AI health care คืออะไร มีอะไรน่าสนใจบ้างในปี 2025

ปัญญาประดิษฐ์ หรือ AI (Artificial Intelligence) ได้รับความสนใจอย่างมากในปัจจุบัน และการนำเทคโนโลยี AI มาใช้ในประเทศไทย ก็เริ่มมีอย่างแพร่หลายมากขึ้นในทุกวงการ ทั้งนำไปใช้ในการทำงาน หรือชีวิตประจำวัน คนที่ใช้จนคุ้นเคยอาจจะบอกว่า AI เข้ามาทำให้การใช้ชีวิตเป็นเรื่องง่ายยิ่งขึ้น และในแต่ละอุตสาหกรรมก็นำ AI มาบูรณาการ เพื่อเพิ่มผลผลิตและประสิทธิภาพในกระบวนการทำงานที่แตกต่างกันไป ในวงการสุขภาพก็เช่นกัน AI เริ่มเข้ามามีบทบทบาทมากขึ้นเรื่อยๆ มีประโยชน์ในหลายด้านสามารถ นำมาพัฒนาต่อยอด เพื่อช่วยอำนวยความสะดวกได้ทั้งระบบบริการสุขภาพ  ในบทความนี้จะพาคุณมาอัพเดตเทรนด์และอนาคตของ AI ในวงการสุขภาพ หากเริ่มนำมาเข้ามาใช้จริงกันแล้วจะมีประโยชน์ มีความสำคัญอย่างไรบ้าง

ชวนมาดูบทบาทความสำคัญของ เทคโนโลยีปัญญาประดิษฐ์ (AI) กับวงการสุขภาพ ทั่วโลก จากการสำรวจของของ zs.com ได้สอบถามบุคลากรทางการแพทย์ จำนวน 1,055 คน ในหลายประเทศ “คุณคิดว่าเทคโนโลยีปัญญาประดิษฐ์ (AI) จะมีบทบาทสำคัญอย่างไร ที่จะสามารถช่วยเพิ่มคุณภาพของบริการด้านสุขภาพกับคนไข้ของคุณ (เลือกมา  3 อันดับแรก)”  บุคลากรจากสหรัฐอเมริกา สหราชอาณาจักร และเยอรมนี ได้ตอบ 3 อันดับใกล้เคียงกันคือ ช่วยจัดการเวลาที่ใช้ไปกับงานด้านเอกสาร  ช่วยส่งเสริมการให้ความรู้กับคนไข้ได้ดียิ่งขึ้น และทำให้กระบวนการวินิจฉัยเร็วขึ้น   บุคลากรทางการแพทย์ในประเทศอื่นๆ อย่างสวีเดน จีน และญี่ปุ่น มีความเห็นแตกต่างเล็กน้อย  คือ สามารถช่วยลดค่าใช้จ่ายสำหรับผู้ให้บริการด้านสุขภาพ และช่วยประเมินความเสี่ยงของโรคและช่วยแนะนำการป้องกันโรคล่วงหน้าให้กับคนไข้ (ที่มา https://www.zs.com/content/dam/pdfs/2024-ZS-Future-of-Health-Report.pdf )

AI Healthcare หรือปัญญาประดิษฐ์ในวงการสุขภาพ คืออะไร

AI for Healthcare หมายถึงการนำเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence) มาบูรณาการเพื่อให้เกิดประโยชน์ในวงการสุขภาพและการแพทย์ หรือพัฒนานวัตกรรมมาช่วยแก้ปัญหาต่างๆ ที่ต้องการ อย่างเช่น เพื่อเป็นผู้ช่วยแพทย์ ในการช่วยวินิจฉัยโรคและการรักษาผู้ป่วย ให้แพทย์สามารถวินิจฉัยได้เร็วขึ้น หรือแม่นยำมากยิ่งขึ้น หรือช่วยในการจัดการทรัพยากรทางการแพทย์ นำมาพัฒนา ระบบอัตโนมัติ เพื่อช่วยเพิ่มความรวดเร็วในการทำงาน ลดข้อผิดพลาดที่เกิดจากมนุษย์  ลดภาระงานของบุคลากร และเพิ่มความแม่นยำในการบันทึกข้อมูล ให้บุคลากรสามารถนำเวลาที่มีคุณค่า ไปเน้นที่การให้บริการดูแลรักษาคนไข้ เพื่อช่วยยกระดับระบบบริการสุขภาพให้ดีขึ้น เป็นต้น  ที่มา

