จุดจบของ Watson Health กับความทะเยอทะยานที่ไม่สมดังหวังของ IBM

International Business Machines Corp (IBM) ได้ตกลงที่จะขายส่วนหนึ่งของธุรกิจ IBM Watson Health ให้กับบริษัทร่วมทุน Francisco Partners ซึ่งเป็นการลดความทะเยอทะยานที่ครั้งหนึ่งเคยยิ่งใหญ่ของบริษัทเทคโนโลยีในด้านการดูแลสุขภาพ  

มูลค่าของสินทรัพย์ที่จำหน่าย ซึ่งรวมถึงชุดข้อมูลและผลิตภัณฑ์ที่หลากหลาย รวมถึงซอฟต์แวร์ที่มีมูลค่ามากกว่า 1 พันล้านดอลลาร์ ตามรายงานของ Bloomberg

แต่ AI ควรจะเป็นอนาคตไม่ใช่หรือ? IBM ควรจะเก่งเรื่องนี้ไม่ใช่หรือ?

ต้องบอกว่าทุกอย่างของ Watson นั้นเริ่มต้นได้ดี ผลงานชุดแรกๆ ของ Watson คือค้นหาการวินิจฉัยที่น่าจะเป็นไปได้มากที่สุดจากความรู้สารานุกรมเกี่ยวกับโรคหายาก แต่ความท้าทายหลายอย่างได้กลายเป็นจุดจบของมัน ไม่ว่าจะเป็น ศพคอหัก รูกระสุน 15 รู และกลิ่นไซยาไนด์ที่แรง มันได้ทำให้เกิดคำถาม: ความล้มเหลวครั้งใหญ่ครั้งใดที่ทำให้ Watson ถึงจุดจบ

IBM Watson ได้กลายมาเป็นที่รู้จักมากที่สุดคือในปี 2011 เมื่อใช้เทคโนโลยี natural language processing และ capacious knowledge models เพื่อเอาชนะ Jeopardy ซึ่งเป็นเกมโชว์ทางทีวีของอเมริกา

IBM ใช้โอกาสดังกล่าวในการเปิดตัว Watson Health  ด้วยการวิเคราะห์แบบอัตโนมัติ บริษัทได้กล่าวว่า แพทย์สามารถวินิจฉัยได้แม่นยำยิ่งขึ้น รวดเร็วขึ้น และเสียค่าใช้จ่ายน้อยลง การรักษาจะตรงเป้าหมายมากขึ้นสำหรับผู้ป่วยจำนวนมากขึ้น การปฏิวัติด้านการดูแลสุขภาพกำลังจะเป็นจริง

IBM ได้รังสรรค์สำนักงานใหญ่แห่งใหม่ในแมนฮัตตัน ซึ่ง Watson สามารถแสดงความสามารถอันน่าทึ่งได้ พันธมิตร สถาบันและองค์กรธุรกิจชั้นนำลงทะเบียนเพื่อการพัฒนาร่วมกัน และความมหัศจรรย์ของการเปลี่ยนโฆษณาให้กลายเป็นความจริงได้เริ่มต้นขึ้น

ในปี 2019 IEEE Spectrum ซึ่งเป็นวารสารขององค์กรวิชาชีพด้านวิศวกรรมอิเล็กทรอนิกส์ของอเมริกา รายงานว่ามีการประกาศความร่วมมือประมาณ 50 รายนับตั้งแต่เปิดตัวระหว่าง IBM Watson และองค์กรด้านการดูแลสุขภาพทั่วโลก

โดยระบุรายชื่อองค์กรที่มีชื่อเสียงสูงสุด 20 แห่ง โดยมีหน่วยงานชื่อดังมากมาย เช่น Mayo Clinic องค์กรระดับชาติของอเมริกาในด้านโรคมะเร็ง โรคหัวใจและการวิจัยด้านเนื้องอกวิทยา ตลอดจนโรงพยาบาลและบริษัทต่างๆ มากมาย 

