13) Click&Go with Technology - How Should We Teach Health Systems Science in the Age of Artificial Intelligence

          วิทยาศาสตร์ระบบสุขภาพ (Health Systems Science: HSS) ถือว่าเป็นองค์ประกอบสำคัญของแพทยศาสตรศึกษา ซึ่งควบคู่ไปกับวิทยาศาสตร์พื้นฐานและวิทยาศาสตร์คลินิก วิทยาศาสตร์ระบบสุขภาพมุ่งเน้นการสร้างความเข้าใจในมุมมองเชิงระบบ การทำงานเป็นทีม ภาวะผู้นำ นโยบายสาธารณสุข สารสนเทศทางการแพทย์ และปัจจัยทางสังคม ซึ่งทั้งหมดนี้มีเป้าหมายเพื่อให้นักศึกษาแพทย์และบุคลากรทางวิทยาศาสตร์สุขภาพในอนาคตไม่เพียงแต่สามารถดูแลรักษาผู้ป่วยได้อย่างมีประสิทธิภาพ แต่ยังสามารถพัฒนาปรับปรุงระบบสุขภาพที่ตนปฏิบัติงานอยู่ได้ด้วย

          ในขณะเดียวกัน โรงเรียนแพทย์และการศึกษาวิทยาศาสตร์สุขภาพก็กำลังเผชิญการเปลี่ยนแปลงครั้งใหญ่จากการเกิดขึ้นของปัญญาประดิษฐ์ (Artificial Intelligence: AI) AI ไม่ได้เป็นเพียงเทคโนโลยีเสริม แต่ได้เข้ามามีบทบาทโดยตรงในการตัดสินใจทางคลินิก การกำหนดนโยบายสุขภาพ ตลอดจนการเรียนการสอนเอง สำหรับการศึกษาในสายวิทยาศาสตร์สุขภาพ ผู้เขียนจึงเล็งเห็นความสำคัญของจุดตัดระหว่างวิทยาศาสตร์ระบบสุขภาพ และ AI ว่ามีความสำคัญอย่างยิ่ง

          ด้วยความที่วิทยาศาสตร์ระบบสุขภาพมีขอบเขตที่ครอบคลุมกว้าง ผู้เขียนจึงตั้งใจนำเสนอประเด็นหลักสามด้านที่ AI มีความเชื่อมโยงกับวิทยาศาสตร์ระบบสุขภาพ และจะส่งผลกระทบโดยตรงต่อการศึกษาแพทยศาสตร์ในอนาคตอันใกล้ ได้แก่ 1) การตัดสินใจทางคลินิก (Clinical decision making) 2) การกำหนดนโยบายสุขภาพ (Health Policymaking) และ 3) การสอนวิทยาศาสตร์ระบบสุขภาพโดยใช้ AI

          โดยทั่วไป การตัดสินใจทางคลินิกพึ่งพาความเชี่ยวชาญของแพทย์ ประวัติผู้ป่วย และแนวทางปฏิบัติที่อิงหลักฐาน  ในปัจจุบัน AI กำลังปรับเปลี่ยนกระบวนการนี้โดยใช้การวิเคราะห์เชิงคาดการณ์ การจำแนกความเสี่ยงแบบ Real - time โดยวิเคราะห์ข้อมูลอย่างแม่นยำผ่านระบบการเรียนรู้ของปัญญาประดิษฐ์ที่เรียนรู้กับองค์ความรู้ทั้งหมดในอินเตอร์เน็ตที่เข้าถึงได้ ไม่ว่าจะเป็นเวชระเบียนอิเล็กทรอนิกส์ ภาพถ่ายทางการแพทย์ หรือข้อมูลจีโนม สิ่งเหล่านี้ก็ต้องยอมรับว่า AI นั้นทำได้เกินขีดความสามารถของมนุษย์ ตัวอย่างเช่น AI จะสามารถตรวจจับความผิดปกติเล็กน้อยในภาพรังสี หรือระบุผู้ป่วยที่มีความเสี่ยงสูงก่อนเกิดภาวะแทรกซ้อนโดยใช้ model การคาดการณ์ที่ซับซ้อนและมีประสิทธิภาพ สิ่งเหล่านี้จะเพิ่มความแม่นยำและประสิทธิภาพ และทำให้บทบาทของแพทย์เปลี่ยนไป จากผู้ตัดสินใจหลักมาเป็นผู้ตีความและผู้ตัดสินเชิงจริยธรรมของผลลัพธ์ที่ได้จาก AI ในการศึกษาแพทยศาสตร์จึงต้องฝึกอบรมนักศึกษาให้มีทั้งทักษะการใช้เหตุผลทางคลินิกและความรู้เท่าทันอัลกอริทึม เข้าใจกลไก ข้อจำกัด และอคติที่อาจเกิดขึ้นของระบบ AI 

