การใช้เทคโนโลยี VR ช่วยศัลแพทย์ผ่าตัดสมอง

เมื่อศัลยแพทย์วางแผนในการผ่าตัดสมองของผู้ป่วยนั้น การใช้ เทคโนโลยี VR หรือ Virtual Reality ผ่านการ Render 3D ทำให้การวางแผนผ่าตัดนั้นทำได้ง่ายขึ้น

ซึ่ง เทคโนโลยี VR นี้ถูกเรียกว่า SNAP (The Surgical navigation advance platform) ซึ่งถูกพัฒนาโดย บริษัท Surgical Theater
โดยเทคโนโลยีดังกล่าวจะเป็นการ รวบรวมภาพจาก 2D MRI และ CT Scan เพื่อทำการสร้าง 3D Model ของสมองคนไข้

โดยศัลยแพทย์สามารถที่จะ สำรวจส่วนต่าง ๆ ของสมองผ่าน แว่น VR ของคนไข้ได้จริง ๆ

ซึ่ง สำหรับคนไข้แล้วนั้น เทคโนโลยี VR เหล่านี้ จะช่วยให้ สามารถอธิบายสิ่งที่ซับซ้อนภายในสมองคนไข้ ให้คนไข้สามารถเข้าใจได้อย่างเห็นภาพ และเข้าใจถึงกระบวนการในการผ่าตัดของหมอได้อย่างง่ายดายยิ่งขึ้น

เทคโนโลยี VR ยังช่วยให้ ศัลยแพทย์ สามารถทดสอบ การผ่าตัดในแนวทางต่าง ๆ ได้ โดยการทดลองผ่าน VR และยังช่วยเลือกวิธีการที่ดีที่สุดในการผ่าตัดสมอง เพื่อลดความผิดพลาดให้มากที่สุด และเป็นประโยชน์ที่สุดกับคนไข้

จากการใช้งาน ผลิตภัณฑ์นี้ ของศัลย์แพทย์ชั้นนำพบว่า สามารถที่จะช่วยเหลือในการผ่าตัดให้เร็วขึ้น และ ง่ายขึ้น ลดความผิดพลาดกับคนไข้ได้จริง ๆ ผ่านการทดลองกับคนไข้จริง ๆ มาแล้ว

ซึ่งจะเห็นได้ว่าในปัจจุบัน เริ่มมีการใช้เทคโนโลยี รวมถึงเครื่องมือเซ็นเซอร์ต่าง ๆ ที่มีประสิทธิภาพสูงขึ้นมาช่วยเหลือแพทย์ในการทำงาน ทั้งทางด้านการวิเคราะห์โรค หรือ ช่วยเหลือในการผ่าตัดอย่างการใช้ VR ของ SNAP

โดยเทคโนโลยีเหล่านี้นั้นจะมีบทบาทสำคัญอย่างยิ่งในอนาคตในการช่วยเหลือแพทย์ในการทำงานให้มีประสิทธิภาพมากยิ่งขึ้น และที่สำคัญนั้นยังเป็นการลดการสูญเสียจากการผ่าตัดแบบเดิม ๆ ที่เกิดขึ้น เพราะ VR นั้นสามารถทำให้แพทย์ได้ทดลองกับชิ้นส่วนร่างกายที่เหมือนของจริงมากที่สุด ก่อนที่จะลงมือทำการผ่าตัดจริง ซึ่งหากเป็นในอดีตนั้นคงไม่สามารถทำอย่างนี้ได้แน่นอน ซึ่งสุดท้าย การร่วมมือกันระหว่างแพทย์ผู้เชี่ยวชาญและเทคโนโลยีทีมีประสิทธิภาพนั้น ถือเป็นก้าวที่สำคัญในการลดความสูญเสียที่ไม่จำเป็นอีกต่อไปนั่นเอง

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

AI สามารถเอาชนะหมอได้ในการจำแนกมะเร็ง

ต้องบอกว่า AI กำลังเริ่มที่จะเข้ามามีบทบาทมากขึ้นในวงการแพทย์หลังจากผลวิจัยล่าสุดที่ชี้ให้เห็นว่า AI มีความสามารถในการวิเคราะห์มะเร็งเต้านมได้ดีกว่าแพทย์ผู้เชี่ยวชาญซะอีก ซึ่งก็ต้องบอกว่าไม่ใช่เรื่องน่าแปลกใจใด ๆ กับผลการวิจัยดังกล่าวเนื่องจาก AI ที่มีพื้นฐานจาก Machine Learning นั้น เป็นการเลียนแบบการทำงานของสมองมนุษย์เรา

แต่ทำไมถึงมีประสิทธิภาพมากกว่าล่ะ?  ก็เพราะมนุษย์ยังมีขีดจำกัดหลาย ๆ อย่างที่ไม่สามารถต่อกรกับ AI ได้เช่น หน่วยความจำ  หรือ อารมณ์ ที่มีผลเกี่ยวข้องกับประสิทธิภาพการทำงานของมนุษย์เรา

ผมได้เคยเขียน blog ที่เกี่ยวข้องกับเรื่องนี้ทั้ง  Machine Learning กับการวิเคราะห์มะเร็งเต้านม ที่เป็นงานวิจัยเมื่อหลายปีมาแล้วยังให้ประสิทธิภาพที่น่าตกใจ หรือ blog AI ตัวช่วยหรือภัยคุกคามอาชีพรังสีแพทย์  ซึ่งจะเห็นภาพได้ถึงความก้าวหน้าของเทคโนโลยีด้าน AI ที่กำลังมีบทบาทมากขึ้นเรื่อย ๆ กับวงการแพทย์ โดยเฉพาะงานที่สามารถเลียนแบบการทำงานของสมองมนุษย์ได้อย่าง การวิเคราะห์มะเร็ง จากภาพ Digital Mammogram Image

