กว่าทศวรรษที่ผ่านมา เราได้เห็นความก้าวหน้าทางเทคโนโลยีและการเติบโตขององค์ความรู้ในการรักษาและดูแลสุขภาพอย่างก้าวกระโดดตั้งแต่ สังคมผู้สูงวัย โรคระบาด ฝุ่นมลพิษ หรือรูปแบบการใช้ชีวิตที่ส่งผลเสียต่อร่างกายมนุษย์ ล้วนทำให้บทบาทของการบริการและบุคลากรที่เกี่ยวข้องกับโรงพยาบาลนั้นมีความสำคัญเพิ่มมากขึ้น วันนี้จึงอยากชวนคุยถึง 4 เทคโนโลยีควรรู้เกี่ยวกับ Healthcare ในปี 2023 โดยทางผู้เขียนขอตั้งชื่อว่า 4 Tech Trends นี้ว่า S-T-A-R
S : Storage, Accessibility, Data Privacy and Security
T: Telemedicine and Beyond Telemed
A: AI and Automation in Diagnosis & Medicine Dispensing
R: Real-Time Simulation and Digital Twin
S : Storage, Accessibility, Data Privacy and Security
ในปัจจุบันข้อมูลผู้ป่วยในโรงพยาบาลมีเพิ่มขึ้นอย่างมหาศาล ซึ่งไม่เพียงเกิดขึ้นเฉพาะข้อมูลระดับโรงพยาบาลเท่านั้นแต่ในระดับประเทศด้วยเช่นกัน โดยจะเห็นได้จากการทำระบบแลกเปลี่ยนข้อมูลการรักษาของผู้ป่วยระหว่างโรงพยาบาลให้เชื่อมต่อกันได้ หรือที่เราคุ้นชินว่า Health Link / HL7 FHIR ซึ่งล้วนเกิดขึ้นเพื่อประโยชน์สำหรับบุคลากรทางการแพทย์และตัวคนไข้เองทั้งสิ้น จากจุดนี้เองทำให้การวางโครงสร้างระบบ IT การจัดเก็บข้อมูลขนาดใหญ่จากหลายแหล่งให้เป็นระเบียบและมีระบบการเข้าถึงข้อมูลที่ปลอดภัย จึงมีความสำคัญอย่างมาก
เทคโนโลยีในการจัดเก็บข้อมูล ไม่ว่าจะเป็นการจัดเก็บบนคลาวด์ (Cloud Platform) หรือมีการติดตั้งระบบเก็บข้อมูลในองค์กร (On-Premise) ต้องผ่านการเลือกอย่างเหมาะสม ออกแบบโดยคำนึงถึงความเสี่ยง และประเด็นสำคัญต่าง ๆ ที่เกี่ยวข้อง ไม่ว่าจะเป็น ปริมาณข้อมูลที่จัดเก็บได้ การอัพเดทข้อมูลลงฐานข้อมูลอย่างถูกต้อง ความเป็นส่วนตัว และการยินยอมในการเข้าถึงข้อมูลทั้งจากบุคลากร บริษัทประกัน ภาครัฐ ฯลฯ นอกจากนี้ ในปัจจุบันเริ่มมีเทคโนโลยีทางเลือกในการจัดการข้อมูลขนาดใหญ่ที่สามารถผสานข้อมูลจากหลายแหล่ง ไม่ว่าจะเป็นบน Cloud หรือ On-premise การจัดเตรียมข้อมูลหรือแม้กระทั้งการทำ Data Analytics และ Dashboard สามารถทำได้สะดวกยิ่งขึ้นและมีราคาที่จับต้องได้ ตัวอย่างเช่น Big Data Platform จาก Blendata บริษัทในเครือของ G-Able ที่ได้รับการยอมรับในหลากหลายอุตสาหกรรมเลย
T: Telemedicine and Beyond Telemed
สิ่งนี้เกิดมาเพื่อตอบสนองความต้องการสำหรับผู้ที่ไม่สะดวกเข้าโรงพยาบาล ผู้ป่วยติดเตียง หรือผู้ป่วยที่เข้ารับการรักษาที่โรงพยาบาลแล้วต้องการที่จะพูดคุยอัพเดทอาการกับทางคุณหมอผ่าน Video Call หรือ Application ซึ่งเป็นผู้ป่วยที่ไม่มีความจำเป็นต้องใช้เครื่องมือตรวจเฉพาะทาง ดังนั้น Telemed จึงเป็นอีกทางเลือกที่ทำให้ชีวิตประจำวันของคนป่วยทุกวันนี้ง่ายขึ้นและไม่เสียเวลาการเดินทางอีกด้วย โดยเราได้เห็นการนำเทคโนโลยีนี้มาเพิ่มขึ้นช่วงการแพร่ระบาดของ Covid-19 ที่ผ่านมา รวมไปถึงนำมาช่วยผู้ที่ต้องการคำปรึกษาสุขภาพใจขณะกักตัวนั้นเอง
แต่ในปัจจุบันเริ่มมีการพัฒนาเพื่อให้บริการได้ครบวงจนมากขึ้น เช่น ปรึกษาคุณหมอได้ 24 ชม. ผ่าน Application หากพบว่าต้องมีการเจาะเลือด จ่ายยาหรือตรวจเพิ่มเติม ก็จะมีบริการจัดส่งบุคลากรทางการแพทย์ถึงบ้าน ซึ่งเป็นขึ้นกว่าของ Telehealth หรือ Virtual Hospital