AI ที่ใช้ในวงการสุขภาพ ไม่ได้มีเพียงเทคโนโลยีเดียว แต่เป็นการรวมเทคโนโลยีหลายประเภท ซึ่งแต่ละประเภทมีความแตกต่างกันไป อย่างเช่น

Deep Learning เป็นรูปแบบของปัญญาประดิษฐ์ (AI) ได้ช่วยพัฒนาเทคโนโลยีด้านการดูแลสุขภาพอย่างก้าวกระโดด โดยสามารถวิเคราะห์ข้อมูลทางการแพทย์ที่ซับซ้อนและเพิ่มประสิทธิภาพในการดูแลคนไข้ในหลายด้าน ตัวอย่างเช่น การวิเคราะห์ภาพถ่ายทางการแพทย์และการวินิจฉัยโรค การค้นคว้าเพื่อพัฒนายาใหม่ ๆ การวางแผนการรักษาเฉพาะบุคคลโดยวิเคราะห์ข้อมูลผู้ป่วยรายบุคคล เช่น ข้อมูลทางพันธุกรรมและประวัติทางการแพทย์  การคาดการณ์และทำนายโรคเพื่อการติดตามผู้ป่วย โดยติดตามข้อมูลผู้ป่วยแบบเรียลไทม์จากระบบเวชระเบียนอิเล็กทรอนิกส์ (EHRs) และอุปกรณ์สวมใส่ ที่มา

Natural Language Processing (NLP) การประมวลผลภาษาธรรมชาติ NLP เป็นปัญญาประดิษฐ์ที่ช่วยให้คอมพิวเตอร์สามารถเข้าใจและใช้ภาษาของมนุษย์ได้ อีกทั้งยังสามารถที่จะประเมินและเข้าใจถึงเจตนาและความรู้สึกของผู้เขียน หรือผู้พูดได้ เพื่อที่จะสามารถพูดคุย และโต้ตอบสร้างปฏิสัมพันธ์ได้เหมือนกับที่มนุษย์ทำนั่นเอง โดยสามารถพบเจอได้ในประสบการณ์ในการใช้งาน chatbot หรือผู้ช่วยเสมือนต่างๆ ไม่ว่าจะเป็น Siri หรือ Alexa ต่างๆ เครื่องมือเหล่านี้ล้วนแต่มีเทคโนโลยี NLP ในการเป็นผู้อยู่เบื้องหลัง NLP ทางด้านการแพทย์และสุขภาพ จะช่วยให้ข้อมูลด้านสุขภาพที่ถูกต้อง ช่วยปรับปรุงความพึงพอใจของผู้รับบริการ และให้บริการที่เฉพาะเจาะจงและเหมาะสมกับแต่ละบุคคลมากขึ้น ที่มา

Automation หรือ ระบบอัตโนมัติ คือ การใช้ AI ในโปรแกรมคอมพิวเตอร์ เพื่อช่วยทำงานด้านการบริหารจัดการ Workflows ทางคลินิก และช่วยให้ระบบต่าง ๆ เป็นแบบอัตโนมัติ มีสถานพยาบาลหลายแห่งใช้ระบบอัตโนมัติ เพื่อปรับปรุงประสบการณ์ของคนไข้ และช่วยการทำงานที่เป็นกิจวัตรของสถานพยาบาล ที่มา

