จากเวทีแลกเปลี่ยนความรู้และความร่วมมือด้าน AI ทางการแพทย์ระดับประเทศ ‘Medical AI Consortium ร่วมแชร์ เชื่อม ใช้ “ข้อมูล” ขับเคลื่อน AI เพื่อการแพทย์ไทย’ ในการเสวนาหัวข้อ โอกาสและความท้าทายในการพัฒนานวัตกรรม AI ของประเทศไทย ผ่านกลไก Medical AI Consortium มีประเด็นความคืบหน้าของการใช้ AI ในแวดวงการแพทย์ของหลากหลายโรงพยาบาลชั้นนำระดับประเทศมาแลกเปลี่ยนข้อมูล ความก้าวหน้ากันอย่างน่าสนใจ ซึ่ง The Story Thailand ได้เก็บข้อความบางส่วนมานำเสนอ
ดร.ชัย วุฒิวิวัฒน์ชัย ผู้อำนวยการเนคเทค สวทช. Medical AI เป็นหนึ่งในแผน AI แห่งชาติ และนโยบาย อว. for AI ซึ่งการพัฒนา AI ด้านการแพทย์ ต้องมี data เพื่อนำไปพัฒนา AI ก่อนจะไปสู่กระบวนการอื่น ๆ การตรวจสอบ และสร้างผลิตภัณฑ์ออกมา ดังนั้น สิ่งที่ต้องทำอันดับแรกคือ Data Sharing & Manipulation จากนั้น Expert จะตามมา และส่วนที่ยากที่สุดคือก่อนจะเข้าสู่ตลาดต้องผ่าน Standard & Testing โดย Certified FDA จากการที่ AI พัฒนาไปเรื่อย ๆ และ อย. ปรับปรุงหลักเกณฑ์ตามมา ทั้งฝ่ายวิชาการและฝ่ายกำกับดูแลจะต้องช่วยกันทำให้ผลิตภัณฑ์สู่ตลาดได้ โดยการจะทำสิ่งเหล่านี้ได้ต้องการ Consortium
ทั้งนี้ การจะทำให้เกิด Consortium คือ Formality มีหลักเกณฑ์ที่ชัดเจน ให้หน่วยงานทางการแพทย์ต่าง ๆ เข้ามามีส่วนร่วม โดยจัดการ Data Governance ได้ ดังนั้น เมื่อจัดตั้งภาคีเครือข่ายปัญญาประดิษฐ์ทางการแพทย์ (Medical AI Consortium) ได้แล้ว ต้องจัดคณะกรรมการบริหารแพลตฟอร์มข้อมูลเปิดเพื่อการพัฒนาปัญญาประดิษฐ์ทางการแพทย์ (Data Council) และคณะทำงานบริการข้อมูล การบริหารแพลตฟอร์มข้อมูลเปิดเพื่อการพัฒนาปัญญาประดิษฐ์ทางการแพทย์ (Data Stewards) เพื่อจัดการ data
– Medical AI Consortium: อนาคตของ AI ทางการแพทย์ของประเทศไทย
ตลอดจนการจัดทำเอกสารการบริหาร Medical AI Consortium เป็นคู่มือชัดเจนว่า สมาชิกของ Consortium เข้ามาจะแบ่งปันอะไร และจะได้รับอะไรตอบแทน รวมทั้งบุคคลที่เข้ามาใช้ Data Platform นี้จะได้อะไร และแบ่งปันอะไรได้บ้าง ซึ่งทั้งหมดนี้ได้ทำเสร็จแล้วตั้งแต่ต้นปี 2568
ทั้งนี้ หลังจบโครงการ 3 ปี Consortium จะยังอยู่ต่อไป โดย บพค. จะใช้ Medical AI Platform เป็นมาตรฐานการรวบรวมผลงานที่ให้ทุนสนับสนุน แต่ทุนอาจไม่มากเท่ากับทุนเริ่มต้น 90 ล้านบาท และมีกรมการแพทย์รับดูแล Consortium ต่อ พร้อมทั้งเป็นผู้กำกับดูแล และขยายผล Data และ AI ที่พัฒนาขึ้น รวมทั้งจะวางหลักเกณฑ์ให้สมาชิก Consortium นำ AI ที่ได้จาก Share Data ภายใต้แพลตฟอร์มนี้ไปใช้ประโยชน์เชิงพาณิชย์ได้
