NOTE
🇹🇭 ภาษาไทย (ต้นฉบับ). Translated to English: 🇬🇧 Read in English
Speaker: นพ.ปิยะฤทธิ์ อิทธิชัยวงศ์ (Dr. Piyarit Ittichaiwong)
แพทย์ประจำศูนย์นวัตกรรมข้อมูลศิริราช (SiData+) คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล
Event: Techsauce Healthspan Festival 2026
AI กำลังเข้าใกล้ระดับมนุษย์และ AGI
- AI ในปัจจุบันมีความสามารถใกล้เคียงมนุษย์ในสายงานดิจิทัล โดยเฉพาะ White Collar jobs ที่อาจลดลง 10% ใน 2-3 ปี
- AGI (Artificial General Intelligence) อาจจะมาถึงในปีนี้หรือปีหน้า ตามที่ Dario (CEO of Anthropic) และผู้เชี่ยวชาญจีนคาดการณ์
- โมเดล AI ระดับ frontier กำลังพัฒนาจาก “เครื่องมือ” เป็น “เพื่อนร่วมงาน” (co-worker) ที่ช่วยทำงานได้จริง
ความสามารถของ AI ทางการแพทย์
- GPT-4o ได้คะแนน 86% ใน MedQA (ข้อสอบใกล้เคียง USMLE) ซึ่งอยู่ในระดับ percentile 99-98%
- แต่ใน “real-world” benchmark เช่น HelmetChart โมเดลเก่าอย่าง GPT-4o ได้เพียง 0% ในขณะที่ o3 ได้ 31.6% และ GPT-5 ได้ 46.2% (เฉลี่ยแพทย์อยู่ที่ 40%)
- GPT-5.2-5.4 สามารถชนะแพทย์เฉพาะทาง (radiologist, specialist) ในหลายงาน แสดงว่าโมเดลทำได้ดีไม่น้อยไปกว่าหมอ general ในปัจจุบัน
การพัฒนาโมเดลและต้นทุน
- การเทรนโมเดลด้วยข้อมูลจากหนังสือและ public record กำลังจะถึงขีดจำกัด ต้องการ data ที่มีคุณภาพสูงขึ้น
- ราคา AI ลดลงอย่างมาก จาก 1 ดอลลาร์เหลือ 1 บาท (ประมาณ 30 เท่า) ทำให้สามารถใช้ multi-agent systems ได้
- โมเดลจีน (Zhimi, Jiaoyue) มีคุณภาพระดับ top tier แต่ราคาถูกกว่ามาก
Multi-Agent AI Systems
- ปัจจุบัน AI เปลี่ยนจาก single chatbot เป็น multi-agent ที่ทำงานร่วมกันเหมือนทีมแพทย์
- มี orchestrator AI (เหมือน GP) ที่ประสานงานกับ specialist agents ต่างๆ
- ต้องมีความ explainable และ transparent เพื่อให้ตรวจสอบได้
ความสำเร็จของทีมไทย
- ทีมจากศิริราช โรงพยาบาลกรุงเทพ และบริษัท Carely (ลูกของ ปตท.สผ. และ Primes) แข่งขันกับ 300+ ทีม ได้ 3 awards จากการแข่งขันที่จัดโดย Harvard และมหาวิทยาลัยชั้นนำ ชนะทีมจาก Carnegie Mellon และอื่นๆ
- ทีมไทยได้อันดับ 4 ของโลกในการแข่งขันที่จัดโดย ACL (conference ด้าน NLP ชั้นนำ) ในการสร้าง AI ที่อ่านภาพ X-ray และเขียน report ออกมาได้ แพ้แค่ Meta เพราะมี GPU น้อยกว่าหลายเท่า
- แอปพลิเคชัน AI ของทีมไทยถูกใช้ในอย่างน้อย 30 โรงพยาบาลและกำลังขยายมากขึ้น
การประยุกต์ใช้ AI ในการแพทย์
- 81% ของแพทย์ใช้ AI อย่าง large language models และเครื่องมือค้นหา และ 88% มีความรับผิดชอบในการใช้
- 70% มองว่า AI จะช่วยลดงานเอกสารที่แพทย์ไม่ได้เรียนมาทำ
- AI ช่วยในการวินิจฉัยภาพ (เช่น X-ray) และเขียน report ช่วยแพทย์ GP ในต่างจังหวัด
- Medical AI (เช่น Claude AI) มีความแม่นยำ 90-93% เทียบเท่าผู้เชี่ยวชาญ
- Google DeepMind และ Insilico Medicine ใช้ AI ในการออกแบบยา ลดเวลาจากหลายปีเหลือไม่กี่เดือน
ปัญหาและข้อจำกัด
- AI ยังมีปัญหาใน under-triage (การคัดกรองต่ำกว่าที่ควรจะเป็น 50-60%) เพราะไม่ได้ถามต่อเหมือนมนุษย์
- Empathy ของ AI แม้จะทำได้ดี แต่ยังไม่แน่ใจว่าเป็น empathy จริงหรือไม่
- ปัญหาด้าน regulation และ law ยังต้องแก้ไข
จุดแข็งและโอกาสของประเทศไทย
- ประเทศไทยมีปริมาณข้อมูลมหาศาล (แพทย์ไทยตรวจคนไข้วันละ 60+ คน เทียบกับ UK/US ที่ 10-15 คน) ซึ่งเป็น data ที่มีคุณภาพสำหรับเทรนโมเดล
- ทีมไทยมีความสามารถทัดเทียมระดับโลก แต่ขาด GPU และทรัพยากร
- อนาคตจะเป็น multi-modal และ multi-lingual AI ซึ่งข้อมูลภาษาไทยจะเป็นจุดแข็ง
ทิศทางอนาคต
- Health Care and Wellness จะเป็นธีมสำคัญ เพราะเมื่อมีทุกอย่างพร้อม สิ่งที่คนต้องการคือชีวิตและสุขภาพ
- ประเทศไทยมีศักยภาพเป็นผู้นำด้าน Health and Wellness โดยมีการสนับสนุนจากรัฐบาล
- ตลาดการแพทย์จะมีความยืดหยุ่นมากขึ้นและมีการใช้เทคโนโลยีมากขึ้น ไม่แยกเป็น separate อีกต่อไป
- ความร่วมมือระหว่างมนุษย์และ AI จะได้ผลลัพธ์ที่ดีที่สุด
- เชิญชวนนักศึกษาและคนไทยทั่วโลกกลับมาร่วมงานเพื่อให้ไทยกลายเป็นผู้นำในด้าน Health and Wellness