แต่เมื่อมีการเผยแพร่การทดลองทางคลินิก Watson กลับล้มเหลวทุกครั้ง มันไม่สำคัญหรอกว่ามันจะอยู่ในสาขาไหน มันทำคะแนนได้น้อยกว่าแพทย์ที่เป็นมนุษย์อยู่สม่ำเสมอ บางครั้งความแม่นยำต่ำกว่า 50 เปอร์เซ็นต์เลยด้วยซ้ำ และแสดงให้เห็นถึงจุดบอดที่น่าตกใจในการรักษา ผู้เชี่ยวชาญทางการแพทย์กังวลว่า AI จะไม่ได้ช่วยเหลือพวกเขาได้อย่างแท้จริง

แน่นอนว่า AI สามารถเรียนรู้กฎของ Jeopardy ได้ในไม่กี่นาที แต่การจะเป็นหมอต้องใช้เวลาเป็น 10 ปี Watson Health ไม่สามารถทำงานได้ในหลายสาขาพร้อมกัน ที่ต้องการความฉลาดทั่วไปที่ AI ยังไม่มีในปัจจุบัน จำเป็นต้องพัฒนาจากพื้นฐานกับผู้เชี่ยวชาญในแต่ละด้าน เพื่อให้พวกเขาสามารถกำหนดกฎเกณฑ์ วิธีการทำงาน ที่มีประสิทธิภาพวงการแพทย์ได้ 

IBM พยายามหลีกเลี่ยงโดยการซื้อบริษัทอื่นที่มีผลิตภัณฑ์ทางการแพทย์ AI ที่ประสบความสำเร็จ เพื่อดูดเอาความสามารถของพวกเขา ซึ่งบริษัทเล็ก ๆ เหล่านี้สามารถประสบความสำเร็จได้ด้วยตัวเองเมื่อเป็นการแข่งขันขนาดเล็ก และมีความคล่องตัวสูง แต่ไม่สามารถเติบโตได้เมื่อผนวกเข้ากับระบบการตลาดที่นำโดย Watson 

Watson Health ของ IBM ล้มเหลว เช่นเดียวกับเทคโนโลยี Machine Learning หลายๆ อย่าง มันต่างจากเกม Jeopardy ที่เกมดังกล่าวเป็นการสร้างคำถามจากชุดข้อมูล แต่การดูแลสุขภาพ การวินิจฉัย และการรักษาที่มีทักษะสูงสุดเป็นไปโดยอัตโนมัติโดยแพทย์ผู้เชี่ยวชาญ ซึ่งปัญหาไม่ได้อยู่ที่การรับข้อมูลมากที่สุดและการมีอัลกอริทึมที่ดีที่สุดแต่อย่างใด 

ต่างจากเกม Jeopardy ที่เกมดังกล่าวเป็นการสร้างคำถามจากชุดข้อมูล (CR:Huffpost)
ต่างจากเกม Jeopardy ที่เกมดังกล่าวเป็นการสร้างคำถามจากชุดข้อมูล (CR:Huffpost)

แพทย์ที่ดีจะพบกับผู้ป่วยคอยซักถามอาการ Watson ขาดความสามารถในส่วนนี้ ไม่เห็นภาพรวมของกระบวนการของการรักษา ซึ่งการทำงานของแพทย์ ไม่ใช่เพียงแค่การรับอินพุทข้อมูลเท่านั้น แต่มีกระบวนการอีกมากมายที่ใช้ในการรักษาผู้ป่วย

IBM เปิดตัว Watson Health ในปี 2015 โดยมีจุดประสงค์เพื่อใช้แพลตฟอร์มปัญญาประดิษฐ์หลักเพื่อช่วยให้ผู้ให้บริการด้านสุขภาพวิเคราะห์ข้อมูลจำนวนมากและปฏิวัติการรักษามะเร็ง แต่ในท้ายที่สุดความทะเยอทะยานของบริษัทก็ไม่สมหวัง ลูกค้าบางรายบ่นว่าผลิตภัณฑ์ของบริษัทไม่ตรงกับโฆษณา