AI เพิ่มความเท่าเทียมทางการแพทย์
นพ.ภัทรวินฑ์ อัตตะสาระ ผู้อำนวยการสำนักดิจิทัลการแพทย์ กรมการแพทย์ เล่าว่า ในฐานะประธานคณะกรรมการบริหารแพลตฟอร์ม พยายามบูรณาการหน่วยงานที่ให้บริการทางการแพทย์ทั้งหมดและนักวิจัย เพื่อลดการเป็นไซโลข้อมูล และมีวัตถุดิบข้อมูลไปดำเนินการและต่อยอดการวิจัย ซึ่งได้ลงนามข้อตกลงร่วมกันหลายหน่วยงาน นำไปสู่การแลกเปลี่ยนภาพ และข้อมูล
ทั้งนี้ จำเป็นต้องทำเพราะ AI เหมือนกับยา ก่อนนำมาใช้จะต้องผ่านการทดสอบว่าใช้ได้จริงไหม เพราะ Genetic ของคนไทยกับตะวันตกแตกต่างกัน ส่วนการยอมรับและคัดกรองการนำ AI มาใช้ในระบบสุขภาพนั้นผ่านแล้ว แต่การนำ AI มาใช้อย่างไรก็ต้องผ่านการวินิจฉัยโดยแพทย์เสมอ เช่น AI Stroke การจะให้ยาละลายลิ่มเลือดหรือไม่ต้องผ่านแพทย์ ป้องกันความผิดพลาดที่อาจขึ้นกับคนไข้
อีกโรคคือ เบาหวานขึ้นจอประสาทตาเสี่ยงต่อการตาบอด ซึ่งประเทศไทยมีประชากร 70 ล้านคน มีผู้ป่วยเบาหวาน 5-6 ล้านคน มีจักษุแพทย์ 1,500 คน ในจำนวนนี้มีแพทย์เฉพาะทางเรติน่า 250 คน จำนวนผู้ป่วย 90% อยู่ต่างจังหวัด แต่แพทย์ 50% อยู่ในกรุงเทพฯ แม้ให้เครื่องถ่ายภาพจอประสาทตาไป แต่ถ่ายภาพแล้วได้แต่กองไว้เพราะขาดผู้เชี่ยวชาญอ่านภาพ การนำ AI ไปใช้เพราะต้องการให้เกิดความเท่าเทียมทางด้านการแพทย์ เมื่อนำ AI ไปใช้ พยาบายสามารถถ่ายภาพ แล้วอ่านผลได้ภายใน 5 นาที หากพบเบาหวานขึ้นจอประสาทตาจะดำเนินการส่งจักษุแพทย์ ไม่ต้องรอ 5-6 เดือนที่อาจทำให้ตาบอดไปแล้ว
“จากผลที่ได้ทำไปแล้ว ทำให้มีข้อมูลภาพกลับเข้ามาในระบบกว่า 44,000 ภาพ นำไปทำ Continue Education สอน AI ต่อไปเรื่อย ๆ ทุกโรงพยาบาลสามารถนำไปใช้ได้ เพราะอยู่บน Cloud Based ตามนโยบายรัฐบาล การพัฒนาจะทำต่อเนื่องไป และจะช่วยแก้ปัญหาขาดแคลนแพทย์ของไทยได้”
แนะเลียนแบบต่างประเทศให้เอกชนเข้าร่วม
รศ.นพ.สิทธิ์ พงษ์กิจการุณ หัวหน้าภาควิชารังสีวิทยา คณะแพทยศาสตร์ โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล เล่าเรื่อง Data Sharing Platform ว่า ก่อนเข้าร่วม Consortium ได้หาข้อมูล Data Platform ของประเทศต่าง ๆ ทั้งสหรัฐ ยุโรป เอเชีย แต่ละแห่งเน้นการแชร์ข้อมูลอย่างปลอดภัย เป็นแพลตฟอร์มที่ครอบคลุม ทำ annotation ได้ และเป็นข้อมูลที่มีมาตรฐาน หรือเมื่อลงลึกถึง Architecture จะเลือกได้ว่า ต้องการใช้แบบไหน เป็น centralize, federated หรือ hybrid
รวมทั้งการเลือก Data Model ก็เป็นเรื่องสำคัญซึ่งควรเลือกที่เป็นมาตรฐาน และหลาย ๆ โครงการที่เขาทำจะเป็นความร่วมมือหลาย ๆ ฝ่าย ทั้งโรงพยาบาล มหาวิทยาลัย และมี industry เข้ามาเกี่ยวข้องด้วย มองว่า เป็นจุดหนึ่งที่ Consortium ของเราอาจต้องพิจารณา
