จุฬาฯ ใช้ AI ทำนายความรุนแรงของ “โอมิครอน” ดูแลผู้ป่วยแบบ Home Isolation

จุฬาฯ รับมือ “โอมิครอน” ดูแลผู้ป่วยแบบ Home Isolation ผ่านแพลตฟอร์มออนไลน์ ใช้ AI ทำนายระดับความรุนแรงโรคได้แม่นยำ ช่วยเพิ่มอัตราการรอดชีวิตผู้ป่วยได้ ลดภาระบุคลากรทางการแพทย์ ด้วยโมเดล Pylon และแพลตฟอร์ม We Safe โดยนักวิจัยจุฬาฯ และพันธมิตรด้านวิชาการทั้งในและต่างประเทศ

Chulalongkorn University Technology Center หน่วยงานด้านการพัฒนาเทคโนโลยี Deep Tech ด้าน AI และ MedTech จุฬาลงกรณ์มหาวิทยาลัย ได้นำความรู้ความเชี่ยวชาญทั้งด้านการแพทย์และด้าน AI จากหลายหน่วยงาน ไม่ว่าจะเป็นคณะแพทยศาสตร์ จุฬาฯ ศูนย์ AI Learning Center คณะวิศวกรรมศาสตร์ จุฬาฯ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยบูรพา ผู้พัฒนาแพลตฟอร์ม กิน อยู่ ดี และ We Safe ศูนย์ CU-AIM (Center for AI in Medicine) และศูนย์ CCC-N นำมาบูรณาการเพื่อช่วยเสริมศักยภาพในการดูแลผู้ป่วย โควิด-19

เริ่มด้วยเทคโนโลยีแพลตฟอร์มที่ชื่อว่า We Safe ซึ่งพัฒนามาจากแพลตฟอร์ม “กิน อยู่ ดี” ซึ่ง รศ.ดร. วิรุฬห์ ศรีบริรักษ์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยบูรพา พัฒนาร่วมกับ อ.ดร.นพ.ชัยภัทร ชุณหรัศมิ์ คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย สำหรับดูแลผู้สูงอายุ มาต่อยอดเพื่อรับมือกับจำนวนผู้ป่วยโควิด-19 ที่เพิ่มขึ้นอย่างรวดเร็วในช่วงปีที่ผ่านมา โดยให้ผู้ป่วยที่เข้ารักษาด้วยระบบ Home Isolation สามารถส่งข้อมูลสัญญาณชีพต่าง ๆ ผ่านระบบ Line OA เพื่อให้แพทย์ประเมินระดับความรุนแรงของโรคบนแดชบอร์ดที่รวบรวมข้อมูลของผู้ป่วยเอาไว้เพื่อจัดอันดับผู้ป่วยที่ควรเข้ารักษาในโรงพยาบาลเป็นลำดับต้น ๆ โดยเชื่อมต่อกับระบบ HIS ซึ่งเป็นฐานข้อมูลของโรงพยาบาล และที่สำคัญยังต้องเชื่อมต่อกับฐานข้อมูลอื่นๆของรัฐ ที่เกี่ยวข้องกับโควิด เช่น สำนักงานหลักประกันสุขภาพแห่งชาติ (สปสช.) ได้ ซึ่งได้รับการตอบรับเป็นอย่างดี มีการนำไปใช้ในการรักษาผู้ป่วยโควิดมากกว่า 50 โรงพยาบาลทั่วประเทศ

ต่อมาได้มีเสียงสะท้อนจากแพทย์ให้นำเทคโนโลยี AI มาช่วยลดเวลาของแพทย์ในการวินิจฉัยผู้ป่วยที่มีจำนวนมากขึ้น ช่วยให้การประเมินอาการของโรคทำได้เร็วแต่ยังมีความแม่นยำสูง จึงได้หารือกับ อ.ดร.สิระ ศรีสวัสดิ์ หัวหน้าศูนย์ CU-AIM เพื่อพัฒนาเทคโนโลยี AI มาใช้ เพื่อตอบโจทย์การใช้งานดังกล่าว

