จากแชทบอทข้อความสู่คุณหมอวิดีโอ

โมเดลภาษาขนาดใหญ่ (LLMs) มีความเชี่ยวชาญในการดึงข้อมูลทางการแพทย์จากข้อความมานานแล้ว แต่การทำให้พวกมันมีทักษะการปฏิสัมพันธ์กับผู้ป่วย (bedside manner) นั้นพิสูจน์แล้วว่าทำได้ยาก ผู้ช่วย AI แบบดั้งเดิมจะตอบโต้ผ่านหน้าต่างแชทที่หยุดนิ่ง พวกมันไม่สามารถอ่านสีหน้าของผู้ป่วยหรือปรับเปลี่ยนน้ำเสียงตามบทสนทนาที่ดำเนินไปได้ AMIE (Video) พยายามปิดช่องว่างนั้นด้วยการย้ายการปฏิสัมพันธ์ไปยังลิงก์วิดีโอสด ซึ่ง AI จะต้องก้าวให้ทันสถานการณ์ ถามคำถามต่อเนื่อง และตอบสนองต่อสัญญาณทางภาพ

การเปลี่ยนจากข้อความเป็นวิดีโอไม่ใช่แค่การปรับเปลี่ยน UI เท่านั้น แต่มันบังคับให้โมเดลต้องประมวลผลกระแสข้อมูลภาพและเสียงอย่างต่อเนื่อง เลียนแบบจังหวะของการนัดหมายจริง และจัดการบทสนทนาหลายหัวข้อพร้อมกันโดยไม่หยุดชะงัก ในทางปฏิบัติ ความสามารถนี้อาจช่วยให้ AI ทำหน้าที่เป็นเจ้าหน้าที่คัดกรอง (triage agent) ด่านหน้า โดยจัดการกับปัญหาทั่วไปในขณะที่ช่วยให้แพทย์มีเวลาไปดูแลเคสที่ซับซ้อนมากขึ้น

วิธีการทดสอบ

Google ได้สร้างกรอบการทดสอบโดยจ้างนักแสดงที่ผ่านการฝึกฝนจำนวน 15 คน เพื่อสวมบทบาทเป็นผู้ป่วยที่มีอาการซับซ้อน นักแสดงเหล่านี้จะด้นสดภายใต้สถานการณ์ทางคลินิกที่ครอบคลุมระบบอวัยวะ 5 ระบบ ได้แก่:

  • อาการเกี่ยวกับระบบหัวใจและปอด
  • ปัญหาเกี่ยวกับช่องท้อง
  • ปัญหาเกี่ยวกับศีรษะ ตา หู จมูก และคอ (HEENT)
  • สภาวะทางระบบประสาทและจิตเวช
  • ความผิดปกติของระบบกล้ามเนื้อและกระดูก

จากนั้นผู้ประเมินทางคลินิกที่เป็นอิสระได้ให้คะแนน AI ในด้านความแม่นยำในการวินิจฉัย กลยุทธ์การตั้งคำถาม และการสื่อสารด้วยความเห็นอกเห็นใจ ซึ่งคะแนนที่ได้ทำให้ AMIE (Video) อยู่ในระดับที่เทียบเท่ากับการให้คะแนนแพทย์เวชปฏิบัติทั่วไป (primary-care physicians) ที่ดูแลเคสเดียวกัน