Rule-based Expert Systems คือการรวบรวมกฎเกณฑ์ ‘ถ้า-แล้ว’ (if-then rules) เคยเป็นเทคโนโลยีที่แพร่หลายในด้าน AI ด้านสุขภาพในยุค 80s และยังคงถูกใช้อย่างกว้างขวางจนถึงปัจจุบัน เพื่อพัฒนาระบบผู้ช่วยแพทย์ หรือ Clinical Decision Support System (CDSS) ถูกใช้งานมากกว่า 40% ของ โรงพยาบาลในสหรัฐอเมริกา และยังเชื่อมต่อกับระบบเวชระเบียน (EHR/ HIS) การทำงานของระบบ CDSS นั้น มีหลากหลายมาก รวมไปถึงการทำงานปกติอย่าง การตรวจจับ แจ้งเตือน ช่วยวินิจฉันโรคจากประวัติ แนะนำการสั่งการรักษา รวมไปถึงตรวจจับผลข้างเคียงจากยา และอื่นๆ ที่มา

อัพเดตเทรนล่าสุดของ AI healthcare ในปี 2025

AI ช่วยในการวินิจฉัยโรค

• Convolutional Neural Network หรือ CNN เป็น AI วินิจฉัยโรคมะเร็งผิวหนัง โดยทีมวิจัยจาก University of Heidelberg เยอรมนี ระบุว่า CNN มีความผิดพลาดในการวิเคราะห์ภาพรอยโรคแค่เพียงเล็กน้อยเท่านั้น ซึ่งจะสามารถลดช่วยการผ่าตัดที่ไม่จำเป็นในผู้ป่วยมะเร็งแต่ละเคสมากขึ้น จากการทดสอบโดยใช้ข้อมูลจากภาพถ่ายรอยโรคผิวหนังจำนวน 100,000 ภาพ CNN สามารถแยกแยะรอยโรคที่เป็นมะเร็งผิวหนังชนิดเมลาโนม่าและโรคผิวหนังอื่นๆ กับผิวหนังปกติได้แม่นยำถึง 95% ในขณะที่แพทย์ผิวหนังวินิจฉัยได้แม่นยำเพียง 86.6%
  

ในประเทศไทยเองก็มีการพัฒนา AI ลักษณะนี้เช่นเดียวกัน เป็นแอปพลิเคชัน ชื่อ Cutis.AI   (คิวทิสดอทเอไอ) ผลงานการวิจัยและพัฒนาของมหาวิทยาลัยธรรมศาสตร์ร่วมกับบริษัท เซอร์ทิส จำกัด (Sertis)   Cutis.AI ใช้งานร่วมกับกล้องเดอมาโทสโคป (dermatoscope) เพื่อตรวจคัดกรองมะเร็งผิวหนังเบื้องต้น ด้วยประสิทธิภาพการทำงานของเทคโนโลยี Deep Learning ทำให้ Cutis.AI สามารถแยกแยะรอยโรคผิวหนังได้อย่างแม่นยำถึง 95 % โดยสามารถแจ้งค่าความเสี่ยงในการเกิดโรคมะเร็งผิวหนังชนิดเมลาโนม่า รวมถึงความผิดปกติของผิวหนังอื่นๆได้ ( ที่มา sertiscorp.com )

• LYNA Google ได้พัฒนาอัลกอริทึม “LYNA” (Lymph Node Assistant) ซึ่งเป็น AI ที่สามารถวิเคราะห์ผลการตรวจชิ้นเนื้อต่อมน้ำเหลืองและวินิจฉัยมะเร็งระยะลุกลามได้อย่างมีประสิทธิภาพ โดยสามารถวิเคราะห์โรคมะเร็งต่อมน้ำเหลืองได้แม่นยำถึง 99% ที่มา

