย่างไรก็ตาม ปัญญาประดิษฐ์รูปแบบนี้ก็มีข้อจำกัดที่สำคัญเช่นกัน ประการแรก แอปพลิเคชันแต่ละตัวมีการทำงานเฉพาะด้าน กล่าวคือ ระบบที่ฝึกให้อ่านภาพแมมโมแกรมไม่สามารถตีความภาพสแกนสมองหรือภาพเอกซเรย์ทรวงอกได้ ข้อจำกัดที่ใหญ่ที่สุดของ ANI คือระบบจะมีประสิทธิภาพเท่ากับข้อมูลที่ฝึกมาเท่านั้น ตัวอย่างที่ชัดเจนของจุดอ่อนนี้คือเมื่อ UnitedHealthcare พึ่งพา AI เฉพาะทางเพื่อระบุผู้ป่วยที่อาการหนักที่สุดและเสนอบริการทางการแพทย์เพิ่มเติม เมื่อนักวิจัยกรองข้อมูล พวกเขาค้นพบในภายหลังว่า AI ตั้งสมมติฐานที่ผิดพลาด ผู้ป่วยได้รับการวินิจฉัยว่ามีสุขภาพดีเพียงเพราะบันทึกทางการแพทย์แสดงให้เห็นว่าพวกเขาได้รับการรักษาพยาบาลน้อย ในขณะที่ผู้ป่วยที่ใช้บริการทางการแพทย์จำนวนมากกลับถูกจัดว่ามีสุขภาพดี

AI รุ่นต่อๆ ไปจะช่วยให้ผู้คนสามารถวินิจฉัยโรคและวางแผนการรักษาได้เช่นเดียวกับแพทย์ทั่วไป ปัจจุบัน เครื่องมือ AI เชิงสร้างสรรค์ (MED-PALM2 ของ Google) ได้ผ่านการทดสอบใบอนุญาตแพทย์ด้วยคะแนนผู้เชี่ยวชาญแล้ว ปัจจุบันเครื่องมือ AI ทางการแพทย์อื่นๆ อีกมากมายสามารถวินิจฉัยโรคได้คล้ายกับแพทย์ อย่างไรก็ตาม โมเดลเหล่านี้ยังคงต้องอาศัยการดูแลของแพทย์และไม่สามารถทดแทนแพทย์ได้ แต่ด้วยอัตราการเติบโตแบบทวีคูณในปัจจุบัน คาดว่าแอปพลิเคชันเหล่านี้จะมีประสิทธิภาพเพิ่มขึ้นอย่างน้อย 30 เท่าในอีก 5 ปีข้างหน้า คาดการณ์ว่าเครื่องมือรุ่นต่อๆ ไปอย่าง ChatGPT จะนำความเชี่ยวชาญทางการแพทย์ไปสู่มือของทุกคน ซึ่งจะเปลี่ยนแปลงความสัมพันธ์ระหว่างแพทย์กับผู้ป่วยอย่างสิ้นเชิง

เรียบเรียงโดย VIET LE

แหล่งที่มา