A: AI and Automation in Pre-Screening Diagnosis and Medicine Dispensing
การนำ AI และ Automation มาช่วยในงานด้านการแพทย์ นับว่าเป็นเครื่องมือที่เป็นประโยชน์อย่างยิ่ง โดยเริ่มจากตัวอย่างการใช้ AI กันก่อน ถ้านิยามแบบง่าย AI ก็คือการป้อนข้อมูลจำนวนมากเพื่อสอนให้คอมพิวเตอร์เรียนรู้ Pattern ของข้อมูลจนสามารถคิดจำแนกแยกแยะ และตอบคำถามได้เอง
ตัวอย่างจริง เช่น ป้อนข้อมูลของคนไข้และปัจจัยที่เกี่ยวข้องในโรค Covid-19 และโรคไข้หวัดอื่น ๆ ที่มีอาการป่วยคล้ายกัน เพื่อให้ระบบเกิดการเรียนรู้ หลังจากได้โมเดลการทำนายมาใช้งาน เราก็สามารถป้อนข้อมูลคนไข้ที่ยังไม่ได้รับการวินิจฉัย เพื่อให้ AI ทำนายว่าจะมีโอกาสจะเป็นโรคใดมากที่สุด โดยสามารถประยุกต์ใช้กับโรคใดก็ได้ที่มีข้อมูล แต่ต้องตั้งอยู่บนพื้นฐานของคุณภาพ มีความสัมพันธ์ และมีปริมาณที่มากเพียงพอที่จะหา Pattern และจำแนกโรคได้ ซึ่งมีประโยชน์อย่างมากในการ Pre-screening อาการป่วยเบื้องต้นและช่วยในการตรวจวินิจฉัยจากแพทย์ได้อีกด้วย
หรืออีกตัวอย่าง ที่เป็นการนำ AI มาวินิจฉัยภาพถ่าย X-rays สมองว่ามีเนื้องอกหรือไม่ โดยให้ AI เรียนรู้รูปภาพที่มีเนื้องอกและรูปภาพที่ไม่มีเนื้องอกในสมอง หากมีการเรียนรู้ได้แม่นยำก็จะยิ่งเป็นประโยชน์ต่อวงการแพทย์ได้เป็นอย่างมากนั้นเอง นอกจากนี้โรงพยาบาลหลายแห่งเริ่มมีการใช้ระบบ Automation รับคำสั่งยาจากแพทย์ เพื่อให้ Robot ไปจัดยาให้กับผู้ป่วยอีกด้วย
R: Real-Time Simulation and Digital Twin: Advancing Organ monitoring and Queuing processes
มาถึงหัวข้อนี้หลายคนอาจจะยังไม่เห็นภาพ ว่ามันคืออะไร? และเกี่ยวข้องยังไงกับ Healthcare? ผู้เขียนจึงขอเกริ่นถึงความหมายกันก่อน โดย Queuing Process คือการจำลองระบบการรอคิวในแต่จะจุดของระบบ เป็นการนำศาสตร์ของคณิตศาสตร์และสถิติมาคำนวณ เพื่อประเมินประสิทธิภาพของระบบ ดูคิวที่เกิดขึ้นและมองหา Bottle Neck หรือคอขวดของระบบ จากนั้นจึงทำการปรับปรุงและวางแผนจัดระบบใหม่ให้มีการระบายคิวได้ไหลลื่นขึ้น ตัวอย่างเช่น คิวการเดินของคนในสวนสนุกตามจุดต่าง ๆ คิวการเคลื่อนที่ของสินค้าในโรงงาน หรือคิวการเดินเข้ามาใช้บริการในตามแต่ละจุดของโรงพยาบาล
สำหรับ Simulation คือการจำลองระบบหรือกระบวนการสักอย่างหนึ่ง โดยใช้ข้อมูลที่เก็บมาดูพฤติกรรมของระบบนั้น ๆ เช่น จำลองระบบแถวรอคิวที่อธิบายด้านบนโดย Interface ของโปรแกรมก็จะมีหน้าตาหลาย Block เรียงต่อกัน แสดงถึงจุดต่าง ๆ ในระบบที่เราสนใจ โปรแกรมอาจมีในรูปแบบ 2 หรือ 3 มิติก็ได้ อาจใส่รูป Animation คนเดิน–เครื่องจักทำงาน เข้าไปได้ด้วย โดยเราจำลองไว้ใช้เพื่อตัดสินใจปรับปรุงกระบวนการในระบบจริง
ส่วน Digital Twin มีคอนเซ็ปต์เป็น Model ที่สะท้อนวัตถุจริงและวัตถุในโลกเสมือน โดยถ้าวัตถุจริงมีการเปลี่ยนแปลงก็จะส่งผลทำให้ข้อมูลเปลี่ยนแปลงมายังวัตถุในโปรแกรมโลกเสมือนด้วย และเรายังสามารถป้อนคำสั่งในโลกเสมือน เพื่อให้วัตถุจริงเปลี่ยนแปลงกลับได้อีกด้วย เราเลยเรียกมันว่า Twin ตามชื่อนั้นเอง
Simulation กับ Digital Twin ต่างกันอย่างไร?