อีกหนึ่งตัวอย่างที่น่าสนใจของ EUCAIM Cancer Image Europe มีพันธมิตรใน Consortium 76 รายจาก 14 ประเทศในสหภาพยุโรป และเงินสนับสนุน 17.8 ล้านยูโร เทียบกับไทยมีเงินตั้งต้น 90 ล้านบาท หรือประมาณ 10% ของยุโรปที่ใส่งบสนับสนุนงานวิจัยด้านภาพถ่ายมะเร็ง
จากที่เห็นความสำคัญของหน่วยงานที่เข้าร่วม Consortium ทางรามา จึงมีระบบอีโคซิสเต็มส์สำหรับสนับสนุนหน่วยงาน ในการจัดการภาพก่อนส่ง Consortium ดังนั้น ได้สร้าง Data and AI Research Management Platform มาช่วยรวบรวมข้อมูล แยกข้อมูล และทำให้เป็นมาตรฐานซึ่งเป็นสิ่งสำคัญ และจำเป็นต่ออนาคตหากจะเกิดความร่วมมือระหว่างประเทศ
ปัจจุบันรวบรวมภาพได้มากกว่า 80,000 Studies มากกว่า 2 ล้านภาพ โดยแยกเป็นกลุ่มโรคสำคัญ เช่น Lung, Stroke, Osteoporosis, Head & Neck Cancer, Prostate Cancer และ Breast Cancer ทุกกระบวนการต้องมีธรรมาภิบาล ผ่าน Data Sharing Agreement (DSA) Data Processing Agreement (DPA) และ Collaboration Agreement (ColA)
สร้างหลักสูตรป.โท Digital Health
รศ.ดร.พญ.โสฬพัทธ์ เหมรัญช์โรจน์ รองคณบดี ฝ่ายนวัตกรรมแนวบูรณาการและเทคโนโลยีดิจิทัล คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย มองว่า การเข้าร่วม Consortium จะต้องมี data ที่เป็นมาตรฐาน มีประโยชน์ และนำไปใช้ได้ ซึ่งถ้าไม่รีบทำวันนี้ จะไม่สามารถเป็นกระบวนการทางการแพทย์ที่ตอบโจทย์ประเทศชาติได้ต่อไป ซึ่งปัญหาด้านการแพทย์ แพทย์ลาออก หรือโรคเรื้อรัง ที่ต้องแก้ไข และไม่มีทางแก้ได้เลยถ้าไม่มี Digital Transformation ในระบบกระทรวง
ในฐานะที่คณะแพทยศาสตร์ จุฬา เป็นหน่วยงานหนึ่งในสถาบันการศึกษา โดยมีหน้าที่ผลิตคนเข้าไปตอบโจทย์ของสังคม ต้องการผลิตแพทย์ที่รู้เรื่องดิจิทัล เพื่อไปเชื่อม แชร์ ใช้ ประโยชน์อย่างมีประสิทธิภาพ ซึ่งกระบวนการต่าง ๆ ที่กังวลคือ อุปสรรคด้านการเก็บข้อมูล ความมั่นใจในการแชร์ข้อมูล การทำ AI หรือดิจิทัลต่าง ๆ ซึ่งคิดว่า สิ่งที่จะทำได้มากที่สุดคือ การขับเคลื่อนการศึกษา การวิจัย และนวัตกรรมอย่างยั่งยืน ทำอย่างไรให้บัณฑิตแพทย์ที่จบออกไปทำสิ่งเหล่านี้ได้ เป็นกลไกของกระทรวงต่อไป
ที่ต้องการเข้าร่วม Consortium คือ ได้พัฒนาหลักสูตรปริญญาโท Digital Health Systems นำแพทย์ หรือวิศวะที่จบไปแล้วกลับเข้ามาเรียนรู้เป็นเวลา 1 ปี แล้วสร้างองค์ความรู้ที่ตอบโจทย์กระทรวงได้เร็ว ซึ่งเทคโนโลยีใน 1 ปีเปลี่ยนไปเร็วมาก จะต้องสร้างคนที่เรียนรู้ใหม่ และเรียนรู้ด้วยตัวเองได้ บนแนวทางที่มีจริยธรรม ขณะเดียวกัน ปลูกฝังให้นิสิตทั้งวิทย์ และศิลป์ใช้ AI ได้อย่างถูกต้องและรู้จักพัฒนาตัวเอง เป็นผู้ใช้ AI ที่เก่งขึ้น ๆ ไม่ใช่ใช้ AI แล้วทำอะไรเองไม่เป็น
