แนวทางที่ขับเคลื่อนด้วย AI ช่วยให้ผู้ก่อตั้งบริษัทเทคโนโลยีเอาชนะโรคมะเร็งหายากได้อย่างไร

เมื่อ Conno Christou ผู้ประกอบการที่ให้ความสำคัญกับการดูแลสุขภาพอย่างสูงสุด ได้รับการวินิจฉัยว่าเป็นมะเร็งต่อมน้ำเหลืองชนิด Non-Hodgkin ที่มีความรุนแรง เขาปฏิเสธที่จะปล่อยให้การอยู่รอดของเขาขึ้นอยู่กับโชคชะตา ด้วยการรับมือกับการต่อสู้ทางการแพทย์เหมือนกับการทำสตาร์ทอัพที่มีเดิมพันสูง เขาจึงใช้ประโยชน์จากข้อมูลจากอุปกรณ์สวมใส่ (wearable data) และ LLM เพื่อนำทางผ่านภูมิทัศน์ด้านการดูแลสุขภาพที่ซับซ้อน

การอยู่รอดด้วยข้อมูลเมื่อต้องเผชิญกับโรคหายาก

การวินิจฉัยของ Christou เป็นความผิดปกติทางสถิติ: มีก้อนเนื้อขนาด 11x11x8 เซนติเมตรอยู่หลังกระดูกหน้าอก ซึ่งเกิดจากการกลายพันธุ์ของยีนแบบสุ่ม สำหรับสภาวะที่ส่งผลกระทบต่อคนเพียง 1 ใน 420,000 คน โปรโตคอลทางการแพทย์มาตรฐานมักไม่เพียงพอต่อระดับความแม่นยำที่เขาต้องการ หลังจากได้รับคำแนะนำในการรักษาที่ตรงกันข้ามกันอย่างสิ้นเชิงจากผู้เชี่ยวชาญสองท่าน—คนหนึ่งแนะนำสูตรการรักษาที่มีอัตราความสำเร็จ 60% และอีกคนแนะนำแนวทางที่รุนแรงซึ่งมีอัตราความสำเร็จ 85%—Christou จึงหันไปใช้การรวบรวมข้อมูล

เขาไม่ได้หยุดอยู่แค่การขอความเห็นที่สอง แต่เขาไปรวบรวมมาถึง 12 ความเห็น ด้วยการมองว่าการฟื้นฟูร่างกายคือ "มาราธอนแห่งการวิ่งสปรินต์" (marathon of sprints) เขาจึงใช้ Whoop ซึ่งเป็นอุปกรณ์สวมใส่เพื่อทำนายภาวะระบบภูมิคุ้มกันล้มเหลว และจดบันทึกอาการอย่างละเอียดผ่านการถอดความด้วยเสียง การเก็บข้อมูลที่ละเอียดระดับนี้ช่วยให้เขาสามารถติดตามการนอนหลับ โภชนาการ และความยืดหยุ่นทางจิตใจ ด้วยความเข้มงวดแบบเดียวกับที่เขาใช้ในการขยายธุรกิจของเขา

การใช้ LLM เพื่อลดช่องว่างทางความรู้ทางการแพทย์

จุดเปลี่ยนที่สำคัญที่สุดในการเดินทางของ Christou คือการใช้ Claude ซึ่งเป็น LLM ที่พัฒนาโดย Anthropic แม้ว่าผู้เชี่ยวชาญทางการแพทย์อย่าง Danielle Bitterman จาก Mass General Brigham จะเตือนว่าแชทบอททั่วไปยังไม่ได้รับการรับรองสำหรับการวินิจฉัยเฉพาะบุคคล แต่ Christou พบประโยชน์ในอีกรูปแบบหนึ่ง นั่นคือการใช้ AI เพื่อตั้งคำถามที่ดีขึ้น

สำหรับมะเร็งต่อมน้ำเหลืองชนิดหายาก อายุรแพทย์โรคมะเร็งอาจพบอาการเฉพาะแบบนี้เพียงปีละครั้ง ในทางตรงกันข้าม LLM ได้ "ดูดซับ" วรรณกรรมทางการแพทย์ทั่วโลกไว้อย่างมหาศาล Christou ป้อนผลเลือด ข้อมูลจากการสแกน ข้อมูลจากอุปกรณ์สวมใส่ และบันทึกอาการของเขาลงในโมเดล เพื่อเปลี่ยนข้อมูลดิบให้เป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริง ซึ่งช่วยให้เขาดำเนินบทสนทนากับผู้เชี่ยวชาญระดับโลกได้อย่างมีประสิทธิภาพ