ทำไมผลลัพธ์นี้จึงสำคัญ

หาก AI สามารถสนทนากับนักแสดงผู้ป่วยได้อย่างน่าเชื่อถือและได้ข้อสรุปเดียวกับแพทย์ที่เป็นมนุษย์ ระบบสาธารณสุขก็สามารถนำ AI มาใช้เป็นจุดเริ่มต้นที่มีต้นทุนต่ำและขยายขนาดได้ท่ามกลางปัญหาการขาดแคลนบุคลากร AI ที่รองรับวิดีโอสามารถคัดกรองอาการที่ไม่เร่งด่วน นัดหมายติดตามผล หรือให้คำแนะนำเบื้องต้นได้ ทั้งหมดนี้โดยไม่ต้องมีภาระค่าใช้จ่ายของห้องตรวจจริง สำหรับผู้ป่วยในพื้นที่ห่างไกลหรือพื้นที่ที่ขาดแคลนบริการทางการแพทย์ แพทย์เสมือนจริง "ด่านหน้า" นี้อาจช่วยลดระยะเวลาการรอคอยได้อย่างมหาศาล

ข้อควรระวัง

การศึกษานี้ยังคงอยู่ในขอบเขตของการจำลอง นักแสดงไม่ว่าจะมีความสามารถเพียงใด ก็ไม่สามารถเลียนแบบความไม่แน่นอนของผู้ป่วยจริงที่มีทั้งประวัติส่วนตัว โรคประจำตัว และความผันผวนทางอารมณ์ในการเผชิญหน้าได้ นอกจากนี้ การประเมินยังต้องพึ่งพาผู้ประเมินที่เป็นมนุษย์ในการตีความประสิทธิภาพของ AI ซึ่งอคติส่วนตัว (subjective bias) สามารถแทรกซึมเข้าสู่ระบบการให้คะแนนใดๆ ก็ได้

การขออนุมัติจากหน่วยงานกำกับดูแลยังคงเป็นอีกหนึ่งอุปสรรค กรอบการทำงานของอุปกรณ์ทางการแพทย์ในปัจจุบันต้องการหลักฐานจากการใช้งานจริงก่อนที่จะอนุมัติฟังก์ชันการวินิจฉัยหรือการคัดกรอง หากไม่มีข้อมูลดังกล่าว การนำไปใช้งานใดๆ ก็จะยังคงจำกัดอยู่ในสภาพแวดล้อมการวิจัยหรือโครงการนำร่องที่มีการควบคุมอย่างเข้มงวด นอกจากนี้ยังมีประเด็นเรื่องความรับผิดชอบทางกฎหมาย: หาก AI อ่านสัญญาณทางภาพผิดพลาดและแนะนำแนวทางที่ผิด ใครจะเป็นผู้รับผิดชอบ—ผู้พัฒนา แพลตฟอร์มที่ให้บริการ หรือแพทย์ผู้ควบคุมดูแล?

ขั้นตอนต่อไป

Google ได้ส่งสัญญาณว่าในระยะต่อไปจะมีการทดสอบกับผู้ป่วยจริง โดยใช้ประวัติสุขภาพที่แท้จริงและกลุ่มประชากรที่หลากหลาย การศึกษาเหล่านั้นจะต้องพิสูจน์ไม่เพียงแต่ความเท่าเทียมในการใช้เหตุผลทางคลินิกเท่านั้น แต่ยังต้องพิสูจน์เรื่องความปลอดภัย ความเป็นส่วนตัวของข้อมูล และประสิทธิภาพที่เท่าเทียมกันในกลุ่มประชากรต่างๆ ด้วย

บทสรุป

AMIE (Video) แสดงให้เห็นว่า AI ที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่สามารถทำหน้าที่ได้อย่างดีในการนัดหมายผ่านวิดีโอจำลอง โดยได้รับคะแนนทางคลินิกเทียบเท่ากับแพทย์เวชปฏิบัติทั่วไปในกลุ่มอาการที่หลากหลาย ความก้าวหน้านี้เป็นการเปิดประตูสู่การดูแลด่านหน้าโดยใช้ AI แต่การทดสอบกับผู้ป่วยจริง การอนุมัติจากหน่วยงานกำกับดูแล และกรอบความรับผิดชอบที่ชัดเจน จะเป็นตัวตัดสินว่าเทคโนโลยีนี้จะก้าวจากห้องแล็บไปสู่คลินิกได้จริงหรือไม่