ซึ่งจาก งานวิจัย ล่าสุด ของ Babak Ehteshami Bejnordi ที่ Radbound University Medical Center ในประเทศ Netherlands นั้น ได้รายงานผลการแข่งขันในหัวข้อ การแพร่กระจายของมะเร็งในมะเร็งต่อมน้ำเหลือง ( หรือที่เรียกว่า CAMELYON16) ซึ่งการแข่งขันใช้เวลา 12 เดือน จนถึงเดือนพฤศจิกายนปี 2016

ซึ่ง CAMELYON16 นั้นเป็นการวิจัยที่ต้องหาวิธีการตรวจหาเซลล์มะเร็งในการตรวจชิ้นเนื้อต่อมน้ำเหลืองจากผู้หญิงที่เป็นมะเร็งเต้านมโดยวิธีอัติโนมัติ ซึ่งในระหว่างการผ่าตัดนั้นศัลยแพทย์ จะทำการฉีดสารรังสีและทำให้เนื้อเยื่อเต้านมที่ใกล้กับเนื้องอกกลายเป็นสีน้ำเงิน ซึ่งบริเวณเหล่านี้นั้นจะได้รับการหล่อเลี้ยงโดยระบบต่อมน้ำเหลือง โดยจะอยู่บริเวณรักแร้ ของร่างกายเรา

โดยแพทย์สามารถตรวจหาต่อมน้ำเหลืองด้วยวิธีการนับ Geiger และใช้สายตาในการวิเคราะห์ เพื่อค้นหา node ที่เป็นสีน้ำเงิน ซึ่งใช้ชื่อเรียกว่า “Sentinel Node”  โดย และขั้นตอนสำคัญสุดท้ายคือการตัดชิ้นเนื้อไปตรวจสอบโดยนักพยาธิวิทยาโดยใช้กล้องจุลทรรศน์ในการตรวจหา

ซึ่งการตรวจที่ไม่พบเซลล์มะเร็งนั้นเป็นเรื่องที่ดีอย่างแน่นอน แต่หากพบเซลล์มะเร็งใน Sentinel Node นั้น ก็อาจจะบ่งบอกพฤติกรรมถึงการแพร่กระจาย ซึ่งต้องรักษาต่อด้วยการฉายรังสี หรือ ทำการผ่าตัดต่อ ซึ่งการผ่าตัดเพื่อกำจัดต่อมน้ำเหลืองใต้วงแขนนั้นอาจจะทำให้เกิด effect ให้ผู้ป่วยแขนบวม หรือ ทำให้แขนใช้การไม่ได้ ก็เป็นได้

และจากการศึกษาในปี 2012 พบว่า หลังจากการส่งตรวจสอบโดยละเอียดจากพยาธิแพทย์พบว่า  1 ใน 4 ของผลการตรวจนั้นถูกเปลี่ยนให้กลายเป็นประเภทที่ร้ายแรงมากยิ่งขึ้น เพราะผ่านการตรวจละเอียดผ่านกล้องจุลทรรศน์ และเมื่อเปรียบเทียบกับการศึกษาล่าสุดที่อ้างอิงจากงานวิจัยในวารสาร The Journal of the American Medical Association (JAMA) การใช้เทคนิคของ Machine Learning Algorithm นั้น พบว่าในการตรวจจำนวน 129 ชิ้นเนื้อนั้น พบว่า 49 ชิ้นมีเซลล์ของมะเร็ง ส่วนอีก 80 ชิ้นนั้นไม่พบความผิดปรกติ

ซึ่งจากงานศึกษาดังกล่าวเมื่อเปรียบเทียบแล้วนั้น พยาธิแพทย์ ต้องใช้เวลาและประสบการณ์ทำงานมาหลายปี แต่ ต่างจาก AI ที่ได้รับการ trained เพียง 270 ตัวอย่าง โดย 110 ตัวอย่างที่นำมา train ผ่าน Machine Learning Algorithm นั้นจะเป็น cell มะเร็งโดยจะมีป้ายกำกับอยู่

และยิ่งเมื่อเทียบกับเวลาที่ใช้ตรวจสอบนั้น พยาธิแพทย์ ใช้เวลา 2 ชม.ในการตรวจสอบชิ้นเนื้อของคนไข้แต่ละรายใน workload การทำงานปรกติ แต่หากในกรณีพยาธิแพทย์ที่ไม่มีการ limit เวลาเพื่อให้ตรวจได้มีประสิทธิภาพมากขึ้นนั้นพบว่าใช้เวลาถึง 30 ชม.ในการตรวจสอบ

นักพยาธิวิทยา ใช้เวลาเยอะกว่า AI มากในการวิเคราะห์ผล

นักพยาธิวิทยา ใช้เวลาเยอะกว่า AI มากในการวิเคราะห์ผล

ซึ่งหากเป็น workload ปรกตินั้น พยาธิแพทย์ สามารถตรวจสอบได้ความแม่นยำ 31 ชิ้น จาก 49 ชิ้นที่เป็นเซลล์มะเร็ง แต่หากปล่อยให้มีเวลามากขึ้นและให้ตรวจสอบอย่างละเอียดนั้นสามารถตรวจได้ความแม่นยำ 46 ชิ้น จาก 49 ชิ้นที่เป็นเซลล์มะเร็ง

จะเห็นได้ว่าเรื่องของเวลานั้นก็มีผลต่อความแม่นยำในการตรวจสอบเหมือนกัน ตามภาระ workload การทำงานของพยาธิแพทย์ จึงไม่ได้รีดเอาประสิทธิภาพทั้งหมดของพยาธิแพทย์จริง ๆ หากทำงานในภาวะปรกติที่มีเวลาจำกัด