ในปี 2012 แพทย์ที่ศูนย์มะเร็ง Memorial Sloan Kettering ที่ได้ร่วมมือกับ IBM ฝึกอบรม Watson เพื่อวินิจฉัยและรักษาผู้ป่วย แต่ตามเอกสารของ IBM ซูเปอร์คอมพิวเตอร์มักให้คำแนะนำที่ไม่ดี เช่น แนะนำให้ผู้ป่วยมะเร็งที่มีเลือดออกรุนแรงได้รับยาที่อาจทำให้อาการเลือดออกแย่ลง 

บทสรุปที่เกิดขึ้นกับ Watson Health ไม่ได้หมายความว่าเครื่องมือที่ใช้ AI ไม่สามารถใช้งานได้ในทางการแพทย์  Watson Health ใช้เวลาหลายปีกว่าจะถึงจุดจบ แต่ก็ได้ช่วยเหลือวงการแพทย์ในหลาย ๆ เรื่องเช่นเดียวกัน

แต่หลังจากใช้งบประมาณไป 4 พันล้านดอลลาร์ในการซื้อกิจการรวมถึงการวิจัยและพัฒนา Watson เองยังไม่สามารถสร้างก้าวหน้าแบบที่ IBM คิดไว้ในตอนแรกและธุรกิจนี้ก็ไม่สามารถทำกำไรได้ ปีที่แล้ว Wall Street Journal รายงานว่าธุรกิจดังกล่าวของ IBM สร้างรายได้ประมาณ 1 พันล้านดอลลาร์เพียงเท่านั้น

การตัดสินใจเลิกธุรกิจนี้ถูกมองว่าเป็นหนทางที่จะช่วยให้ Arvind Krishna ประธานเจ้าหน้าที่บริหารซึ่งได้รับแต่งตั้งใหม่ในขณะนั้นมุ่งเน้นไปที่การดำเนินการคลาวด์คอมพิวติ้งที่เติบโตเร็วขึ้น สิ่งเป็นสิ่งที่ IBM มีความถนัดมากกว่านั่นเองครับผม 

References : https://www.theregister.com/2022/01/31/machine_learning_the_hard_way
https://www.bloomberg.com/news/articles/2022-01-21/ibm-is-said-to-near-sale-of-watson-health-to-francisco-partners
https://missthinkup.com/watsons-fatal-misdiagnosis-the-register/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6433269/
https://www.theverge.com/2018/7/26/17619382/ibms-watson-cancer-ai-healthcare-science

AI ใหม่ของ IBM กับการเรียนรู้ผ่านความทรงจำ

เมื่ออัลกอริทึม AI เริ่มมีการเรียนรู้ทักษะใหม่ ตัวอย่างการเล่น วิดีโอเกมเช่น StarCraft II  ซึ่งแน่นอนว่ามันดีพอที่จะโค่นล้มผู้เชี่ยวชาญเกมส์ StarCraft II ที่ดีที่สุดที่เป็นมนุษย์ได้ไม่ยากนัก

แต่นั่นเป็นเรื่องจริงถ้าทุกคนเล่นตามกฎเกณฑ์เดียวกัน แต่หากเราเปลี่ยนพารามิเตอร์ของเกม จะทำให้ AI พบว่าตัวเองไม่สามารถปรับตัวได้ทั้งหมด ตัวอย่างเช่น AI ที่เก่งในเกม Pong ไม่สามารถรับมือแม้แต่การเปลี่ยนระยะทางไปเพียงเล็กน้อยระหว่างไม้ตีทั้งสองนั่นเอง

