หรือว่า AI จะมาแย่งงานของบุคลากรทางการแพทย์? หลายทศวรรษที่ผ่านมาเทคโนโลยีต่างๆนั้นเติบโตได้อย่างก้าวกระโดด รวมไปถึงเทคโนโลยี ทางวิศวกรรมชีวการแพทย์ (biomedical engineering) ซึ่งเป็นการนำความรู้ทางวิศวกรรมศาสตร์ มาประยุกต์ใช้เพื่อประโยชน์ทางการแพทย์ หรืออาจแปลได้อีกนัยนึงว่าวิศวกรรมชีวการแพทย์คือจุดเชื่อมต่อระหว่างความรู้ทางวิศวกรรมกับความรู้ทางด้านสุขภาพนั่นเอง ยกตัวอย่างเช่น การออกแบบอุปกรณ์ทางการแพทย์ การวางระบบโปรแกรมต่างๆ เพื่อสนับสนุนการทำงานของแพทย์ เป็นต้น เทคโนโลยีนี้จึงมีบทบาทอย่างมากต่อระบบสุขภาพในปัจจุบัน จากข้อมูลของสำนักพิมพ์เดอะนิวยอร์กไทมส์ (the New York Times) พบว่าวิศวกรรมชีวการแพทย์ มีอัตราการเติบโตถึง 72 % ตั้งแต่ปี 2018 เป็นต้นมา นับว่าเป็นตัวเลขที่สูงมากทีเดียววิศวกรรมชีวการแพทย์สามารถแบ่งสาขาย่อยได้อีกหลากหลายสาขา ดังนี้micro/nano-bio engineering เช่น Nanobotscellular and tissue engineering and biomaterial เช่น การสร้างเซลล์ hip jointcardiovascular and respiratory systems engineering neural and rehabilitation engineering เช่น การรับสัญญาณคลื่นสมองบังคับแขนกลcomputational systems and synthetic biologytherapeutic and diagnostic systems and technologies เช่น IBM Watsonclinical engineering เช่น การบริหารจัดการห้องผ่าตัดbiomedical and health informaticstelemedicine medical robotics เช่น หุ่นยนต์จัดยาวิศวกรรมชีวการแพทย์ถูกพัฒนาและใช้งานอย่างมากมายและกว้างขวางมากขึ้นทั่วโลกรวมถึงในประเทศไทยเอง แต่อย่างไรก็ตาม มีคลื่นลูกเก่าก็ย่อมถูกคลื่นลูกใหม่ ปัจจุบันนี้มีเทคโนโลยีใหม่ล่าสุดซึ่งเป็นที่จับตามองอย่างมากนั่นคือ Quantum Computing ซึ่งถูกพัฒนาโดย IBM research ใช้ภาษาเป็นระบบ qubit โดย 1 qubit มีค่าเท่ากับ 21 path ดังนั้นหากเทียบกับ Supercomputer ของยุคปัจจุบันที่มี CPU ขนาด 64 bits เจ้า Quantum Computing ที่มีขนาด 64 qubit จะเท่ากับ 264 path เลยทีเดียว แสดงว่าการประมวลผลของ Quantum computing นั้นรวดเร็วกว่า Supercomputer เป็นทวีคูณแล้ว Quantum Computing ส่งผลอย่างไรต่อระบบสุขภาพ ?ยกตัวอย่างง่ายๆ เช่น การตรวจหายีนของมนุษย์โดยใช้ Supercomputer ต้องใช้เวลาไม่ต่ำกว่า 6 ชั่วโมงในการเทียบยีน 1 ชุด แต่ Quantum Computing ขนาด 1 qubit ใช้เวลาเพียง 6 วินาที ดังนั้นการตรวจหายีนของประชากรกลุ่มใหญ่ขึ้นหรือการตรวจวินิจฉัยโรคต่างๆ อาจใช้เวลาเพียงไม่กี่นาทีหรือไม่กี่วันก็เป็นได้ จึงเป็นผลดีต่อ Big data ในปัจจุบัน ซึ่ง Big data มีขนาดถึง 40 zettabytes และในทุกๆวินาทีจะมีข้อมูลต่างๆถูกสร้างขึ้นใหม่เรื่อยๆซึ่งจะถูกเก็บตาม data center ต่างๆ เช่น google data center หรือ apple data center ดังนั้นการมีทั้งข้อมูลที่ดีและไม่ดีใน data center จะทำให้สิ้นเปลืองพื้นที่และต้องสูญเสียค่าใช้จ่ายในการสร้างที่เก็บข้อมูลเพิ่มขึ้นมหาศาล การใช้ Quantum computering จะสามารถช่วยวิเคราะห์และกำจัดข้อมูลเหล่านี้ได้ จึงช่วยประหยัดทั้งพื้นที่และค่าใช้ได้มากยิ่งขึ้นบทบาทของ AI นอกจากนี้อีกเทคโนโลยีหนึ่งที่มีบทบาทอย่างมากในระบบสุขภาพที่ไม่พูดถึงไม่ได้นั่นคือ ปัญญาประดิษฐ์ หรือ Artificial Intelligence (AI) ซึ่งเป็นระบบประมวลผลที่ใช้ algorithms, heuristics, pattern matching, rules deep learning และ cognitive computing ในการวิเคราะห์ข้อมูลโดยไม่พึ่งมนุษย์ ระบบ AI นี้สามารถอ่าน วิเคราะห์ หรือดึงข้อมูลได้อย่างรวดเร็วและแม่นยำจากฐานข้อมูลขนาดที่ใหญ่เกินความสามารถของมนุษย์และ unstructure data ได้ เช่น ภาพรังสี, x-ray, CT-scan, คลื่นสมอง และข้อมูลผู้ป่วยในเวชระเบียน เป็นต้น ซึ่งการใช้ Quantum computering เข้ามาช่วยสนับสนุน AI ตรงจุดนี้จะทำให้ AI สามารถหาหรือดึงข้อมูลได้ทั่วทั้งโลกในเวลาอันรวดเร็วยิ่งขึ้นได้ ทำให้มีความเที่ยง (reliability) ที่สูงขึ้นอย่างมาก เพิ่มความเฉพาะเจาะจงต่อการรักษาในผู้ป่วยเฉพาะราย ลดความคลาดเคลื่อน (error) จากความเหนื่อยล้าของบุคลากรทางการแพทย์ ลดอัตราการตาย ลดค่าใช้จ่ายในการรักษา รวมถึงทำให้การตรวจวินิจฉัยโรคนั้นมีความรวดเร็วและแม่นยำ ดังนั้น AI จึงสามารถนำไปใช้ในการติดตามผู้ป่วย (patient monitoring), การวางแผนรักษาผู้ป่วยเฉพาะราย (personalised patien treatment plan) และการใช้ยาในผู้ป่วยเฉพาะราย (personalised medicine) หรือในด้านการคิดค้นยาใหม่ๆ (drug development) ได้ด้วยเช่นกันตัวอย่าง: IBM Watson Health cloud ซึ่งเก็บรวบรวมข้อมูลขนาดใหญ่ไว้ ไม่ว่าจะเป็นข้อมูลสุขภาพของผู้ป่วย งานวิจัยทางการแพทย์ กรณีศึกษา วารสารทางการแพทย์ แนวทางการรักษา ดังนั้นการหาการรักษาที่ดีที่สุดต่อผู้ป่วยเฉพาะรายสามารถทำได้ง่ายเพียงปลายนิ้วมือ ซึ่ง AI สามารถเข้าใจสิ่งเหล่านี้ได้จากระบบ cognitive healthcare นั่นเอง โดยผู้ป่วยและบุคลากรทางการแพทย์สามารถใช้ wearable devices ในการเชื่อมต่อกับ Health clound เช่น application, smartphone หรือ smartwatch เป็นต้น นอกจากนี้ IBM ยังพัฒนา micromedex และ dynamed ซึ่งรวบรวมวารสารวิชาการทางการแพทย์จากฐานข้อมูลต่างๆไว้เช่น medline และ science directโดยสรุปแล้วเทคโนโลยีทางวิศวกรรมชีวการแพทย์มีบทบาทอย่างมากในระบบสุขภาพโดยทั้งหมดเป็นการช่วยบุคลากรทางการแพทย์มากกว่าที่จะเป็นการแทนที่ทั้งหมด ตั้งแต่ในเรื่องของการวินิจฉัยโรค การวางแผนการรักษา ตลอดไปจนถึงการติดตามโรคของผู้ป่วย เป็นต้น เพื่อให้เกิดความรวดเร็วและความแม่นยำมากขึ้น รวมถึงลดภาระงานของบุคลากรทางการแพทย์ ส่งผลให้ผู้ป่วยได้รับการรักษาที่มีประสิทธิภาพและปลอดภัยที่สุด ในฐานะบุคลากรทางการแพทย์จึงต้องเตรียมความพร้อมโดยการหาความรู้เกี่ยวกับเทคโนโลยีอยู่เสมอรวมถึงเปิดใจรับรู้สิ่งใหม่ๆ เพื่อให้เกิดความเข้าใจถึงประโยชน์ของเทคโนโลยีเหล่านี้ในด้านของการช่วยเหลือและทำงานร่วมกันกับตัวเราเองหรือบุคลากรทางการแพทย์ท่านอื่นๆต่อไป ขอขอบคุณรูปปกจาก koshinuke_mcfly Pixabayรูปประกอบที่ 1 จาก StockSnap Pixabayรูปประกอบที่ 2 จาก Tumisu Pixabayรูปประกอบที่ 3 จาก IBM Think Academy IBM watsonรูปประกอบที่ 4 จาก marionbrun Pixabay