ซึ่งเมื่อเทียบกับ AI นั้น อัลกอริทึม ที่มีประสิทธิภาพสูงสุด นำเสนอโดย Harvard Medical School และสถาบัน MIT ซึ่งสามารถให้ความแม่นยำเทียบเท่าพยาธิแพทย์ ที่ใช้เวลา 30 ชม.ในการตรวจสอบในแต่ละชิ้นเนื้อ ซึ่งแต่ถ้าเทียบความเร็วนั้น AI สามารถทำได้ภายในไม่กี่วินาที

ต่างจากพยาธิแพทย์ที่ต้องใช้เวลาถึง 30 ชม.ต่อชิ้นเนื้อเพื่อให้ได้ความแม่นยำเท่า AI  ซึ่งมันเป็นไปไม่ได้ในทางปฏิบัติจริงที่พยาธิแพทย์มี workload การทำงานมหาศาล

ในเดือนกุมภาพันธ์ ปี 2017 มีอีกรายงานจากนักวิจัยจากมหาวิทยาลัยสแตนฟอร์ด ที่ได้รายงานว่าอัลกอริธึมที่ได้วินิจฉัยโรคมะเร็งผิวหนังมีประสิทธิภาพใกล้เคียงกับแพทย์ผิวหนังที่ได้รับ Certified ทางด้าน Dermatologists

จากนั้นในเดือนเมษายน ปี 2017 งานวิจัยที่นำโดย Stephen Weng จาก University of Nottingham พบว่า AI นั้นมีความสามารถในการทำนายอาการหัวใจวาย และโรคหลอดเลือดสมองในผู้ป่วยทั่วไป ซึ่ง ผลจากงานวิจัยดังกล่าวทำให้นำไปสู่แนวทางการหาทางป้องกันให้กับผู้ป่วยได้ดีขึ้น

ในเดือนกรกฎาคมปี 2017 การศึกษาของทีม Andrew Ng จากมหาวิทยาลัยสแตนฟอร์ด ได้รายงานว่า Deep Learning Algorithm นั้นสามารถที่จะตรวจพบภาวะหัวใจเต้นผิดจังหวะที่ถูกบันทึกจากเครื่อง ECG มีความแม่นยำกว่าการตรวจของหมอ

และมีการศึกษาอื่น ๆ ของทีม Andrew Ng ที่เผยแพร่ในเดือน พฤศจิกายน ปี 2017 ที่ได้รายงาน Algorithm ที่สามารถตรวจสอบหาโรคปอดบวมได้ดีกว่ารังสีแพทย์ จากการตรวจ Chest X-rays

Andrew Ng ปรมาจารย์ด้าน AI ลำดับต้น ๆ ของโลก

Andrew Ng ปรมาจารย์ด้าน AI ลำดับต้น ๆ ของโลก

และในเดือนเดียวกันนี้ Tien Yin Wong จาก Singapore National Eye Center ได้ทำการศึกษาด้วยเทคนิค Deep Learning เพื่อตรวจสอบภาพจากม่านตาที่ใช้ข้อมูลในการทดสอบกว่า 500,000 ภาพนั้น พบว่าสามารถใช้ Deep Learning ในการหาผู้ป่วยที่มีโรคเบาหวานได้จากม่านตา ได้ความแม่นยำ เทียบเท่า ผู้เชี่ยวชาญในด้านนี้

Jeffrey Golden จาก Harvard Medical School ได้กล่าวไว้ว่า “AI และการใช้เทคนิคทางคอมพิวเตอร์อื่น ๆ นั้นต้องมีการรวมเข้ากับโปรแกรมการฝึกอบรมของเหล่านักศึกษาแพทย์ ซึ่งอนาคตของนักพยาธิวิทยานั้นต้องปรับตัวในการทำงานร่วมกับ AI ในการปฏิบัติงานประจำวันของพวกเขา เพื่อให้มีประสิทธิภาพการทำงานที่ดียิ่งขึ้น ซึ่งจะเป็นผลดีกับผู้ป่วย”

งานเขียนในวารสาร New England Journal of Medicine ในเดือนกันยายนของปี 2017 นั้น Dr.Ziad Obermeyer และ Thomas Lee ได้กล่าวไว้ว่า “การเตรียมความพร้อมของนักศึกษาแพทย์ในช่วงปริญญาตรีในปัจจุบันนั้นเป็นสิ่งที่ล้าสมัยไปแล้ว ในภาวะที่เทคโนโลยีทางด้านคอมพิวเตอร์กำลังก้าวรุดหน้าไปอย่างรวดเร็ว แต่การศึกษาด้านแพทย์นั้นไม่ค่อยมีการฝึกอบรมด้าน Data Science , ข้อมูลสถิติ หรือ ด้านวิทยาศาสตร์ที่สามารถนำ computer algorithm ไปประยุกต์ใช้ในการปฏิบัติทางคลินิกได้” ซึ่งเรื่องเหล่านี้นั้นเป็นสิ่งจำเป็นที่เหล่าผู้บริหารของ Medical School รวมถึง คณบดีคณะแพทย์ในทุกพื้นที่ทั่วโลก ที่รับผิดชอบในการออกแบบหลักสูตรทางการแพทย์ควรรับฟังเป็นอย่างยิ่ง

References : cosmosmagazine.com , camelyon16.grand-challenge.org

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

One Medical Startup สาย HealthTech กำลังได้รับทุนเพิ่ม 200 ล้านเหรียญ

Startup สาย HealthTech เป็นสายหนึ่งที่กำลังมาแรงเลยทีเดียวในประเทศอเมริกา ต้องถือได้ว่า วงการ Healthcare นั้นเป็นวงการหนึ่งที่ ใช้เทคโนโลยีโบร่ำโบราณกว่าในอุตสาหกรรมสายอื่นเป็นอย่างมาก ซึ่งตอนนี้มี Startup หลายรายกำลังเข้ามา Disrupt วงการ Healthcare