AI ในการแพทย์ช่วยลดกระดาษและเวลา
ผศ.นพ.กฤษณ์ ขวัญเงิน รองคณบดีด้านเทคโนโลยีสารสนเทศและบริหารจัดการข้อมูล คณะแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ บอกว่า เชียงใหม่ไม่กังวลเรื่องการแชร์ข้อมูล เพราะได้แชร์ข้อมูลกันภายในองค์กรเรียบร้อยแล้ว และการนำ AI มาใช้ในการแพทย์จะทำให้ลดการใช้กระดาษลง ใช้ระยะเวลาในการส่งข้อมูลลดลง
“คณะแพทย์ เชียงใหม่ ใช้ระบบ Electronic Medical Record (EMR) ชื่อ I – Viewer ให้แพทย์ใช้บันทึกเพื่อสื่อสารกับผู้ป่วย อีกส่วนคือ E-Pharmacy ชื่อ E-Verify ให้เภสัชกรจ่ายยา และ Electronic Nursing Record (ENR) ลดเวลาทำงานของพยาบาล ให้ทำงานผ่านไอแพด ทุกระบบเชื่อมโยงกันและดึงไปอยู่ที่ Operation Center ทำให้ data ต่าง ๆ ส่งไปในซอฟต์แวร์ต่าง ๆ ได้ และได้ทดสอบการใช้ AI ของบริษัทระดับโลกกับระบบ EMR ก็ปรากฏว่าใช้งานร่วมกันได้”
ความพร้อมที่เกิดขึ้น เพราะได้พัฒนาอีโคซิสเต็มส์มายาวนาน ซึ่งปัญหาของ AI คือ ทำอย่างไรให้ผ่าน Cyber Security และกฎ PDPA ซึ่งถ้าทำได้จะไม่สะดุด เพราะหากพลาดสักครั้งจะทำให้ความน่าเชื่อถือหมดไป
ศักยภาพ AI ช่วยคัดกรองผู้ป่วย
ขณะที่การบรรยายหัวข้อ “ปลดล็อคศักยภาพ AI ยกระดับวงการแพทย์” ได้นำกรณีศึกษาการนำ AI ไปเพิ่มความสามารถในการตรวจหาต้นตอของโรค ทำให้แพทย์ทำงานได้รวดเร็วขึ้น
รศ.ดร.พญ.รุ่งฤดี ชัยธีรกิจ ผู้ช่วยคณบดีฝ่ายนวัตกรรมแนวบูรณาการและเทคโนโลยีดิจิทัล คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ยกตัวอย่างงานที่ทำคือ นำ AI มาช่วยคัดกรองมะเร็งตับที่อัลตร้าซาวน์ รวมถึงมะเร็งท่อน้ำดี เพราะทั้งคู่คือมะเร็งที่เป็นสาเหตุการเสียชีวิตอันดับ 1 ของคนไทย เนื่องจากคนไข้จะมาหาแพทย์หลังจากมีอาการระยะท้ายของโรคไปแล้ว คือ ตัวเหลือง ตาเหลือง ท้องโต ทำให้ไม่สามารถรักษาให้หายขาดได้
อย่างไรก็ตาม หากคัดกรองด้วยการทำอัลตร้าซาวน์ในผู้ที่มีความเสี่ยงจะช่วยให้เจอมะเร็งตับตั้งแต่ระยะแรก และรักษาให้หายขาด จะช่วยลดอัตราการเสียชีวิตลงได้
ปัญหาที่ผ่านมาคือในกลุ่มเสี่ยงได้รับการคัดกรองมะเร็งตับเพียง 23% เพราะความขาดแคลนรังสีแพทย์ แม้ทุกโรงพยาบาลชุมชนจะมีเครื่องอัลตร้าซาวน์ แต่ไม่มีคนที่ทำอัลตร้าซาวน์ที่สามารถคัดกรองมะเร็งตับได้ จึงเป็นที่มาของโครงการ ถ้ามีระบบ AI ที่มา plug in กับเครื่องอัลตร้าซาวน์ จะช่วยให้บุคลากรทางการแพทย์ที่ไม่ใช่รังสีแพทย์สามารถตรวจคัดกรองมะเร็งตับและมะเร็งท่อน้ำดีได้
