ปัญญาประดิษฐ์ (AI) ในตลาดการดูแลสุขภาพทั่วโลก มีรายได้เกิน 4.2 พันล้านดอลลาร์ในปี พ.ศ. 2563 และคาดว่าจะเพิ่มอัตราเติบโตเฉลี่ยสะสมต่อปี (CAGR) ได้ถึง 33.7% และในระหว่างปี พ.ศ. 2564 ถึง พ.ศ. 2570 ได้แตะระดับที่ 34.5 พันล้านดอลลาร์ในช่วงปิดงบการเงิน จากข้อมูลของ Hype Cycle for Healthcare Providers ของ Gartner เทคโนโลยีนี้ เกิดภาวะเงินเฟ้อสูงสุดเกินความคาดหมาย
การดูแลสุขภาพเป็นหนึ่งในอุตสาหกรรมที่มีแนวโน้มที่จะใช้งาน และการประยุกต์ใช้เทคโนโลยีที่ใช้ในการระบุตัวตน และเทคโนโลยีปัญญาประดิษฐ์ (AI) มากที่สุด มั่นใจได้ว่าการนำระบบวิเคราะห์วิดีโอที่ทำงานด้วยปัญญาประดิษฐ์ไปใช้ในองค์กรทางด้านการแพทย์จะสามารถช่วยทำให้วินิจฉัยโรคได้ตั้งแต่เนิ่น ๆ และช่วยลดความเสี่ยงในการเกิดโรคต่าง ๆ ได้ นอกจากนี้ Clinical Decision Support System (СDSS)สามารถช่วยวิเคราะห์ภาพทางการแพทย์ เพิ่มประสิทธิภาพแผนการรักษาให้กับแต่ละบุคคล และคาดการณ์สภาวะของผู้ป่วยตามข้อมูลที่มีอยู่ และอื่น ๆ ได้
NtechLab ได้สัมภาษณ์ผู้เชี่ยวชาญด้านการดูแลสุขภาพ และระบุถึงประโยชน์ที่เป็นไปได้มากมายต่อชุมชนทางการแพทย์โดยการจัดหาโซลูชั่นการถ่ายภาพทางการแพทย์ที่นำปัญญาประดิษฐ์ (AI) มาใช้ในอุตสาหกรรมการดูแลสุขภาพ
บทความนี้จะกล่าวถึงความท้าทายในปัจจุบันที่ขัดขวางการนำปัญญาประดิษฐ์ (AI) มาใช้ในการถ่ายภาพทางการแพทย์ในวงกว้าง ประโยชน์ของเทคโนโลยีดังกล่าว และโอกาสที่ล้ำสมัย
Signify Research ได้ประมาณการตลาดโลกของ ปัญญาประดิษฐ์ในการถ่ายภาพทางการแพทย์ เอาไว้ที่ 0.3 พันล้านดอลลาร์ ซึ่งคาดว่าจะสูงถึง 1.15 พันล้านดอลลาร์ในปี พ.ศ. 2568 โดยมีอัตราอยู่ที่ CAGR 25.6%
นักพัฒนาที่ก้าวหน้าได้เริ่มใช้ระบบอัตโนมัติที่เป็นนวัตกรรมใหม่ เช่น คอมพิวเตอร์วิทัศน์สำหรับ CDSS ภายในการวินิจฉัยในห้องปฏิบัติการต่าง ๆ โซลูชั่นการถ่ายภาพทางการแพทย์จำเป็นต้องสร้างลักษณะเฉพาะตัวที่จำเป็น และมี อุปสรรคบางประการที่ขัดขวางการยอมรับกันในวงกว้าง ในสถานพยาบาล:
พื้นที่จัดเก็บแบบกระจายอำนาจ
สถาบันทางการแพทย์มักจะจัดเก็บข้อมูลผู้ป่วยในระบบภายในของตนเอง ปัญหาคือไม่มีการจัดเก็บประวัติการรักษาทั้งหมดของผู้ป่วยทุกคนเอาไว้ที่ส่วนกลาง เราสามารถปรับปรุง และควบคุมคุณภาพของการวินิจฉัย รวมถึงคาดการณ์การเกิดโรคได้จากการวิเคราะห์ข้อมูลขนาดใหญ่ทีละรายการ และแบบผสมผสานกัน