One Medical หนึ่งใน Startup สาย HealthTech ด้วยเทคโนโลยี Virtual Visist และ Same-day appointment นั้นถือได้ว่าจะเข้ามาปฏิวัติวงการแพทย์ แบบดั้งเดิมของอเมริการ ในเรื่อง การจัดการนัดหมายในการพบแพทย์ เพื่อให้ได้ประสิทธิภาพมากยิ่งขึ้น  ซึ่ง One Medical นั้นก๋อตั้งโดยคุณหมอ Tom X. Lee ซึ่งก่อตั้งขึ้นที่ San Francisco ประเทศสหรัฐอเมริกา และกำลังเป็น Unicorn ที่น่าจับตามองตัวหนึ่งของ Startup สาย HealthTech

จากรายงานข่าวของ CNBC  ตอนนี้ทาง One Medical กำลังเจรจาเพื่อรับเงินทุนเพิ่ม เพื่อพัฒนาผลิตภัณฑ์จาก Carlle Group มูลค่ากว่า 200 ล้านเหรียญสหรัฐ ซึ่งทาง Carlyle Group นั้นต้องการที่จะซื้อหุ้นมูลค่า 100 ล้านเหรียญ จากผู้ลงทุนกลุ่มเดิม

ซึ่งก่อนหน้านี้นั้น one Medical ก็ได้รับการลงทุนมาแล้วกว่า 180 ล้านเหรียญสหรัฐ จากทั้ง Alphabet’s Venture ของ google , Benchmark Capital เพื่อทำให้ Idea ดังกล่าวเป็นจริง โดยเริ่มเปิดบริการในแถบบริเวณ San francisco , Newyork รวมถึง Seattle รวมถึงอีกหลาย ๆ เมืองกระจายไปทั่วสหรัฐอเมริกา ซึ่งการลงทุนรอบล่าสุดทำให้ One Medical มูลค่าบริษัทของ One Medical ทะยานขึ้นสู่ง 1 พันล้านเหรียญเป็นที่เรียบร้อย กลายเป็น Unicorn สาย HealthTech ตัวใหม่ที่น่าจับตามองเป็นอย่างยิ่ง ซึ่งหากการเจรจากับ Carlyle Group เป็นผลสำเร็จนั้น จะทำให้ One Medical สามารถที่จะระดมทุนได้รวมทั้งสิ้นกว่า 380 ล้านเหรียญ เพื่อมาพัฒนาผลิตภัณฑ์ที่จะ Disrupt วงการ HealthTech ได้อย่างแน่นอน

 

References : techcrunch.com

5 ตัวอย่างกับการใช้ AI ในอุตสาหกรรม Healthcare อย่างมีประสิทธิภาพ

อุตสาหกรรมทางการแพทย์ นั้น อุตสาหกรรมหนึ่งเลยที่มีความน่าสนใจอย่างยิ่ง ที่จะนำเอา AI เพื่อมาเพิ่มประสิทธภาพการทำงานของทั้งตัวหมอเอง รวมถึง เพิ่งประสิทธิภาพของโรงพยาบาลให้ดีขึ้น

แม้ทางการแพทย์นั้น จะยุ่งเกี่ยวกับความเป็นความตายขอคนไข้ ซึ่งการนำเอาเทคโนโลยีต่าง ๆ มาใช้นั้น ก็ต้องคำนึงถึงหลาย ๆ ส่วน ไม่ว่าจะเป็นเรื่องความปลอดภัยของข้อมูลคนไข้  , เรื่อง privacy ของคนไข้ รวมถึง ความ error ต่าง ๆ ของการนำเอาเทคโนโลยี มาใช้ เพราะล้วนแล้วแต่เกี่ยวข้องกับความเป็นความตายของคนไข้แทบจะทั้งสิ้น ซึ่งเป็นเรื่องที่ Sensitive กว่า Domain อื่น ๆ อยู่มาก

มาดูกันว่า 5 ตัวอย่างของการใช้ AI ในอุตสาหกรรมการแพทย์ เพื่อเพิ่มประสิทธิภาพนั้นมีอะไรกันบ้าง

1.AI-assisted robotic surgery

ในวงการศัลยแพทย์ นั้น ได้เริ่มมีการนำหุ่นยนต์ เข้ามาใช้ช่วยเหลือ ศัลยแพทย์เป็นเวลาช่วงหนึ่งแล้ว โดย AI นั้นสามารถที่จะช่วยได้ตั้งแต่การ วิเคราะห์ข้อมูล ของคนไข้ เพื่อ Guide ให้ศัลยแพทย์ ได้ใช้เครื่องไม้ เครื่องมือ ที่ถูกต้องกับคนไข้ เป็นการลดเวลาในการเตรียมความพร้อมในการผ่าตัดไปได้มาก ซึ่งหุ่นยนต์ผ่าตัดนั้น สามารถที่จะช่วยเหลือศัลยแพทย์ ให้ผ่าตัดในจุดที่มีความเสียหายกับร่างกายน้อยที่สุด ไม่ต้องมีการผ่าตัดในส่วนที่ไม่เกี่ยวข้องออกไป ทำให้แผลผ่าตัดนั้น มีขนาดเล็กลง

ด้วยความสามารถของ AI  ทำให้หุ่นยนต์ผ่าตัดนั้น สามารถที่จะเรียนรู้จากการผ่าตัดครั้งก่อน ๆ หน้า เพื่อปรับเทคนิคในการผ่าตัดครั้งตอไปให้กับคนไข้ได้  ซึ่งมี Case Study ที่นำเอา AI มาช่วยเหลือหมอผ่าตัดกระดูกและข้อ ซึ่งสามารถลดจำนวนการผ่าตัดได้ถึง 5 เท่า หากเทียบกับ ให้หมอ Orthopedic ได้ทำการวิเคราะห์ด้วยตัวเองเพียงคนเดียว

Da Vinci

สำหรับการผ่าตัดในจุดที่มีความละเอียดค่อนข้างสูงอย่างการผ่าตัดตานั้น หุ่นยนต์ผ่าตัดชื่อดังอย่าง Da Vinci ก็สามารถที่จะช่วยเหลือแพทย์ในส่วนที่ซับซ้อนที่ยากต่อการเข้าถึงได้ดีกว่า การผ่าตัดแบบเดิม ๆ อย่างมาก ทำให้สามารถผ่าตัดในส่วนที่เข้าถึงยาก และมีความซับซ้อน ได้อย่างมีประสิทธิภาพ

แม้กระทั่งในการผ่าตัดอวัยวะที่สำคัญที่สุดของมนุษย์อย่างการผ่าตัดหัวใจก็เช่นกัน หุ่น Heartlander หุ่นยนต์ช่วยผ่าตัดด้านหัวใจ ก็สามารถที่จะเปิดแผลที่มีขนาดเล็กมากบริเวณหน้าอก เพื่อเข้าถึงการรักษาบริเวณเนื้อเยื่อของหัวใจคนไข้ได้ โดยไม่ต้องใช้การผ่าตัดแบบเปิดผลขนาดใหญ่เหมือนที่เคยทำมา สำหรับการผ่าตัดหัวใจ

2. Virtual nursing assistants

ในด้านการพยาบาลก็เช่นเดียวกัน ถือว่าเป็นค่าใช้จ่ายที่ค่อนข้างสูงส่วนนึง ของอุตสาหกรรม Healthcare ในอเมริการนั้น ประเมินได้ว่า หากมีการนำระบบ Vitual nursing มาใชนั้น สามารถลดรายจ่ายไปได้กว่า สองหมื่นล้านเหรียญในแต่ละปี ซึ่ง งานบางงานที่ต้องทำอะไรซ้ำ ๆ นั้น สามารถที่จะใช้ Robot หรือ AI มาช่วยเหลือได้

ซึ่งคล้าย ๆ กับ ระบบ Chatbot ที่กำลังเป็นที่นิยมในขณะนี้ การมีผู้ช่วยเหลืออย่าง Virtual Nursing นั้น สามารถที่จะทำงานได้ตลอด 24 ชม. โดยไม่ต้องมีการพักเปลี่ยนเวร แต่อย่างใด รวมถึง ได้ประสิทธิภาพบางอย่างที่ดีกว่าด้วย สามารถตอบคำถามได้อย่างรวดเร็วกว่าการใช้มนุษย์เป็นอย่างมาก หากเป็นคำถามที่ซ้ำ ๆ ที่ AI สามารถที่จะเรียนรู้ได้

แถมยังช่วบลดความไม่จำเป็นในการเข้ามาที่โรงพยาบาลได้อีกด้วย ตัวอย่างที่ประสบความสำเร็จของ Virtual Assistant เช่น Care Angel’s ที่มีความสามารถทีช่วยเช็คสุขภาพเบื้องต้นของผู้ป่วยผ่านทางการสื่อสารด้วยเสียง และความสามารถของ AI ที่จะช่วยคัดกรองคนไข้ เพื่อไม่ต้องเข้ามาที่โรงพยบาลหากไม่ใช่เรื่องจำเป็นจริง ๆ

3. Aid clinical judgement or diagnosis

ในปัจจุบันมีหลาย use case ที่น่าสนใจในการนำ AI เข้ามาร่วมในการวินิจฉัยผลของคนไข้  ตัวอย่างนึงที่น่าสนใจคือทาง มหาวิทลัย Standford ได้ทำการทดสอบ AI Algorithm ในการตรวจมะเร็งผิวหนัง โดยมีการเปรียบเทียบกับ หมอผู้เชี่ยวชาญทางด้านผิวหนัง แล้วพบว่า ผลของการวินิจฉัยด้วย AI นั้น มีความสามารถเทียบเท่ากับการใช้หมอผู้เชี่ยวชาญด้านผิวหนังในการวินิจฉัย แต่สิ่งที่แตกต่างกันอย่างชัดเจน คือ เวลา ที่ใช้ในการวินิจฉัยต่างกันอย่างมาก AI สามารถทำได้ภายในระยะเวลาไม่กี่นาที ต่างกับ หมอผู้เชี่ยวชาญที่ต้องใช้เวลาหลายชม. ในการวิเคราะห์ผล

งานวิจัยอีกชิ้นที่น่าสนใจของ Danish AI software นั้น ได้ทำการทดสอบ algorithm ในการฟังเสียงสนทนา เมื่อมีการโทรศัพท์ฉุกเฉินเข้ามาในโรงพยาบาล กรณีผู้ป่วยในโรคหัวใจ โดยการดักฟังโทนเสียงของผู้ป่วย รูปแบบการพูด พบว่าสามารถคัดกรองผู้ป่วยที่มีโอกาสที่จะมีอาการหัวใจวายได้ถึง 93% ซึ่งสูงกว่ารูปแบบปรกติที่ใช้มนุษย์คัดกรองที่ทำได้เพียงแค่ประมาณ 73% เท่านั้น

ส่วนทางฝั่งยักษ์ใหญ่ Search Engine จากจีนอย่าง Baidu Research นั้น ก็ได้ทำการทดสอบ Deep learning algorithm ที่สามารถที่จะระบุถึงการแพร่กระจายของมะเร็งเต้านม ได้ดีกว่าการวิเคราะห์จากมนุษย์