• AI วินิจฉัยโรคปอด จากการวิจัยของ European Respiratory Society International Congress ได้มีการศึกษาโดยการสร้างอัลกอริทึมเพื่อช่วยให้ AI สามารถวิเคราะห์การทดสอบการทำงานของปอดที่อาจจะตรวจพบได้ยาก โดยได้ทำการศึกษาร่วมกับแพทย์ระบบทางเดินหายใจ 120 คนจากโรงพยาบาล 16 แห่ง และใช้ประวัติผู้ป่วยเดิมจำนวน 1,430 ราย จากโรงพยาบาลในประเทศเบลเยียม 33 แห่งเป็นข้อมูลพื้นฐาน ผลการศึกษาพบว่า AI สามารถวินิจฉัยได้อย่างแม่นยำมากถึง 2 เท่า ซึ่งทำให้เห็นว่าการวิเคราะห์ของ AI สามารถนำไปแปลผลและใช้งานเป็นความเห็นที่สองทางการแพทย์ได้อย่างมีนัยสำคัญ

• CHARM วินิจฉัยโรคมะเร็งสมอง Harvard Medical School ได้พัฒนา “CHARM” โดยการใช้ตัวอย่างเนื้องอกในสมอง 2,334 ตัวอย่างจากผู้ป่วยมะเร็งสมอง 1,524 รายจากกลุ่มผู้ป่วย 3 กลุ่มที่แตกต่างกัน เมื่อทดสอบกับตัวอย่างสมองที่ไม่เคยพบเห็นมาก่อน CHARM สามารถแยกแยะเนื้องอกที่มีการกลายพันธุ์ในระดับโมเลกุลเฉพาะ มีความแม่นยำถึง 93% และสามารถจำแนกมะเร็งสมอง 3 ประเภทหลัก ที่มีลักษณะโมเลกุลที่แตกต่างกัน ซึ่งมีการทำนายโรคที่แตกต่างกัน และการตอบสนองต่อการรักษาที่แตกต่างกันได้สำเร็จ ที่มา
  

AI ช่วยในการผ่าตัด

• OR Black Box เป็น AI ที่ช่วยในการผ่าตัด เป็นตัวช่วยให้ศัลยแพทย์ผ่าตัดได้ปลอดภัย ราบรื่นยิ่งขึ้น สามารถจำลองผลลัพธ์ต่างๆในการผ่าตัดอย่างเช่น เช่น ปริมาณเลือดที่เสียไป หรือช่วงสำคัญของกระบวนการผ่าตัด (การแยกเนื้อเยื่อ การผ่าตัด และการปิดแผล) โดยการเก็บข้อมูลจากการบันทึกและประมวลผลมากกว่า 500,000 จุดต่อวันต่อห้องผ่าตัด สามารถช่วยลดการทำงานแมนนวลของแพทย์ได้ถึง 90% ที่มา
  

AI ช่วยอำนวยความสะดวกในการรักษา

• DAX Copilot  จาก Microsoft เป็น AI ผู้ช่วยเจ้าหน้าที่ทางการแพทย์สามารถบันทึกข้อมูลการเข้ารักษา และข้อมูลทางคลินิกอัตโนมัติ  หลังจากการเข้าพบแพทย์ของคนไข้ โดย DAX Copilot นี้จะใช้ AI ในการแปลงและบันทึกบทสนทนาระหว่างแพทย์และคนไข้ ให้เป็นบันทึกสรุปเอกสารทางคลินิก สามารถลดเวลาที่ใช้ในการบันทึกเอกสารของแพทย์ได้สูงสุดถึง 50% และยังสามารถช่วยให้การทำงานอื่นๆของเจ้าหน้าที่ทางการแพทย์เป็นอัตโนมัติ อย่างเช่น  การทำเอกสารส่งตัวผู้ป่วยอัตโนมัติ และยังรวมข้อมูลเข้ากับ EHR (ระบบบันทึกสุขภาพอิเล็กทรอนิกส์) การใช้ DAX Copilot ทำให้คนไข้ 93% มองว่าแพทย์มีการพูดคุยและให้ความสำคัญในการสนทนาได้ดีขึ้น ในส่วนของแพทย์ 77% บอกว่าช่วยปรับปรุงคุณภาพของเอกสาร และ 70% บอกว่าช่วย work‑life balance และลดความรู้สึก burnout ในการทำงานของแพทย์ ทั้งยังสามารถช่วยประหยัดเวลาของแพทย์ได้เฉลี่ย 5 นาทีต่อเคส ที่มา
  