ตอนนี้การวิจัยใหม่ของ IBM ที่จะนำเสนอในการประชุม AI ในเดือนพฤษภาคมที่ผ่านมา  บริษัท ด้านเทคโนโลยียักษ์ใหญ่ กล่าวว่าความสามารถใหม่ของ AI ตอนนี้ ทำให้มันสร้างอัลกอริทึมที่สามารถเรียนรู้ได้ทันที โดยใช้ประโยชน์จากสิ่งที่คล้ายกับหน่วยความจำเสมือนเพื่อปรับให้เข้ากับสภาพแวดล้อมที่เปลี่ยนแปลงโดยไม่จำเป็นต้องได้รับการฝึกฝนตั้งแต่เริ่มต้นใหม่เหมือน AI รูปแบบเดิม ๆ ที่เคยมีมา

ตัวอย่างเช่นเมื่อเล่นเกม Flappy Bird อัลกอริทึมสามารถเล่นต่อไปได้แม้ว่าระยะทางระหว่างท่อและสิ่งกีดขวางยังคงเปลี่ยนไป ตามรายงานการวิจัยล่าสุดโดยห้องปฏิบัติการ IBM-Watson AI ซึ่งตัวอย่างที่น่าทึ่งของ ของการปรับตัวเรียนรู้ได้ตามสถานการณ์ของ AI จาก IBM

เป้าหมายสุดท้ายของโครงการนี้ คือ การสร้างปัญญาประดิษฐ์ที่คล้ายมนุษย์มากที่สุด หรือ ทำให้มันเหมือน AI จากนิยายวิทยาศาสตร์นั่นเอง งานวิจัยใหม่นี้ยังไม่ได้เพียงแต่จะทำให้ AI เรียนรู้ในแบบมนุษย์มากขึ้นโดยเลียนแบบความยืดหยุ่นของสมอง และความสามารถในการปรับปรุงฐานความรู้เมื่อกาลเวลาผ่านพ้นไป หรือสภาพแวดล้อมที่เปลี่ยนแปลงไปนั่นเอง

Matt Riemer นักวิทยาศาสตร์ของ IBM อธิบายว่าการวิจัยของทีมของเขาจัดการกับปัญหาของ AI ซึ่งโดยทั่วไปอัลกอริทึม AI จะตกเป็นเหยื่อของสิ่งที่เรียกว่า “catastrophic forgetting”  ซึ่งความหมายคือ AI ลืมการฝึกอบรมก่อนหน้าทั้งหมดทันทีที่พวกเขาได้รับการฝึกฝนเกี่ยวกับงานใหม่ที่เกิดขึ้น

นักวิทยาศาสตร์คนอื่นได้จัดการกับกับเรื่องดังกล่าวเฉกเช่นเดียวกับที่ IBM ทำ โดยทีมหนึ่งจาก DeepMind ของ Google ได้สร้างอัลกอริธึมด้วยวิธีการที่อนุญาตให้ AI เก็บ“ ความทรงจำ” ได้ดีขึ้น ซึ่งงานวิจัยใหม่นี้จัดการปัญหาที่คล้ายกันกับการวิจัย DeepMind แต่จากมุมมองที่ต่างออกไปนั่นเอง

แต่ Riemer เขียนว่าการป้องกันอัลกอริทึมจากการลืมสิ่งที่เคยเรียนรู้มานั้นไม่ดีเท่ากับการสร้าง AI ที่สามารถปรับและเรียนรู้สิ่งใหม่ ๆ ได้แบบเดียวกับทักษะของมนุษย์นั่นเอง

ความแตกต่างที่สำคัญคือทีมงานของ IBM พบวิธีการฝึกอบรม AI เพื่อให้ เมื่อพบกับการเปลี่ยนแปลงสภาพแวดล้อมไม่ว่าจะเป็นระยะห่างระหว่างท่อในเกม Flappy Bird หรือสิ่งอื่นใด ความรู้ที่มีอยู่และการฝึกอบรมที่มีอยู่ถูกถ่ายโอนไปยังงานใหม่ได้อย่างมาประสิทธิภาพมากที่สุด

ในท้ายที่สุด Riemer เขียนเป้าหมายสูงสุดของ IBM คือการสร้าง AI ที่สามารถทำสิ่งต่าง ๆ ด้วยตัวเอง เรียนรู้ และปรับตัวโดยไม่จำเป็นต้องมีมนุษย์คอยดูแลและคอยช่วยเหลือไปตลอดทางนั่นเอง