ส่วนทางด้านประเทศอังกฤษ นายกรัฐมนตรี Theresa May ก็ได้ประกาศวาระสำคัญของชาติ คือ AI Revolution ซึ่งจะช่วยเหลือ National Health Service (NHS) ซึ่งคงคล้ายๆ  สปสช. ของบ้านเรา ในการช่วยทำนายผู้ป่วยที่มีโอกาสเกิดโรคมะเร็ง โดยการวิเคราะห์จาก ข้อมูลทางด้านสุขภาพ พฤติกรรมการใช้ชีวิต รวมถึงพฤติกรรมการรับประทานอาหาร และยังวิเคราะห์จากข้อมูลทางด้าน พันธุกรรมของคนไข้ เพื่อช่วยทำนายว่า คนไข้ มีความเสี่ยงที่จะเป็นโรคมะเร็งหรือไม่ โดยใช้ AI และข้อมูลจาก NHS

4. Workflow and administrative tasks

งานด้านเอกสารหรือธุรการต่าง ๆ ภายใน workflow ของระบบโรงพยาบาลนั้นก็เป็นต้นทุนสำคัญอย่างนึงของโรงพยาบาล ซึ่ง ประมาณได้ว่า ในปี ๆ หนึ่ง ๆ ในประเทศอเมริกา หากสามารถนำ AI มาช่วยงานเหล่านี้ได้นั้น สามารถที่จะลดต้นทุนไปได้กว่า 18,000 ล้านเหรียญ สหรัฐเลยทีเดียว

ซึ่ง AI สามารถที่จะช่วยเหลือในงานต่าง ๆ ได้ไม่ว่าจะเป็น voice-to-text transcriptions หรือการแปลงจากเสียงมาเป็นtext  งานด้านเอกสารกำกับยา หรืองานที่เกี่ยวข้องกับ chart notes

ซึ่งตัวอย่างนึงที่ใช้ AI ในการช่วยเหลืองานด้าน Admin คือการร่วมมือกันระหว่าง Cleveland Clinic และ IBM โดยมีการนำเอา IBM’s Watson มาช่วยในการวางแผนการรักษาให้กับแพทย์ โดยทำการวิเคราะห์จากข้อมูล medical record โดยใช้เทคโนโลยี Natural language processing เพื่อช่วยวางแผนการรักษาให้กับแพทย์ได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

5. Image analysis

ต้องบอกว่าเป็นงานที่สำคัญอย่างหนึ่งเลยสำหรับการวิเคราะห์ภาพเช่นในการ ทำการ X-RAY , MRI หรือ Ultrasound ซึ่ง effect โดยตรงต่อผู้ป่วย เพราะเป็นการวิเคราะห์ ให้เจอสาเหตุของโรคต่าง ๆ ที่เกิดขึ้นกับผู้ป่วย

ซึ่งโดยปรกติแล้วนั้นงานทางด้าน Image Analysis โดยผู้เชี่ยวชาญนั้น เป็นงานที่ต้องใช้เวลาในการวิเคราะห์เป็นอย่างมาก

ตัวอย่างสำคัญในการวิเคราะห์ที่ทำให้ process เหล่านี้ทำได้รวดเร็วขึ้น คือ ในงานวิจัยของ MIT ได้ทำการพัฒนา machine learning algorithm ที่สามารถจะวิเคราะห์ภาพ Scan 3D จากการถ่าย MRI , CT-SCAN โดยสามารถที่จะวิเคราะห์ได้เร็วกว่าผู้เชี่ยวชาญที่เป็นมนุษย์ถึง 1000 เท่า ซึ่งเป็นตัวเลขที่น่าสนใจเลยทีเดียว

ซึ่ง AI นั้นจะมาช่วยเหลืออย่างมากกับงานด้านรังสีแพทย์ เพราะเป็นงานที่ AI สามารถทำงานได้ดีที่สุด เนื่องจากเป็นการใช้ประสบการณ์การเรียนรู้จากข้อมูลในอดีต หากมีคลังข้อมูลที่มากพอ ก็ทำให้ AI มีผลการวิเคราะห์ที่แม่นยำกว่ารังสีแพทย์ผู้เชี่ยวชาญเสียอีก

รวมถึงการที่ AI สามารถมาช่วยเหลืองานด้าน Telemedicine ในพื้นที่ห่างไกล ซึ่งคนไข้สามารถที่จะใช้ Smartphone ในการถ่ายภาพเบื้องต้น ของบริเวณที่ได้รับบาดเจ็บ หรือ ต้องการรักษา ซึ่ง AI สามารถที่จะช่วยเหลือในการวิเคราะห์อาการเบื้องต้นจากภาพถ่ายเหล่านี้ได้ และสามารถ guide แนวทางการรักษาเบื้องต้นให้กับผู้ป่วยที่อยู่ในพื้นที่ห่างไกลได้

AI จะเข้ามาช่วยเหลือหรือแย่งงานจากคนในอุตสาหกรรม Healthcare

ต้องบอกว่าด้วยพื้นฐานทางเทคโนโลยีในปัจจุบันไม่ว่าจะเป็นด้าน AI , Machine Learning รวมถึงเทคโนโลยีทางด้านหุ่นยนต์ กล้อง รวมถึงเซ็นเซอร์อัจฉริยะ ต่าง ๆ นั้น ถึงแม้จะยังไม่ผลิตออกมาเป็นผลิตภัณฑ์ที่มาช่วยเหลือแพทย์ได้ทุกแขนงในปัจจุบัน หรือยังเป็นงานวิจัยอยู่ก็ตาม เราต้องยอมรับว่า เทคโนโลยีเหล่านี้ได้ไปไกลเกินความสามารถของเหล่าผู้เชี่ยวชาญที่เป็นมนุษย์ในปัจจุบันแล้ว