• VitalCare เป็น AI พัฒนาโดยบริษัท AITRICS ของเกาหลีใต้ สามารถช่วยทำนายการทรุดตัวของผู้ป่วยในโรงพยาบาล ช่วยให้บุคลากรทางการแพทย์สามารถตัดสินใจให้การรักษาได้อย่างทันท่วงที  โดยใช้การวิเคราะห์เชิงคาดการณ์จากข้อมูล EMR (บันทึกทางการแพทย์อิเล็กทรอนิกส์) เพื่อประเมินโอกาสที่จะเกิดเหตุการณ์ร้ายแรง เช่น การเสียชีวิต การส่งต่อไป ICU  ภาวะหัวใจหยุดเต้น และภาวะติดเชื้อในกระแสเลือด VitalCare สามารถคาดการณ์ภาวะติดเชื้อในกระแสเลือด (Sepsis) ภายใน 4 ชั่วโมง และ เหตุการณ์ที่ผู้ป่วยมีโอกาสทรุดตัว เช่น การเสียชีวิตหรือการส่งต่อไป ICU ภายใน 6 ชั่วโมง ที่มา

• Gukiza แอปพลิเคชัน จากบริษัท Hurone AI ได้นำ AI มาช่วยดูแลผู้ป่วยโรคมะเร็งทั่วโลก โดยทำให้การดูแลรักษาโรคมะเร็งมีความเฉพาะบุคคลและแม่นยำขึ้น เทคโนโลยีหลักที่ใช้คือ ระบบคาดการณ์โรคด้วย AI และโมเดลภาษาขนาดใหญ่ หรือ LLM ที่พัฒนาบนคลาวด์ของ Amazon Web Services (AWS) สามารถเข้าถึงได้สำหรับทุกคน ไม่ว่าจะอยู่ที่ใดก็ตาม Gukiza ช่วยให้แพทย์และคนไข้สามารถสื่อสารกัน และติดตามอาการและผลข้างเคียงได้อย่างมีประสิทธิภาพผ่านข้อความอัตโนมัติ ทำให้แพทย์สามารถปรับแผนการรักษาเฉพาะบุคคลได้อย่างรวดเร็ว ตามข้อมูลที่ได้รับจากคนไข้   การร่วมมือของ Hurone AI และ AWS ได้ขยายการดูแลผู้ป่วยโรคมะเร็งในประเทศที่มีทรัพยากรจำกัดอย่างในแอฟริกา เช่น รวันดา ไนจีเรีย และเคนยา ผลการทดสอบแบบเบต้า พบว่าช่วยลดเวลาที่แพทย์ใช้ในการรักษาแบบเฉพาะทางได้ถึง 75% นับเป็นการเพิ่มประสิทธิภาพที่อาจช่วยชีวิตของคนไข้ในพื้นที่ที่มีทรัพยากรจำกัด  ที่มา

• Dot™ AI ผู้ช่วยสุขภาพเสมือน (virtual health assistant) จาก Healthily ที่ให้ข้อมูลทางการแพทย์ที่ ได้รับการยืนยันเพื่อช่วยตอบข้อสงสัยด้านสุขภาพของคนไข้แล้วผู้ใช้งาน ช่วยแนะนำการรักษาที่เหมาะสมกับคนไข้ เช่น ลดการนัดหมายที่ไม่จำเป็นในการพบแพทย์ สามารถหายได้เองด้วยการดูแลตัวเอง ซึ่งเป็นเฉลี่ยเป็น 30% ของการนัดหมายทั้งหมด  ลดการนัดหมายที่ไม่ตรงกับอาการ หรือ คนไข้ที่ทำนัดหมายหมอเฉพาะทางผิดสาขา  ลดการนัดหมายซ้ำซ้อน เช่น คนไข้นัดหมายแบบออนไลน์ แต่ความจริงแล้วควรเข้าพบแพทย์ที่โรงพยาบาล Dot™ AI จะสามารถลดการนัดหมายแพทย์แบบซ้ำซ้อนนี้ลง