ทางด้าน CU-AIM ก่อนหน้านี้ ได้พัฒนา Model ที่ชื่อว่า PYLON ซึ่งใช้เป็นเครื่องมือช่วยแพทย์วินิจฉัยภาพ X-Ray ปอดของผู้ป่วยโควิด จากความร่วมมือกันของหลายฝ่ายจึงเกิดการบูรณาการข้อมูลติดตามผู้ป่วยผ่านแพลตฟอร์ม We Safe มาพัฒนาเทคโนโลยี AI โดยใช้ข้อมูลสัญญาณชีพของผู้ป่วย ร่วมกับภาพถ่ายฟิล์ม X-Ray ปอดในการคาดการณ์ความรุนแรงของอาการป่วย เพื่อนำส่งผู้ป่วยเข้ารับการรักษาในโรงพยาบาลได้อย่างทันท่วงที ซึ่งทางทีมนักพัฒนาได้ตั้งเป้าหมายว่าจะสามารถคาดการณ์ล่วงหน้าได้ภายใน 3 วันก่อนที่ผู้ป่วยจะมีอาการรุนแรง ซึ่งเป็นการท้าทายความสามารถของเทคโนโลยี AI ที่ไม่ได้ทำหน้าที่แค่วินิจฉัยโรคเท่านั้น แต่ยังคาดการณ์ความรุนแรงของโรคได้อีกด้วย โดยใช้ Model ที่พัฒนาโดยทีมนักวิจัยจุฬาฯ ที่ให้ผลลัพธ์ที่แม่นยำไม่ต่างจากการวินิจฉัยของรังสีแพทย์ เมื่อใช้ข้อมูลสัญญาณชีพร่วมกับภาพถ่ายฟิล์ม X-Ray สามารถวินิจฉัยได้แม่นยำถึง 93%

การจะนำ Model การพัฒนาไปใช้อย่างแพร่หลายในอนาคตนั้น จะต้องอาศัยข้อมูลตัวอย่างเป็นจำนวนมากเพื่อขยายผลการวิจัยให้เป็นที่ยอมรับ ผศ.ดร.พีรพล เวทีกูล คณะวิศวกรรมศาสตร์ จุฬาฯ จึงได้นำ Federated Learning เข้ามาช่วยในการสร้างความร่วมมือระหว่างกลุ่มโรงพยาบาลต่างๆ ช่วยให้สามารถพัฒนา AI ร่วมกันได้โดยไม่จำเป็นต้องมีการแลกเปลี่ยนข้อมูลทางการแพทย์ระหว่างโรงพยาบาลแต่อย่างใด ซึ่ง AI Engineering Center ของจุฬาฯ นั้น เป็นสมาชิกของ NVIDIA AI Technology Center ซึ่งได้ร่วมมือกับ NVIDIA และโรงพยาบาลในกลุ่มถึง 20 โรงพยาบาลใน 8 ทวีป รวมกว่า 5,000 ตัวอย่าง ในการนำ AI มาใช้ในการหาค่าความต้องการออกซิเจนของผู้ป่วยโควิด-19 ทำให้ค่าความแม่นยำเพิ่มขึ้นกว่า 16%

แม้การนำ AI มาใช้ในการช่วยชีวิตผู้ป่วยโควิด-19 จะได้ผลลัพธ์ออกมาเป็นที่น่าพอใจ แต่เพื่อให้การนำ AI มาใช้ในทางการแพทย์มีความแพร่หลายมากขึ้นต้องอาศัยความร่วมมือจากนักวิจัยและบุคลากรทางการแพทย์ทั่วประเทศ เพื่อร่วมกันพัฒนาเทคโนโลยี AI สำหรับการแพทย์ของไทย และได้แบ่งเบาภาระของบุคลากรทางการแพทย์ในการรับมือกับการเชื้อโควิด-19 สายพันธุ์โอมิครอนที่กำลังแพร่ระบาดอยู่ในขณะนี้ ให้สามารถดูแลผู้ป่วยที่เพิ่มจำนวนมากขึ้นได้อย่างทั่วถึงและมีประสิทธิภาพอีกด้วย