ซึ่งต้องยอมรับเช่นกันว่าเครื่องมือเหล่านี้ล้วนมาช่วยเหลือแพทย์ผู้เชี่ยวชาญ รวมถึงผู้เกี่ยวข้องในอุตสาหกรรมนี้ได้อย่างมาก จนหลาย ๆ งานสามารถที่จะเข้าไปทดแทนงานของมนุษย์ได้จริง แต่งานที่เกี่ยวข้องกับคนไข้นั้นยังไง ผู้ป่วยย่อมจะไม่ยอมรับผลการรักษา 100% จาก AI แน่นอนอยู่แล้ว

แต่อย่างไรก็ดีในอนาคตอันใกล้ หากเทคโนโลยีเหล่านี้พัฒนาจนเป็นที่ยอมรับของมนุษย์ได้ 100% จริง ๆ เหมือนที่ใครจะคิดว่าจะมีรถยนต์อัตโนมัติ มาวิ่งให้เรานั่งได้กันแบบสบาย ๆ  ซึ่งก็เช่นเดียวกัน ในวงการอุตสาหกรรม Healthcare นั้น ต่อไปเราก็อาจจะได้เห็น ทุก process ที่เกี่ยวกับคนไข้ สามารถทำได้โดยผ่าน AI หรือ Robot ได้จริง ๆ ตั้งแต่ การเตรียมข้อมูลคนไข้ ไปจนถึงงานระดับยาก ๆ อย่างการผ่าตัดหัวใจ หรือสมอง ซึ่งผมเชื่อว่า หากมีการแข่งขันกันจริง ระหว่างมนุษย์กับผู้เชี่ยวชาญ ไม่ว่าสาขาใด ๆ แม้จะงานยากขนาดไหนก็ตาม ก็จะพบจุดจบเดียวกันกับที่ Alpha go สามารถชนะ Lee Sedol มนุษย์ที่เล่นเกมโกะได้เก่งที่สุดในโลก เพราะตอนนี้เราต้องยอมรับว่า AI มีขีดความสามารถเกินกว่าที่มนุษย์เราจะทำได้เป็นที่เรียบร้อยแล้ว

References : www.forbes.com

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage :facebook.com/tharadhol.blog
Blockdit :blockdit.com/tharadhol.blog
Twitter :twitter.com/tharadhol
Instragram :instragram.com/tharadhol

เมื่อเทคโนโลยี Robot สามารถที่จะช่วยเหลือศัลย์แพทย์ในการผ่าตัดกระดูกและข้อ

หลังจากข่าวล่าสุดที่ Johnson & Johnson Medical Devices Companies บริษัทจำหน่ายเครื่องมือแพทย์อันดับต้น ๆ ของโลก ได้ประกาศการเข้าซื้อบริษัท Orthotaxy จากฝรั่งเศษ ผู้พัฒนาหุ่นยุนต์ช่วยผ่าตัดกระดูกและข้อ ซึ่งรวมถึงการการผ่าตัดแบบเปลี่ยนข้อเข่าของคนไข้ได้จริง

บริษัท Orthotaxy จากฝรั่งเศษ ได้ก่อตั้งขึ้นในปี 2009 ซึ่งในขณะที่ถูกเข้าซื้อโดย Johnson & Johnson ยักษ์ใหญ่จากสหรัฐอเมริการนั้น ยังอยู่ในช่วงของการพัฒนาและวิจัย ในส่วนการผ่าตัดเปลี่ยนข้อเข่าของคนไข้เท่านั้น  แต่การ take over ครั้งนี้ มีสัญญาณที่บ่งชี้ให้เห็นว่า ตลาดทางด้านการผ่าตัดกระดูกและข้อนั้นเป็นตลาดที่ใหญ่มาก

ซึ่งประเมินคร่าวๆ ได้ว่า ในแต่ละปีนั้น มีการเปลี่ยนข้อเข่า ของคนไข้ในสหรัฐสูงถึง 780,000 ราย ซึ่งมีแนวโน้มที่จะสูงขึ้นถึง 3.48 ล้านราย จากการประมาณการในปี 2030 ซึ่งการที่มี Robot มาช่วยนั้นก็จะสามารถช่วยเหลือศัลยแพทย์ให้สามารถทำงานได้อย่างรวดเร็วขึ้น และมีประสิทธิภาพมากยิ่งขึ้น

ซึ่งในขณะนี้ หุ่นยนต์ผ่าตัดชื่อดังอย่าง Da Vinci ของบริษัท Intuitive Surgical ได้สร้างความเปลี่ยนแปลงให้กับวงการศัลย์แพทย์อย่างมหาศาล โรงพยาบาลขนาดใหญ่หลายแห่งเริ่มมีการนำมาใช้ช่วยเหลือในการผ่าตัด ซึ่งโดยเฉพาะการผ่าตัดต่อมลูกหมากนั้น ถือว่า Da Vinci ทำได้อย่างยอดเยี่ยมเป็นอย่างมาก และช่วยเหลือศัลย์แพทย์ได้อย่างมากมายในการผ่าตัด

ผลงานของ Da Vinci นั้นทำให้ Market Cap ของ บริษัท Intuitive สูงขึ้นไปถึง 47,000 ล้านเหรียญสหรัฐ ซึ่งทำให้ไม่แปลกใจกับการต้องกระโจนเข้ามาสู่เทคโนโลยีทางด้านหุ่นยนต์ผ่าตัดของ Johnson & Johnson ในขณะนี้เพื่อทำให้เป็นผู้นำในตลาดหุ่นยนต์ช่วยผ่าตัดกระดูกและข้อ ที่มีมูลค่าทางการตลาดมหาศาลให้เร็วที่สุด