ดังนั้น ได้รวบรวมรูปมะเร็งตับกว่า 1 ล้านรูป มาพัฒนาระบบ AI – Assisted Ultrasound Systems ที่ทำงานได้ 3 อย่างแบบ Realtime คือ 1. ตรวจคัดหาก้อนในตับ 2. จำแนกชนิดของก้อนว่ามะเร็งหรือไม่ 3. ระบบควบคุมความครบถ้วนของการทำอัลตร้าซาวน์ เพื่อประกันคุณภาพการทำอัลตร้าซาวน์
จากที่ใช้งานจริงในคลินิกโรคตับ โรงพยาบาลจุฬาลงกรณ์ มีคนไข้ทำไปกว่า 8,550 ราย อัตราการพบก้อน 85% ความแม่นยำในการวิจัย 97%
ปีนี้มีแผนขยายผลไปโรงพยาบาลชุมชม เพื่อให้ตรวจคัดกรองมะเร็งได้เอง โดยจะทำงานร่วมกับระบบ Intelligent Chatbot เมื่อตรวจพบจะทำ Personalize Management Plan ในคนไข้ที่เป็นโรคตับหลายๆ อย่าง รวมถึงภาวะไขมันเกาะตับ และตับแข็ง
RAMAAI วินิจฉัยโรคทางรังสีทรวงอก
ผศ.พญ.พัดชา ตุลยาเดชานนท์ ภาควิชารังสีวิทยา คณะแพทยศาสตร์ โรงพยาบาลรามาธิบดี มหาวิทยาลัยมหิดล เล่าถึงการใช้และพัฒนา AI ว่า ได้ทำโครงการ RAMAAI (ระไม) เป็น AI Model และ Platform เพื่อช่วยวินิจฉัยโรคทางรังสีทรวงอก หรือเอ็กซเรย์ปอด
– สวทช. ผนึกพันธมิตร เปิดตัว Medical AI Data Platform ดึง AI ช่วยคัดกรอง-วินิจฉัยโรค
สืบเนื่องจาก Covid-19 ทางโรงพยาบาลได้รับคนไข้มาดูแล ซึ่งเป็นเรื่องใหม่ของรังสีแพทย์ และแพทย์ผู้ดูแลรักษา จึงร่วมกับ บพค. รับทุนพัฒนา Deep Learning จากชุดข้อมูลของโรงพยาบาลรามาธิบดี และโรงพยาบาลรามาจักรีนฤบดินทร์ เพื่อให้วินิจฉัย และตรวจจับโรคได้ตั้งแต่ระยะเริ่มแรกว่า Covid ลงปอดหรือไม่ ด้วยความมั่นใจระดับ 73-94% หลังจากนั้นได้พัฒนาเพิ่มเติมให้สามารถวินิจฉัยโรคทางทรวงอกอื่น ๆ ได้ด้วย จนได้ความแม่นยำระดับ 91% มีจำนวนกรณีศึกษาจากภายในโรงพยาบาลกว่า 400,000 ฟิล์ม และเปิดเว็บเซอร์วิส ให้แพทย์ภายนอกส่งรูปเข้ามาประเมินมากกว่า 30,000 ฟิล์ม
นอกจากนี้ ได้ทำ RAMAAI LineBOT ส่งรูปเป็น .jpg .png มารับคำปรึกษา โดยให้ระบบ LineBOT วิเคราะห์ผลว่าเหมือน Covid หรือไม่ โดยมีผู้เข้าร่วมใช้กว่า 600 ราย จำนวนกว่า 1,000 รูป
ปัจจุบัน วินิจฉัยโรคทรวงอกได้ 17 โรค ตั้งแต่คัดกรองว่า ปกติ หรือผิดปกติ รวมทั้งโรคสำคัญ เช่น วัณโรค หัวใจโต มีก้อนที่ปอด เป็นต้น
ทั้งนี้ วัณโรคเป็นปัญหาของสาธารณสุขไทย การวินิจฉัยได้รวดเร็วนำไปสู่การรักษาที่รวดเร็ว ลดอัตราการแพร่เชื้อ การป่วย และการเสียชีวิต สอดคล้องกับนโยบาย WHO ที่ต้องการยุติวัณโรค แพลตฟอร์มนี้สามารถแยกได้ว่า เป็นวัณโรคที่ active อยู่หรือไม่ ประสิทธิภาพการวินิจฉัยอยู่ที่ 91% นำไปสู่โครงการ RAMAAI FOR ZERO TB