Patient management system (PMS) คือ ระบบที่นำ AI มาช่วยบริหารจัดการคนไข้ในโรงพยาบาล พัฒนาโดย Agnos health บริษัท AI สตาร์ทอัพของไทย จุดเด่นของระบบ PMS คือ AI แนะนำลำดับการตรวจ (AI next exam recommendation) ซึ่งเป็นตัวช่วยส่งต่อการตรวจให้กับเจ้าหน้าที่ โดยระบบ AI เสมือนผู้ช่วย (Co-pilot) จะมีการประมวลผลจากรายการตรวจของคนไข้แต่ละคน เวลาการรอคอยของแต่ละรายการ  เวลานัดหมาย และลำดับความสำคัญทางคลินิก เพื่อแนะนำลำดับการตรวจของคนไข้ให้เหมาะสม เกิดการกระจายตัวของคนไข้ให้ได้มากที่สุด เพื่อลดระยะเวลาการรอคอยของคนไข้ และมีระบบการจัดการภาพรวมของคนไข้ (Manage overall patient flow) ทำให้เจ้าหน้าที่พยาบาลสามารถคอยดูแลภาพรวมคิวของคนไข้ทั้งแผนกหรือทั้งระบบ ให้คนไข้ไม่ล้น จนต้องรอคิวตรวจนานเกินไป โดยสามารถดูระยะเวลารอคอยของแต่ละรายการตรวจได้ และ สามารถโยกคนไข้ ไปตรวจรายการอื่นได้ทันที หากระยะเวลารอคอยมากเกินไป โดย สามารถลดเวลาการรอคอยของคนไข้ได้ถึง 59%  ได้รับความพึงพอใจของคนไข้เพิ่มขึ้น 52% และเพิ่มอัตราการใช้ทรัพยากรด้านการแพทย์ (Utilization rate) ได้ถึง 15%

อุปสรรคของการนำ AI มาใช้ใน healthcare

เทคโนโลยี AI แม้เราจะมองว่าเข้ามาช่วยอำนวยความสะดวก และช่วยทำงานดีแค่ไหน แต่อย่างไรก็ตาม ยังมีอีกหลายมุมมองที่มีการกล่าวถึงข้อควรระวังบางอย่าง ได้แก่ ปัญหาด้านจริยธรรมและความเป็นส่วนตัวของข้อมูล ,ความท้าทายในการปรับตัวเพื่อทำงานร่วมกับ AI  และปัญหาด้านความน่าเชื่อถือและความไว้วางใจในการใช้ AI กับวงการสุขภาพ ก็ยังคงมีอยู่  

จากรายงานของ World Economic Forum กล่าวว่า อุปสรรคใหญ่ที่สุดในนำ Generative AI มาใช้งานกับคนไข้ในวงการสุขภาพ คือ ความไม่ไว้วางใจของแพทย์และประชาชน  ข้อบกพร่องในฐานข้อมูล และความสามารถในการขยายการใช้งาน AI ไปในทบริเวณที่ขาดแคลนทรัพยากรทางการแพทย์

จากการสำรวจของรายงาน 2024 ZS Future of Health โดย zs.com พบว่าผู้ให้บริการด้านการแพทย์หลายคนไม่ไว้วางใจ AI ยกเว้นในประเทศจีนที่มีการยอมรับ AI สูงกว่าที่อื่น  อย่างไรก็ตาม ผลการสำรวจพบว่า ความคุ้นเคยกับการใช้งาน AI มีความสอดคล้องกับการยอมรับ AI เช่น 58% ของผู้ตอบแบบสำรวจในสหรัฐฯ ที่คุ้นเคยกับ AI เชื่อว่า AI สามารถส่งเสริมประสิทธิภาพในด้าน Healthcare เทียบกับเพียง 18% ของผู้ที่ไม่คุ้นเคยกับ AI  นอกจากนั้น ผู้สำรวจรายงานนี้มองว่า  มีอยู่ 3 องค์ประกอบ ที่จะทำให้ AI สามารถสร้างความไว้วางใจจากแพทย์ได้ ได้แก่