References : 
https://futurism.com

Geek Monday EP6 : AI ในอุตสาหกรรม 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

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

การลงทุนด้าน AI กลายเป็น Priority ที่สำคัญที่สุดของบริษัทยักษ์ใหญ๋ในอเมริกา

ต้องบอกว่า ณ ขณะนี้นั้น ยุค Mobile First ได้จบลงไปแล้ว สำหรับการแข่งขันของบริษัทยักษ์ใหญ่ด้านเทคโนโลยีของอเมริกา

ตอนนี้ ทุก ๆ บริษัทนั้นกำลังมุ่งเน้นมาที่ AI First ซึ่งเป็นคลื่นลูกใหม่ของเทคโนโลยี ที่จะมีผลต่อการแข่งขันของเหล่าบริษัทยักษ์ใหญ่ทั้งหลายไม่ว่าจะเป็น Google , Apple , Facebook , Amazon, IBM  หรือ Microsoft

จากการที่ Apple ได้ทำการจ้างอดีตหัวหน้าฝ่าย Search & AI มาจาก Google ได้นั้น ต้องถือว่าเป็นการย้ายสลับขั้วที่เป็นข่าวใหญ่เลยทีเดียว

เป็นการเสียมือดีอย่าง John Giannandrea ซึ่งฝากผลงานไว้อย่างมากมายกับเทคโนโลยีสุดล้ำของ Google ซึ่งสุดท้ายก็ได้ทำสิ่งที่เหลือเชื่อคือ การย้ายข้ามฝากมาทำงานกับ Apple ซึ่งจะดูเป็นรองในด้าน AI เมื่อเที่ยบกับ Google

ซึ่งจากรายงานของนักวิเคราะห์จาก Morgan Stanley อย่าง Katy Huberty นั้น พบว่าในบริษัทยักษ์ใหญ่ในอเมริกาในขณะนี้นั้น Priority ที่สำคัญที่สุดในการที่จะแข่งขันกับคู่แข่งได้ คือ การลงทุนด้าน AI ไม่ว่าจะเป็นนักวิจัย หรือ ผู้เชี่ยวชาญด้าน AI นั้นบริษัทเหล่านี้พร้อมที่จะทุ่มเทงบประมาณเต็มที่เสมอ เพื่อดึงตัว สุดยอดฝีมือทางด้าน AI ให้มาเข้าร่วมกับตนเองให้ได้ ดังตัวอย่างที่ Apple สามารถทำได้มาแล้ว

John Giannandrea

ซึ่งการจ้าง John Giannandrea ทำให้เค้ากลายเป็นผู้บริหารสำคัญลำดับต้น ๆ ของ Apple ในขณะนี้ โดยต้องรายงานตรงไปยัง Tim Cook CEO ของบริษัท Apple เพียงคนเดียวเท่านั้น ต้องถือว่าข่าวนี้เป็นการแสดงให้เห็นถึงการประกาศอย่างชัดเจนว่า Apple จะเป็นผู้เล่นรายสำคัญ ในอุตสาหกรรม AI/Machine Learning ที่จะมีบทบาทสำคัญต่อโลกของเราอย่างมากในอนาคตอันใกล้นี้ เนื่องจากทุก ๆ บริษัทยักษ์ใหญ่ตอนนี้ได้มุ่งเน้นมายัง AI First กันแทบทั้งหมด

การที่ apple เข้ามา Focus ในส่วนของ AI นั้น ก็เพื่อช่วยพัฒนาผลิตภัณฑ์อย่าง SIRI ให้มีความสามารถมากยิ่งขึ้น รวมถึงผลิตภัณฑ์ที่ apple แอบซุ่มพัฒนาอยู่อย่าง self-driving car ซึ่งต้องใช้เทคโนโลยีชั้นสูงทางด้าน AI และต้องใช้บุคคลากรที่มีความสามารถสูงอย่าง John Giannandrea จึงจะบรรลุเป้าหมายที่ apple ต้องการได้