ภาพที่ 1 : หน้าเว็บไซต์ glass.health พร้อม function ต่างๆ

          นอกเหนือจากระดับคลินิก AI เริ่มมีบทบาทในการกำหนดนโยบายและการบริหารจัดการระบบสุขภาพ การสร้างแบบจำลองเชิงคาดการณ์ช่วยให้ผู้กำหนดนโยบายประเมินภาระโรค จัดสรรทรัพยากรได้อย่างมีประสิทธิภาพ และออกแบบมาตรการเฉพาะกลุ่มที่มีความเปราะบาง การประมวลผลภาษาธรรมชาติ (Natural language processing) สามารถวิเคราะห์เอกสารนโยบาย งานวิจัย หรือแม้แต่การสื่อสารบนสื่อสังคมออนไลน์เพื่อค้นหาประเด็นสุขภาพที่กำลังเกิดขึ้น

          ตัวอย่างที่เห็นได้ชัดคือ BlueDot แพลตฟอร์ม AI ที่ก่อตั้งขึ้นในแคนาดา ซึ่งได้รับการยอมรับจากการคาดการณ์การแพร่ระบาดของ COVID-19 ได้เร็วกว่าการประกาศขององค์การอนามัยโลก (WHO) หลายวัน ^[1] BlueDot ใช้อัลกอริทึมวิเคราะห์ข้อมูลจำนวนมหาศาลจากหลายแหล่ง ไม่ว่าจะเป็นตารางเที่ยวบินระหว่างประเทศ ข่าวสารออนไลน์ รายงานผู้ป่วยในท้องถิ่น และฐานข้อมูลทางระบาดวิทยา จากนั้นระบบจะประเมินความเสี่ยงของการแพร่ระบาดและคาดการณ์เส้นทางการเคลื่อนที่ของโรค ข้อมูลเชิงลึกเหล่านี้สามารถนำไปใช้โดยผู้กำหนดนโยบายสาธารณสุขในการตัดสินใจเชิงรุก เช่น การจัดสรรบุคลากรและเวชภัณฑ์ การเตรียมระบบบริการสุขภาพ และการสื่อสารความเสี่ยงกับประชาชน

          กรณี BlueDot แสดงให้เห็นว่า AI ไม่ได้เป็นเพียงเครื่องมือวิเคราะห์ข้อมูล แต่ยังสามารถเป็น ระบบเตือนภัยล่วงหน้า (early warning system) ที่ช่วยให้หลายประเทศและองค์กรระหว่างประเทศมีข้อมูลที่ทันเวลาและแม่นยำสำหรับการออกแบบนโยบายสาธารณสุขเชิงป้องกัน อย่างไรก็ตาม สิ่งนี้ก็มาพร้อมความท้าทายด้านความโปร่งใส ความถูกต้องของข้อมูลต้นทาง และการนำข้อมูลไปใช้โดยไม่สร้างความเหลื่อมล้ำเพิ่มเติม ซึ่งเป็นประเด็นสำคัญที่บุคลากรการแพทย์และวิทยาศาสตร์สุขภาพจำเป็นต้องเข้าใจ เพื่อจะได้มีส่วนร่วมอย่างมีวิจารณญาณในการกำหนดทิศทางนโยบายที่ขับเคลื่อนด้วย AI

          ในบริบทของการศึกษาแพทยศาสตร์และการศึกษาวิทยาศาสตร์สุขภาพ บทบาทของผู้สอนจะไม่ใช่เพียงการถ่ายทอดความรู้เกี่ยวกับระบบสุขภาพเท่านั้น แต่ยังต้องเตรียมผู้เรียนให้มี AI literacy หรือความรอบรู้ด้านปัญญาประดิษฐ์ ซึ่งครอบคลุมทั้งการเข้าใจกลไกพื้นฐาน ข้อจำกัด อคติที่อาจเกิดขึ้น และผลกระทบทางจริยธรรมของการใช้ AI ในระบบสุขภาพ การฝึกให้นักศึกษาตั้งคำถามต่อผลลัพธ์ที่ได้จาก AI และเรียนรู้ที่จะใช้ AI เป็นเครื่องมือสนับสนุนการตัดสินใจ ไม่ใช่แทนที่ Clinical judgement ถือเป็นทักษะสำคัญของผู้ประกอบวิชาชีพในอนาคต