และต้องบอกว่า เนื่องจากเป็นตลาดที่มีการแข่งขันสูง ทำให้มีการจดสิทธิบัตรในเทคโนโลยีของตน ไม่ต่างจากอุตสาหกรรมอื่น ๆ เพื่อป้องกันไม่ให้คู่แข่งได้เลียนแบบเทคโนโลยีของตนเองได้อย่างง่าย

ซึ่งทาง Intuitive ได้ทำการตกลงในลักษณะ Licensing deals กับ JustRight Surgical สำหรับการใช้สิทธิบัตรในส่วนของการผ่าตัดในเด็ก ซึ่งจะทำให้สามารถใช้งานเทคโนโลยีในห้องผ่าตัดได้ทั่วโลก

แต่บริษัทอย่าง Auris Surgical ซึ่งก่อตั้งโดย Federic Moll ซึ่งเป็น Co-founder ของ Intuitive ได้ใช้ประโยชน์จากสิทธิบัตรของตนเอง เพื่อให้สามารถสร้างกำไรได้มากที่สุด ซึ่ง สิทธิบัตรของ Auris หลายฉบับนั้นเกี่ยวข้องกับการผ่าตัดเนื้อเยื่อที่บอบบางมาก ๆ เช่น เนื้อเยี่อปอด

ซึ่ง ในช่วงปีที่แล้วนั้น Auris ได้ใช้เงินกว่า 80 ล้านเหรียญสหรัฐ เข้า Take Over บริษัท Hansen Medical เพื่อครอบครองสิทธิบัตรที่มีประโยชน์ที่เกี่ยวข้องกับการผ่าตัดด้วยหุ่นยนต์หลายฉบัยที่ Hansen Medical ถืออยู่

อย่างไรก็ดีรายละเอียดของข้อตกลงระหว่าง Johnson & Johnson และ Orthotaxy นั้นยังไม่ได้รับการเปิดเผย และยังไม่มีกำหนดการที่จะนำผลิตภัณฑ์หุ่นยนต์ที่ช่วยผ่าตัดกระดูกและข้อ ออกสู่ตลาด

สงคราม Surgical Robot & สิทธิบัตร

ต้องบอกว่าตลาดของการผ่าตัดในทุก ๆ ส่วนของร่างกายนั้นเป็นตลาดที่มีขนาดใหญ่มหาศาลเลยทีเดียว เพราะแทบจะเป็นรายได้ลำดับต้น ๆ ให้กับโรงพยาบาล โดยเฉพาะโรงพยาบาลเอกชนเลยก็ว่าได้ ก่อนหน้านี้ เราจะได้เห็นการซื้อตัวศัลยแพทย์เก่ง ๆ มากมาย จากทำงานให้รัฐ ให้เข้ามาทำงานเอกชน

และผลงานที่ถือว่าเป็นต้นแบบของหุ่นยนต์ผ่าตัดอย่าง Da Vinci ที่เริ่มมีใช้งานกันแล้วทั่วโลกนั้น ทำให้สามารถช่วยเหลือศัลยแพทย์ได้อย่างมีประสิทธิภาพมากยิ่งขึ้น การพัฒนาของเทคโนโลยีอย่างหุ่นยนต์ รวมถึงเซ็นเซอร์ต่างๆ  นั้น รวมถึงกล้องความละเอียดสูงที่มีขนาดเล็กนั้น

นับว่าเป็นส่วนนึงที่จะช่วยเหลือการผ่าตัดของแพทย์ให้มีความแม่นยำมายิ่งขึ้น ซึ่งเครื่องมือต่าง ๆ เหล่านี้นั้น สามารถช่วยเหลือ ศัลยแพทย์ ให้เข้าถึงในส่วนที่ยาก ๆ เช่น สมอง หัวใจ ที่ต้องใช้ความละเอียดแม่นยำสูงมาก และมีผลต่อชีวิตคนไข้เป็นอย่างมาก

ต้องยอมรับว่าถึงแม้ศัลยแพทย์ ที่เป็นมนุษย์นั้นจะเก่งแค่ไหนก็ตาม แต่ยังไง มนุษย์ก็ต้องมีขีดจำกัดในการทำงานในสภาวะที่ยาก ๆ เช่น ในบริเวณชิ้นส่วนของร่างกายที่มีขนาดเล็กมาก ๆ หรือ การเข้าถึงส่วนที่ผิดปรกติของร่างกาย บางครั้งแพทย์ก็รู้ว่าส่วนที่ผิดปรกตินั้นอยู่ตำแหน่งใด

แต่เนื่องจากขีดจำกัดบางอย่าง ก็ไม่สามารถเข้าถึงชิ้นส่วนของร่างกายที่ผิดปรกตินั้นได้ ซึ่งภายในไม่กี่ปีนี้ Robot นั้นจะมีการนำมาใช้อย่างกว้างขวางอย่างแน่นอน เพราะเป็นตลาดที่มีมูลค่ามหาศาล รวมถึง สิทธิบัตรต่าง ๆ ที่บริษัทใหญ่ ๆ ถือครองอยู่ แม้จะเป็นอุปสรรคในการเข้าถึง แต่ บางที Robot ที่สามารถก้าวผ่านขีดจำกัดของมนุษย์ได้นั้น แม้จะแพงแค่ไหน ยังไงก็เป็นสิ่งที่น่าลงทุนอยู่ดี เพราะสามารถที่จะช่วยเหลือชีวิตเราได้อย่างมีประสิทธิภาพมากกว่าเดิม

References : www.zdnet.com

ติดตาม ด.ดล Blog เพิ่มเติมได้ที่
Fanpage : facebook.com/tharadhol.blog
Blockdit : blockdit.com/tharadhol.blog
Twitter : twitter.com/tharadhol
Instragram : instragram.com/tharadhol