การปฏิบัติตามกฎหมายคุ้มครองข้อมูลส่วนบุคคลของสหภาพยุโรป (GDPR)
ปัจจุบัน กฎการคุ้มครองข้อมูลทั่วไปไม่ได้อธิบายถึงความสัมพันธ์ระหว่างผู้พัฒนา และบุคลากรทางการแพทย์เอาไว้อย่างชัดเจน การขาดกลไกทางกฎหมายที่โปร่งใสทำให้การนำปัญญาประดิษฐ์ไปใช้ในการถ่ายภาพทางการแพทย์ในวงกว้างล่าช้า ปัญหาทางเทคนิคอีกประการหนึ่งคือจะใช้เวลานานในการทำให้คอมพิวเตอร์วิทัศน์ และโซลูชั่นที่ใช้ปัญญาประดิษฐ์ถูกกฎหมาย ผลิตภัณฑ์ต้องได้รับการจดทะเบียน และผ่านการทดสอบต่าง ๆ ก่อนนำไปใช้ในทางการแพทย์
ความยากลำบากในการจัดระเบียบฉันทามติของผู้เชี่ยวชาญ
ต้องใช้แพทย์มากกว่าหนึ่งคนในการฝึกอบรมโครงข่ายประสาทเทียมในขณะที่กำลังพัฒนาโซลูชั่น CDSS (Clinical Decision Support System) ผู้เชี่ยวชาญห้าคนขึ้นไปต้องตรวจสอบผลลัพธ์ก่อนที่จะสรุปผลเพื่อหลีกเลี่ยงการตีความหมายผิด และข้อผิดพลาดที่อาจมีความร้ายแรง
อนุรักษ์นิยม
เป็นเรื่องปกติที่ชุมชนทางการแพทย์ไม่เต็มใจยอมรับผลิตภัณฑ์ใหม่ ๆ สิ่งเดียวที่สามารถช่วยเอาชนะปัญหานี้ได้คือการแนะนำความสำเร็จที่มีเพิ่มขึ้นจากการใช้งานซึ่งยืนเป็นสิ่งที่สามารถยันประสิทธิภาพของโซลูชั่นที่มีนวัตกรรมใหม่ได้
อัตราข้อผิดพลาดในการวินิจฉัยโรค โดยรวมจากการปฏิบัติจริงนั้นยังไม่เป็นที่ทราบแน่นอน แต่ค่าประมาณที่อ้างอิงกันโดยทั่วไปของการวินิจฉัยที่แสดงทั้งหมดตามความคิดเห็นของผู้เชี่ยวชาญอยู่ที่ 10−15% นั้นไม่ถูกต้อง
การใช้ปัญญาประดิษฐ์ในการถ่ายภาพทางการแพทย์
การวินิจฉัยโรคทางการแพทย์ก่อนเข้ารับการรักษา
แอปพลิเคชันมือถือสำหรับการตรวจสุขภาพด้วยตนเอง การนอนหลับ และเครื่องมือติดตามสุขภาพอย่างรวดเร็วช่วยรักษาการดำเนินชีวิตให้มีสุขภาพดี โดยมีการตรวจพบค่าเบี่ยงเบนเล็กน้อย และที่สำคัญไม่ต้องจ่ายค่าใช้จ่ายเพื่อไปพบแพทย์
การวินิจฉัยโรค
CDSS สามารถช่วยปรับปรุงคุณภาพของการวินิจฉัยโรคได้จากการมุ่งเน้นไปที่ส่วนต่างๆ ของพยาธิวิทยา และการคำนวณค่าได้โดยอัตโนมัติเพื่อกำหนดการวินิจฉัย ในสถานการณ์ที่มีความสมบูรณ์แบบ อัลกอริธึมจะสามารถสร้างความคิดเห็นทางการแพทย์ที่กรอกไว้ล่วงหน้าได้จากการใช้กรณีความเจ็บป่วยต่าง ๆ ที่คล้ายคลึงกัน ในกรณีนี้ แพทย์จะอนุมัติ หรือไม่อนุมัติเอกสารส่งตัวเพื่อเข้าทำการรักษาซึ่งจะทำให้สามารถประหยัดเวลาได้