          นอกจากนี้ ผู้สอนควรช่วยให้นักศึกษาเห็นถึง การเปลี่ยนแปลงบทบาทในยุค AI แพทย์และบุคลากรทางวิทยาศาสตร์สุขภาพจะไม่ได้เป็นเพียงผู้ตัดสินใจหรือผู้ให้ข้อมูลแก่ผู้ป่วยเท่านั้น แต่จะกลายเป็นผู้ตีความของผลลัพธ์ที่ AI สร้างขึ้น และเป็น Ethical gatekeeper ที่ต้องตรวจสอบความถูกต้อง ความเหมาะสม และความเป็นธรรมของการใช้ AI ในระบบ การสอนวิทยาศาสตร์ระบบสุขภาพในยุคนี้จึงควรบูรณาการการอภิปรายเชิงจริยธรรม กรณีศึกษา และการสะท้อนบทบาทใหม่ของผู้ประกอบวิชาชีพ เพื่อสร้างผู้เรียนที่พร้อมจะทำงานร่วมกับเทคโนโลยี โดยยังคงยึดมั่นในคุณค่าพื้นฐานของวิชาชีพ

แนวทางการสอนที่เหมาะสม เช่น

• การเรียนผ่านกรณีศึกษา (Case-based learning): ผู้สอนสามารถยกตัวอย่างสถานการณ์ เช่น แพลตฟอร์ม AI แนะนำให้ผู้ป่วยสูงอายุที่มีหลายโรคร่วมรับการรักษาแบบ X ขณะที่แนวทางเวชปฏิบัติแนะนำแบบ Y ให้นักศึกษาอภิปรายว่าควรเลือกแนวทางใด และเหตุผลเชิงระบบหรือจริยธรรมที่อยู่เบื้องหลังการตัดสินใจนั้นคืออะไร วิธีนี้ช่วยให้ผู้เรียนตระหนักว่า AI เป็นเครื่องมือช่วยตัดสินใจ ไม่ใช่คำตอบสุดท้ายเสมอไป
• การถกเถียงเชิงจริยธรรม (Ethics debate): เช่น ตั้งคำถามให้นักศึกษาอภิปรายว่า “หาก AI แนะนำการจัดลำดับผู้ป่วยเข้ารับการรักษาในหอผู้ป่วยวิกฤต (ICU) โดยใช้คะแนน survival score เป็นเกณฑ์หลัก ควรยอมรับหรือไม่?” กิจกรรมลักษณะนี้ช่วยเปิดพื้นที่ให้ผู้เรียนได้พิจารณาทั้งมิติความเป็นธรรม ความรับผิดชอบ และบทบาทใหม่ของแพทย์ในฐานะผู้กำกับดูแลการใช้เทคโนโลยี

          AI กำลังนิยามใหม่ให้กับวิทยาศาสตร์ระบบสุขภาพในหลายระดับ ตั้งแต่การตัดสินใจทางคลินิกที่ข้างเตียงผู้ป่วย ไปจนถึงการกำหนดนโยบายระดับประชากร และห้องเรียนที่ฝึกอบรมแพทย์ในอนาคต สำหรับการศึกษาแพทยศาสตร์ ความท้าทายคือการบูรณาการ AI ให้เป็นองค์ประกอบสำคัญในการเรียนการสอน เพื่อสร้างบัณฑิตที่สามารถมีปฏิสัมพันธ์กับระบบ AI ได้อย่างมีวิจารณญาณ พร้อมยึดมั่นในคุณค่าของความเท่าเทียม ความเป็นมืออาชีพ และการดูแลที่เน้นผู้ป่วย เมื่อ AI ก้าวหน้าไปเรื่อย ๆ วิธีการสอนและการเรียนรู้ในวิทยาศาสตร์ระบบสุขภาพก็ต้องก้าวไปพร้อมกันเช่นกัน

1. Safe Software. How BlueDot’s AI warned the world of COVID-19 [Internet]. FME Blog; c2020 - [cited 2025 Aug 19]. Available from: https://fme.safe.com/fme-in-action/customers/bluedot/

ดร.ศุภกิจ บุญเอนกพัฒน์
ผู้ช่วยอาจารย์
ศูนย์ความเป็นเลิศด้านการศึกษาวิทยาศาสตร์สุขภาพ (SHEE)
คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล
email : This email address is being protected from spambots. You need JavaScript enabled to view it.