Simulation คือการเอาข้อมูลในอดีตมาจำลองระบบผ่านโปรแกรมคอมพิวเตอร์ เพื่อวางแผนสิ่งที่ยังไม่เกิด ส่วน Digital Twin คือการจำลองระบบในปัจจุบันเพื่อตัดสินใจปรับปรุงกระบวนการในปัจจุบันหรืออนาคตเลย โดยมักใช้ข้อมูล Real Time ผ่าน Sensor ซึ่งก็เรียกได้ว่าเป็น IOT: Internet of Thing รูปแบบหนึ่ง
แล้วจะนำมาปรับใช้กับโรงพยาบาลได้เหรอ?
สำหรับ Simulation เราสามารถนำข้อมูลการเข้าใช้บริการสถานพยาบาลตามแต่ละจุดในอดีต เพื่อจำลองระบบแถวคอย ดูจำนวนคิวที่เกิดขึ้น เวลารอเฉลี่ย แล้วจึงวางแผนการปรับปรุงประสิทธิภาพต่อไปเพื่อให้คิวและคอขวดลดลงและเพิ่มประสิทธิภาพในการรักษาและสร้างประสบการณ์ที่ดีให้แก่ผู้มาใช้บริการ
ส่วน Digital Twin จำลองและ Re-process ระบบ คล้ายกับการทำ Simulation แต่สามารถจำลองและแก้ปัญหาแบบ Real-time มากกว่า เช่น การเก็บข้อมูลผ่าน Sensor หรือกล้อง CCTV เพื่อดูจำนวนคิวผู้ใช้บริการและทรัพยากรที่ทางสถานพยาบาลมีให้บริการ ไม่ว่าจะเป็น บุคลากร อุปกรณ์ เตียง ในจุดต่าง ๆ แล้วทำการปรับแผนกลยุทธเพื่อให้มีระดับการบริการที่ดีขึ้น ซึ่งหากทำได้อย่างรวดเร็วและเหมาะสม จะช่วยลด Waste เพิ่ม Utilization ใน Process และยกระดับ Operational Efficiency ในโรงพยาบาลได้เป็นอย่างมาก นอกจากนี้ยังมีประโยชน์ในกระบวนการผ่าตัด รวมถึงรักษาผู้ป่วยด้วยการใช้ Wearable Device มาช่วย Monitor การทำงานของอวัยวะในร่างกาย การเต้นของหัวใจ ความดัน เป็นต้น
สรุป
นี่เป็นเพียง 4 ตัวอย่าง Use Cases S-T-A-R สำหรับ Healthcare ที่ยกมาเล่าให้ฟังในบทความนี้ ซึ่งมีทั้งเทคโนโลยีที่มีการ Adopt ใช้อย่างแพร่หลายแล้ว เช่น การจัดเก็บระบบข้อมูลต่าง ๆ การพบแพทย์โดยไม่ต้องไปโรงพยาบาลอย่าง Telemedicine ซึ่งก็มีการใช้งานที่ง่ายและเกิด Social Impact ที่ดีมากในไม่กี่ปีที่ผ่านมา ในส่วนของการใช้ AI, Automation, Simulation และ Digital Twins แม้ยังไม่ได้มีการใช้อย่างแพร่หลายอันเนื่องมาจากข้อจำกัดในด้านต่าง ๆ แต่ก็อยู่ในขั้นการวิจัยและพัฒนา Use Case และองค์ความรู้ในด้านนี้ เพื่อให้มีความเข้าถึงได้ง่าย ราคาที่จับต้องได้ มีความน่าเชื่อถือ และคุ้มค่าในการใช้งานมากขึ้น
เขียนโดย: สิรวิชญ์ ตรงตรานนท์
Source