1. Usable, representative data เป็นข้อมูลที่ใช้งานได้จริง หรือข้อมูลที่เป็นตัวแทนของกลุ่มประชากรอย่างครอบคลุมและถูกต้อง ต้องมีความปลอดภัยของข้อมูล ความเป็นส่วนตัวของผู้ป่วย และสามารถแลกเปลี่ยนข้อมูลระหว่างกันได้ (Interoperability)
2. Trustworthy design การออกแบบมาอย่างน่าเชื่อถือ  คือ ไม่มี bias มีความโปร่งใส มีความชัดเจนว่า AI สามารถทำอะไรได้หรือทำอะไรไม่ได้บ้าง และต้องมีความเชี่ยวชาญ ให้ประโยชน์มากกว่าความเสี่ยง ความผิดพลาด
3. Seamless, scalable application สามารถเชื่อมต่อได้อย่างไร้รอยต่อ และนำไปประยุกต์ใช้งานได้ เพื่อต้องรวมเข้ากับกระบวนการทำงานที่แพทย์ใช้อยู่แล้ว และควรออกมาเพื่อให้มนุษย์ทำงานง่ายขึ้น ที่มา
   

เนื่องจากเทคโนโลยี AI มีลักษณะพิเศษที่แตกต่างจากเทคโนโลยีดิจิทัลที่ทุกคนเคยใช้กันมา เพื่อให้การใช้งานเกิดประสิทธิภาพ โดยไม่เกิดผลกระทบกับผู้ใช้งาน  จึงจำเป็นต้องมีแนวปฏิบัติเพื่อเป็นกรอบทิศทางของการประยุกต์ใช้งาน AI ได้อย่างเหมาะสม ตามหลักจริยธรรมและธรรมาภิบาล  สำหรับในประเทศไทย ได้มี “โครงการ AI Thailand หรือ แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 - 2570)” ที่จะเข้ามาเป็นกรอบการทำงานเพื่อส่งเสริม ขับเคลื่อนให้ประเทศเกิดการประยุกต์ใช้ AI อย่างมีประสิทธิภาพ สู่การยกระดับเศรษฐกิจดิจิทัลและคุณภาพชีวิตของคนไทยในทุกๆด้าน รวมถึงด้านสุขภาพอีกด้วย ที่มา

ในงานประชุมด้านนวัตกรรมสุขภาพ  HLTH USA 2024  ในเดือนตุลาคม 2024 ที่ผ่านมา ได้มีการเน้นย้ำถึง AI กับบทบาทสำคัญในอนาคตของ Healthcare ว่า AI ไม่ใช่ “เวทมนตร์” ที่สามารถเสกให้แก้ไขปัญหาทั้งหมดของระบบ Healthcare ได้ ต้องมีการประสานงานอย่างเป็นระบบ กำหนดเจตจำนงและความร่วมมือ และควรได้รับการสนับสนุนจากผู้นำ เพื่อให้นำ AI มาบูรณาการและช่วยสร้างการเปลี่ยนแปลงที่แท้จริงและพัฒนาสู่วงกว้างในระบบสุขภาพต่อไป ที่มา

สำหรับองค์กรที่ต้องการนำ AI เข้าไปใช้ในกระบวนการด้านสุขภาพ สามารถติดต่อสอบถามบริการของเรา หรือรับคำปรึกษาเบื้องต้น ได้ที่ https://forms.clickup.com/3793803/f/3krwb-4182/OE588HQ19NXUB4QAV3 หรือ sales@agnoshealth.com