หลังได้รับทุน บพค. ทำให้เก็บรวบรวมข้อมูลได้ดียิ่งขึ้น เป็นระบบระเบียบมากขึ้น โดยได้เก็บภาพ CT และ MRI โรค หลอดเลือดสมอง (Stroke) ซึ่งเป็นอีกหนึ่งปัญหาสำคัญของประเทศไทย อัตราการเสียชีวิตเป็นอันดับ 2 รองจากมะเร็ง และมีแนวโน้มเพิ่มขึ้นทุกปี การวินิจฉัยโรคหลอดเลือดสมองเฉียบพลันเป็นเรื่องฉุกเฉิน มีอุปกรณ์สำคัญคือ ภาพวินิจฉัย เพื่อนำไปสู่การวินิจฉัยและรักษาโรคที่เหมาะสม จึงต้องการพัฒนา AI เพื่อวินิจฉัยโรคได้ตั้งแต่การ CT และจะต้องพัฒนาต่อไปเพื่อเพิ่มความแม่นยำขึ้น รวมทั้งเพิ่มจำนวนข้อมูล และโมเดลให้หลากหลายขึ้น
อย่าลืมทำความเข้าใจกับผู้มีส่วนได้ส่วนเสีย
รศ.ดร.พญ.ศิริอนงค์ นามวงศ์พรหม คณะแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่มองว่า AI จะมีบทบาทด้าน Medical Research ซึ่งบุคลากรของคณะแพทยศาสตร์ มช. พร้อมจะพัฒนา AI จากความต้องการใช้จริง และมีผลกระทบต่อผู้ป่วยโดยตรง งานหนึ่งที่ร่วมพัฒนากับเนคเทค คือโครงการประเมินการเสียเลือดของผู้ป่วยผ่าตัดของพยาบาลห้องผ่าตัด ด้วยการนำภาพถ่ายของผ้าก๊อซที่ซับเลือด มาเข้ากระบวนการประเมินโดย AI จนได้โปรแกรมประเมินการเสียเลือด ชื่อ ESTIMA จากนั้นเมื่อเข้าโครงการ AI ได้พัฒนาเพิ่มเติมเป็น ESTIMA-EX ซึ่งยังอยู่ในการทำงานร่วมกัน แต่พบว่าได้ความแม่นยำมากขึ้น และจะขยายผลต่อไป
อีกโครงการได้รับทุนจาก บพค. คือ โครงการการพัฒนาและถ่ายทอดเทคโนโลยีเทคนิคปัญญาประดิษฐ์ในการวินิจฉัยผู้ป่วยที่ได้รับบาดเจ็บทางสมอง จากที่มีผู้ป่วยอุบัติเหตุและได้รับบาดเจ็บทางสมองค่อนข้างมาก และได้รับทุนต่อเนื่องระยะที่ 2 (2567-2570) การพัฒนาและให้บริการซอฟต์แวร์ปัญญาประดิษฐ์สำหรับช่วยวินิจฉัยผู้ป่วยที่ได้รับบาดเจ็บทางสมอง เพื่อพัฒนาซอฟต์แวร์ให้ได้รับมาตรฐาน ISO13485 และ IEC 62304:2006 เพราะเชื่อว่าจะขยายออกไปทั่วโลกได้
แม้จะมองว่า AI เป็นสิ่งสำคัญ แต่การจะ Implement AI ที่พัฒนาขึ้น ต้องคำนึงถึงและพูดคุยทำความเข้าใจกับผู้มีส่วนได้ส่วนเสียอย่างรอบด้าน ได้แก่ ผู้ป่วย ผู้เชี่ยวชาญด้านการดูแลสุชภาพ นักวิจัยและสถาบันการศึกษา หน่วยงานด้านสุขภาพ นักพัฒนาAI และบริษัทเทค หน่วยงานกำกับดูแลและรัฐบาล บริษัทผู้ผลิตยาและไบโอเทค บริษัทประกัน ผู้เชี่ยวชาญด้านกฎหมายและจริยธรรม กลุ่มสาธารณะและผู้มีสิทธิมีเสียง ตลอดจนต้องคำนึงถึงจริยธรรมในการนำ AI มาใช้
ข่าวอื่น ๆ ที่น่าสนใจ
บราเดอร์ไม่หวั่นทุกสถานการณ์ ตั้งเป้าปี 2568 โต 7%
จาก ‘เด็กไทยไม่กินหวาน’ สู่ ‘ป้ายกำกับจำนวนแคลอรี่’ ตัวช่วยคนปกติและผู้ป่วยคำนวณปริมาณการบริโภค