การรักษา
แพทย์จำเป็นต้องคำนวณตัวเลขสำหรับการผ่าตัดด้วยตนเองโดยไม่ต้องใช้ซอฟต์แวร์พิเศษที่มีปัญญาประดิษฐ์ ซอฟต์แวร์นี้ช่วยให้แพทย์สามารถคำนวณตัวเลขได้โดยอัตโนมัติซึ่งช่วยให้พวกเขาหลีกเลี่ยงการคำนวณตัวเลขผิดพลาด และส่งตัวผู้ป่วยไปยังแผนกศัลยกรรมได้เร็วขึ้น
สถานพยาบาลสามารถใช้การวิเคราะห์โดยใช้ปัญญาประดิษฐ์สำหรับการตรวจคัดกรอง จ่ายยา และการประเมินความเสี่ยงได้อย่างแม่นยำเพื่อช่วยให้แพทย์พิจารณาเกี่ยวกับพันธุกรรม สิ่งแวดล้อม และการดำเนินชีวิตของบุคคลเพื่อเลือกแนวทางในการรักษาที่เหมาะสมที่สุดสำหรับผู้ป่วย
การเฝ้าติดตาม
การเฝ้าตรวจสอบการปฏิบัติงานของพยาบาล และแพทย์จะสามารถช่วยรักษาตารางการเวลาของผู้ป่วยได้ การวิเคราะห์วิดีโอที่ทำงานด้วยปัญญาประดิษฐ์สามารถตรวจจับได้ว่าผู้ป่วยได้รับยาที่ถูกต้องในเวลาที่เหมาะสมหรือไม่
การคาดการณ์
การสังเกตผู้ป่วยในช่วงหลังการฟื้นตัวจะสามารถช่วยป้องกันการกลับมาเกิดโรคซ้ำได้ แพทย์สามารถวิเคราะห์ข้อมูลขนาดใหญ่ในกรณีที่คล้ายกันได้เพื่อตรวจหาการกำเริบของโรค นอกจากนี้ รัฐบาลสามารถคาดการณ์ และควบคุมการแพร่กระจายของไวรัส หรือโรคได้
การตรวจสอบคุณภาพการวินิจฉัยโดยอัตโนมัติทั้งในสถาบันทางการแพทย์ และในระดับกฎระเบียบด้านการดูแลสุขภาพของรัฐจะช่วยให้สามารถทบทวน วิเคราะห์กรณีศึกษาทางการแพทย์ และระบุความไม่ถูกต้องได้
การวินิจฉัยอัตโนมัติยังสามารถนำไปใช้กับอาสาสมัครที่เข้าร่วมในการทดลองทางคลินิกของยาใหม่เพื่อศึกษาสภาพร่างกายของอาสาสมัครได้
ใครจะได้รับประโยชน์
- การดูแลสุขภาพเป็นหนึ่งในไม่กี่สาขาที่การเกิดความผิดพลาดเพียงเล็กน้อยถือเป็นเรื่องที่สำคัญ ทั้ง ผู้ที่มีสุขภาพดี และผู้ป่วยในโรงพยาบาล ก็สามารถรับการวินิจฉัย ใบสั่งยา และคำแนะนำจากแพทย์ได้อย่างแม่นยำ
- ข้อแรก แพทย์ คือ คน และผู้คนสามารถถูกรบกวนสมาธิ หรือรู้สึกเหนื่อยล้าได้ แม้ว่าทุกอย่างจะขึ้นอยู่กับการตัดสินใจของแพทย์แต่เราจำเป็นต้องพัฒนาโซลูชั่นการวินิจฉัยอัตโนมัติเพิ่มเติมเพื่อช่วยให้แพทย์สามารถระบุอาการได้รวดเร็วยิ่งขึ้น และส่งเสริมการแทรกแซงในช่วงเริ่มแรก
- นักวิจัย ต้องอ่านข้อมูลจำนวนมหาศาลทุกวันเมื่อมีการค้นพบยาใหม่ ดำเนินการวิจัยทางพันธุกรรม หรือการทดลองทางคลินิก ด้วยเทคโนโลยีที่ทำงานด้วยปัญญาประดิษฐ์ในการถ่ายภาพทางการแพทย์ นักวิจัยจะสามารถประมวลผลชุดข้อมูลที่มีขนาดใหญ่ขึ้นได้ซึ่งทำให้สามารถอนุมัติยาออกสู่ตลาดได้เร็วขึ้น และผลักดันความก้าวหน้าในการดูแลสุขภาพที่ทันสมัย