การหลีกเลี่ยงการรักษาที่ไม่จำเป็นผ่านการจดจำรูปแบบด้วย AI

พลังที่แท้จริงของ AI ปรากฏให้เห็นอย่างชัดเจนระหว่างการทำ PET scan ครั้งสุดท้ายของ Christou ซึ่งให้ผลลัพธ์ที่คลุมเครือ อายุรแพทย์โรคมะเร็งของเขาแนะนำให้เปลี่ยนไปใช้การรักษาในแนวทางที่สอง ซึ่งรวมถึงการฉายรังสีที่อาจเป็นอันตรายใกล้กับหัวใจและปอดของเขา

อย่างไรก็ตาม Christou พบสถิติที่สำคัญ: อัตราผลบวกปลอม (false-positive rate) สำหรับการทำ PET scan เมื่อสิ้นสุดการรักษาในสภาวะเฉพาะของเขาสามารถสูงถึง 60% เขาจึงป้อนข้อมูล PET scan และ MRI เข้าไปใน Claude ซึ่งโมเดลได้ระบุถึงปรากฏการณ์ทางคลินิกเฉพาะอย่างหนึ่งคือ "thymus rebound" โมเดลเสนอว่าในผู้ป่วยที่อายุต่ำกว่า 40 ปี ต่อมไทมัสที่กลับมาทำงานใหม่สามารถเลียนแบบลักษณะของโรคที่ยังคงอยู่ในการตรวจด้วยภาพถ่ายทางการแพทย์ได้ AI ประเมินความน่าจะเป็นของคำอธิบายนี้ไว้ที่ประมาณ 90% หลังจากขอการยืนยันจากผู้เชี่ยวชาญเพิ่มเติม ผลการวินิจฉัยก็ได้รับการยืนยันว่าเขาปลอดจากมะเร็ง และสามารถหลีกเลี่ยงการฉายรังสีที่ไม่จำเป็นได้

อนาคตของการสนับสนุนผู้ป่วยแบบเฉพาะบุคคล

เรื่องราวของ Christou เน้นย้ำถึงแนวโน้มที่กำลังเติบโตในด้าน "การสนับสนุนโดยผู้ป่วยที่ใช้ AI" (patient-led AI advocacy) เมื่อ LLM มีความซับซ้อนมากขึ้น เส้นแบ่งระหว่างความเชี่ยวชาญทางคลินิกและการวิเคราะห์ข้อมูลโดยผู้ป่วยก็เริ่มเลือนลาง สำหรับนักพัฒนาและผู้ก่อตั้ง นี่คือโอกาสมหาศาลในจุดตัดระหว่าง MedTech และ Generative AI นั่นคือการสร้างเครื่องมือที่ไม่ใช่เพื่อมาแทนที่แพทย์ แต่เพื่อเสริมอำนาจให้ผู้ป่วยสามารถรับมือกับข้อจำกัดของระบบการแพทย์ได้

สรุปประเด็นสำคัญ

• การตัดสินใจโดยมีข้อมูลรองรับ: Christou ปฏิบัติต่อการเดินทางทางการแพทย์ของเขาเหมือนกับปัญหาด้านวิทยาศาสตร์ข้อมูล โดยใช้อุปกรณ์สวมใส่และการบันทึกข้อมูลอย่างละเอียดเพื่อจัดการสภาวะทางร่างกายและจิตใจ
• AI ในฐานะชั้นของการใช้เหตุผล: แทนที่จะใช้ LLM เพื่อการวินิจฉัยโดยตรง เขาใช้ Claude เพื่อสังเคราะห์ข้อมูลที่ซับซ้อนและตั้งคำถามในระดับสูงให้กับทีมแพทย์ของเขา
• การลดความผิดพลาดทางการแพทย์: AI ช่วยระบุปรากฏการณ์ "thymus rebound" ซึ่งช่วยป้องกันการฉายรังสีที่ไม่จำเป็นและรุกล้ำร่างกาย เป็นการพิสูจน์ถึงคุณค่าของ AI ในการตรวจจับรูปแบบทางคลินิกที่อาจถูกมองข้าม