AI Vendor ระดับท็อป

สำหรับ Google , Apple และ Facebook นั้น ผลิตภัณฑ์ทางด้าน AI จะเน้นไปยังกลุ่ม Consumer เป็นหลัก แต่ ถ้าพูดถึงตลาดสำหรับองค์กรนั้น จากการสำรวจ AI Vendor ระดับท็อป อย่าง Amazon , Microsoft และ IBM ผ่านการสำรวจกับ CIO ของบริษัทต่าง ๆ ในสหรัฐอเมริกา และ ยุโรป พบว่า Amazon Machine Learning ใน AWS ของ Amazon และ Microsoft Machine Learning ใน Cortana ของ บริษัท Microsoft นั้นมาเป็นอันดับหนึ่งในผลการสำรวจ โดยได้คะแนนถึง 13% จากผู้ตอบแบบสอบถามทั้งหมด โดยผู้ที่เข้าร่วมตอบแบบสอบนั้นจะเป็นคนที่ใช้เทคโนโลยีทางด้าน AI หรือ มีแผนที่จะใช้เทคโนโลยีทางด้าน AI เหล่านี้อยู่แล้ว

อันดับที่ 3 คือ IBM Watson จากบริษัท IBM ที่ได้คะแนน 12% ตามมาด้วย Salesforce.com (CRM) Machine Learning ที่ได้ไป 7%

ซึ่งผลจากการที่ปีที่แล้ว IBM นั้นได้เสียหัวหน้าฝ่ายวิจัยด้าน AI ไปให้กับคู่แข่ง และการพัฒนาขึ้นมาอย่างรวดเร็วของ Amazon และ Microsoft นั้นทำให้สามารถแซง IBM ที่ผลิตภัณฑ์เด่นอย่าง IBM Watson ขึ้นมาได้จากการสำรวจดังกล่าว

ซึ่งการแข่งขันทางด้าน AI/Machine Learning ในอุตสาหกรรมต่าง ๆ ของอเมริกานั้น ล้วนแล้วแล้วแต่ต้องพี่งพาผลิตภัณฑ์ต่าง ๆ จากบริษัทเทคโนโลยีใน Silicon Valley แทบทั้งสิ้น ในทุก ๆ อุตสาหกรรม ที่มีการใช้ IT ในการขับเคลื่อนธุรกิจ

ซึ่งโดยเฉลี่ยแล้วในอุตสาหกรรมต่าง ๆ ของสหรัฐนั้น มีการใช้งบทางด้าน Information Technology อยู่ทีประมาณ 5.8% ในแต่ละปี ซึ่งตลอด 10 ปีที่ผ่านมางบดังกล่าว ก็ได้เติบโตขึ้นเรื่อย ๆ ตามกระแสของเทคโนโลยีที่เติบโตขึ้นอย่างรวดเร็ว

ซึ่งในยุค AI First นั้น องค์กรต่าง ๆ ก็ต้องการผลิตภัณฑ์ที่จะตอบโจทย์ธุรกิจของตนเอง เพื่อให้สามารถเป็นอาวุธในการแข่งขันในตลาดที่ดุเดือด และเปลี่ยนแปลงอย่างรวดเร็วอย่างเช่นในปัจจุบันได้ หากองค์กรใดที่ไม่ยอมปรับตัว ก็มีโอกาสที่ ธุรกิจที่มีมาร้อย ๆ ปี อาจจะล่มสลายได้ในเวลาเพียงไม่นาน เหมือนที่หลาย ๆ ธุรกิจ อย่าง สิ่งพิมพ์ เพลง หรือบริษัทมือถือยุคเก่าอย่าง Blackberry,Nokia เคยล้มมาแล้วในเวลาอันสั้น หากไม่ยอมคิดที่จะปรับตัว

 

References : thenextweb.com wikipedia.org www.investors.com