- สถาบันดูแลสุขภาพ สามารถใช้ประโยชน์จากเทคโนโลยีที่คอมพิวเตอร์สามารถมองเห็นได้มาจัดการกับขั้นตอนในการปฏิบัติงาน ตัวอย่างการใช้งานบางส่วน ได้แก่ การตรวจสอบกิจกรรมของพนักงาน หรือเครื่องเช็คอินเข้าเทอร์มินัลทางออนไลน์
- รัฐบาล สามารถคาดการณ์การแพร่กระจายของไวรัส และโรคต่าง ๆ ได้จากการวิเคราะห์ข้อมูลจำนวนมาก
ตลาดของปัญญาประดิษฐ์ในการถ่ายภาพทางการแพทย์มีการพัฒนาอย่างรวดเร็ว และพร้อมที่จะขับเคลื่อนการเปลี่ยนแปลงที่สำคัญในชุมชนทางการแพทย์ ขณะนี้มีหลายโครงการที่มีความต้องการใช้งานแต่ก็มีเพียงไม่กี่โครงการเท่านั้นที่นำมาใช้งานจริงเนื่องจากเหตุผลต่าง ๆ ที่กล่าวถึงในบทความนี้
ประเด็นความรับผิดชอบ และศีลธรรมไม่ได้ในระดับเดียวกันกับผลิตภัณฑ์ แต่นำการใช้ผลิตภัณฑ์มาใช้งาน และทำการพัฒนาผลิตภัณฑ์ พูดได้อีกอย่างหนึ่ง คือ นักพัฒนาต้องพิจารณาถึงการกระจายชุดข้อมูล และหลีกเลี่ยงข้อสรุปที่มีอคติ แพทย์ต้องทำการตัดสินใจโดยใช้ความช่วยเหลือของเทคโนโลยีด้วยการให้เทคโนโลยีระบุความเห็นที่สองที่เชื่อถือได้ ผลิตภัณฑ์นี้ไม่ได้ออกแบบมาเพื่อทดแทนคณะแพทย์ แต่นำมาใช้เพื่อสนับสนุนกระบวนการตัดสินใจ
ในตลาดการถ่ายภาพทางการแพทย์ด้วยปัญญาประดิษฐ์นี้เป็นทิศทางธุรกิจใหม่ และมีความรับผิดชอบสำหรับ NtechLab บริษัทของเราเปิดรับข้อเสนอด้านความร่วมมือ รวมทั้ง สนับสนุนให้ชุมชนวิทยาศาสตร์ การแพทย์ และธุรกิจเข้าร่วมในความทะเยอทะยานของเรา
ติดต่อเรา
ข้อมูล:
1) Machine Learning in Medical Imaging. World Market Analysis 2021 (July / Signify Research) — www.gminsights.com/industry-analysis/healthcare-artificial-intelligence-market
2) «GMInsights 2020 & Market & Market Report 2020.»
3) «Hype Cycle for Healthcare Providers, Gartner, 2021.»
4) Newman-Toker, David, et al. «Rate of Diagnostic Errors and Serious Misdiagnosis-Related Harms for Major Vascular Events, Infections, and Cancers: Toward a National Incidence Estimate Using the ‘Big Three.'» De Gruyter, 1 Feb. 2021 — www.degruyter.com/document/doi/10.1515/dx-2019−0104/html