Google DeepMind เปิดตัว AI ผู้ช่วยแพทย์ร่วม (AI co-clinician) เมื่อวันที่ 01 พฤษภาคม 2026 โดยเป็นโครงการวิจัยที่มีเป้าหมายเพื่อศึกษาว่าระบบ AI แบบมัลติโหมดสามารถช่วยบุคลากรทางการแพทย์และผู้ป่วยได้อย่างมีประสิทธิภาพมากขึ้นอย่างไร โครงการนี้ตอบโจทย์แรงกดดันที่เพิ่มขึ้นต่อระบบสุขภาพทั่วโลกในการยกระดับผลลัพธ์ ลดต้นทุน และขยายการเข้าถึงการรักษา ท่ามกลางคาดการณ์ว่าจะขาดแคลนบุคลากรทางสุขภาพมากกว่า 10 ล้านคนภายในปี 2030 ตามรายงานขององค์การอนามัยโลก (World Health Organization)
โมเดลการดูแลแบบไตรภาคีและความสามารถแบบมัลติโหมด
ระบบใหม่นี้ตั้งใจสำรวจแนวคิด “การดูแลแบบไตรภาคี (triadic care)” ซึ่งเอเจนต์ AI จะทำงานร่วมกับแพทย์และผู้ป่วย โดยไม่ใช่การแทนที่การตัดสินใจทางคลินิก DeepMind ระบุว่าเป้าหมายคือการสร้างเครื่องมือที่ช่วยขยายขอบเขตการให้บริการของแพทย์ ขณะเดียวกันยังคงให้แพทย์เป็นผู้ควบคุมการตัดสินใจ บริษัทมองความพยายามนี้เป็นก้าวถัดไปของงานวิจัย AI ทางการแพทย์ หลังจากระบบก่อนหน้าอย่าง MedPaLM ซึ่งเน้นการทดสอบความรู้ทางการแพทย์ และ AMIE ที่ทำการจำลองการปรึกษาหารือด้วยข้อความ
จุดเด่นสำคัญของ AI co-clinician คือความสามารถในการประมวลผลได้มากกว่าข้อความ ระบบถูกทดสอบด้วยเสียงและวิดีโอแบบสด ทำให้สามารถสังเกตสัญญาณทางกาย เช่น รูปแบบการเดิน (gait) รูปแบบการหายใจ และการเปลี่ยนแปลงของผิวที่มองเห็นได้ ในการจำลองทางไกล โมเดลสามารถพาผู้ป่วยผ่านขั้นตอนบางส่วนของการตรวจร่างกาย และช่วยงานต่างๆ เช่น การตรวจสอบเทคนิคการใช้เครื่องพ่นยา (inhaler technique) หรือช่วยระบุการบาดเจ็บบริเวณไหล่ ความสามารถดังกล่าวชี้ว่าในอนาคต AI แบบมัลติโหมดอาจช่วยสนับสนุนการปรึกษาแบบระยะไกลได้ เมื่อการสังเกตทั้งภาพและเสียงมีความสำคัญ
การออกแบบความปลอดภัยแบบเอเจนต์คู่และเกณฑ์วัดทางคลินิก
DeepMind เน้นย้ำมาตรการควบคุมความปลอดภัยที่ฝังอยู่ในระบบ AI co-clinician ใช้การออกแบบแบบเอเจนต์คู่ โดย “Planner” จะทบทวนการสนทนาอย่างต่อเนื่องและตรวจสอบว่าบทบาท “Talker” ยังคงอยู่ในขอบเขตทางคลินิกหรือไม่ บริษัทระบุว่าการจัดโครงสร้างดังกล่าวมีจุดมุ่งหมายเพื่อช่วยลดคำตอบที่ไม่ปลอดภัยและเพิ่มความน่าเชื่อถือในสภาพแวดล้อมทางการแพทย์ ซึ่งความถูกต้องเชิงข้อเท็จจริงและความยับยั้งชั่งใจเป็นสิ่งจำเป็น
ทีมวิจัยประเมินระบบหลายมิติ ในการทดสอบหนึ่ง พวกเขาปรับใช้กรอบความปลอดภัย NOHARM เพื่อวัดทั้งคำตอบที่ผิดและความล้มเหลวในการเปิดเผยข้อมูลสำคัญ ในการเปรียบเทียบแบบปกปิดที่เกี่ยวข้องกับคำถามด้านการดูแลระดับปฐมภูมิ 98 ข้อ ระบบบันทึกความผิดพลาดระดับวิกฤตเป็นศูนย์ใน 97 กรณี และได้รับการเลือกให้ดีกว่าเครื่องมือสังเคราะห์หลักฐานอื่นๆ โดยแพทย์ DeepMind ระบุว่าข้อค้นพบนี้ชี้ว่าโมเดลอาจเป็นประโยชน์ต่อแพทย์ที่ต้องการข้อมูลทางคลินิกที่มีฐานรากและคุณภาพสูง
การศึกษายังตรวจสอบว่าระบบรับมือกับคำถามที่เกี่ยวกับยาได้ดีเพียงใด โดยใช้เกณฑ์ OpenFDA RxQA ซึ่งออกแบบมาเพื่อทดสอบความรู้และเหตุผลเกี่ยวกับยาและการรักษา ในการประเมินแบบเปิด AI co-clinician ทำได้ดีกว่าโมเดลแนวหน้าอื่นๆ ซึ่งสะท้อนความก้าวหน้าในด้านที่มีความสำคัญอย่างยิ่งต่อการวางแผนการดูแลในชีวิตประจำวันของผู้ป่วย
การเปรียบเทียบผลการทำงานของแพทย์
อย่างไรก็ตาม ในการจำลองที่ผู้ป่วยเป็นผู้เผชิญหน้า ผลลัพธ์โดยรวมของแพทย์มนุษย์ยังดีกว่า ทีมวิจัยร่วมทำงานกับแพทย์จากสถาบันการศึกษาใน Harvard และ Stanford และดำเนินการศึกษาวิจัยแบบสุ่ม (randomized study) โดยใช้สถานการณ์ทางคลินิกที่สร้างขึ้น 20 ฉาก และผู้ป่วยแสดงบทบาท (patient-actors) 10 คน เมื่อพิจารณาในมากกว่า 140 หัวข้อที่ประเมิน แพทย์ทำได้ดีกว่า AI ในการตรวจจับสัญญาณอันตราย (red flags) และการชี้นำการตรวจร่างกาย แม้ว่าระบบจะเท่าหรือทำได้ดีกว่าความสามารถของแพทย์ใน 68 หมวดหมู่ รวมถึงการคัดกรอง (triage) ผลการวิจัยชี้ว่าเครื่องมือนี้อาจมีคุณค่ามากที่สุดในฐานะระบบช่วยสนับสนุน มากกว่าจะเป็นตัวแทนของความเชี่ยวชาญทางคลินิก
ความร่วมมือด้านการวิจัยที่ดำเนินต่อไป
DeepMind ระบุว่าเป้าหมายโดยรวมคือการพัฒนา AI ที่ช่วยแพทย์ได้ในลักษณะที่น่าเชื่อถือ มีฐานรากทางคลินิก และปรับตัวได้กับสภาพแวดล้อมการดูแลจริง บริษัทกำลังดำเนินการวิจัยร่วมกับหลายประเทศ รวมถึงสหรัฐอเมริกา อินเดีย ออสเตรเลีย นิวซีแลนด์ สิงคโปร์ และสหรัฐอาหรับเอมิเรตส์ ขณะที่ทำงานเพื่อทดสอบระบบในสภาพแวดล้อมด้านสุขภาพที่หลากหลายยิ่งขึ้น
