กรณีการปรับขนาด AI ในการคัดกรองโรค

เราต้องเข้าใจว่าการนำ AI มาใช้อย่างมีความรับผิดชอบนั้นต้องการอะไรเมื่อเราออกจากการทดลองที่มีการควบคุมและเข้าสู่ความเป็นจริงของ NHS ศาสตราจารย์ Alicja Rudnicka ศาสตราจารย์ด้านวิทยาศาสตร์สุขภาพและการแพทย์ที่ City St George’s, University of London เขียน

ทิศทางปัจจุบันจากรัฐบาลชี้ให้เห็นถึงบทบาทที่เพิ่มขึ้นของ AI ในการวินิจฉัยและการคัดกรอง การประกาศล่าสุดได้เน้นย้ำถึงศักยภาพในการเพิ่มขีดความสามารถ ลดความแปรปรวน และสนับสนุนการตรวจพบโรคตั้งแต่เนิ่นๆ และยังมีการดูแลในด้านต่างๆ โดยเฉพาะบริการด้านการถ่ายภาพ ซึ่ง AI สามารถสร้างความแตกต่างที่วัดผลได้

แต่การนำปัญญาประดิษฐ์มาใช้ในการดูแลสุขภาพในแต่ละวันนั้นต้องการมากกว่าการแสดงให้เห็นถึงความแม่นยำทางเทคนิคหรือการสร้างผลลัพธ์นำร่องที่มีแนวโน้มดี โดยต้องการความชัดเจนเกี่ยวกับโครงสร้างพื้นฐานดิจิทัล การบูรณาการขั้นตอนการทำงาน ต้นทุน ความเป็นธรรม และความไว้วางใจจากทั้งแพทย์และผู้ป่วย

นอกจากนี้ยังขึ้นอยู่กับโซลูชันแบบฝังที่รองรับการให้บริการอยู่แล้ว เช่น ระบบการจัดการการคัดกรองระดับประเทศและแพลตฟอร์มการอ้างอิง ซึ่งจะต้องโต้ตอบได้อย่างราบรื่นกับโซลูชัน AI ใดๆ ที่เลือกไว้สำหรับการปรับขนาด

ก่อนที่ AI จะสามารถย้ายจากเอกสารนโยบายไปสู่แนวทาง NHS ที่แท้จริงในวงกว้าง เราจำเป็นต้องมีตัวอย่างเชิงปฏิบัติว่าระบบเหล่านี้ทำงานอย่างไรเมื่อได้รับการทดสอบภายใต้แรงกดดันเดียวกันกับที่แพทย์เผชิญทุกวัน

เป็นช่องว่างที่การวิจัยกำลังเริ่มเติมเต็ม รวมถึงการตีพิมพ์ผลการศึกษาล่าสุดของเราใน The Lancet นำโดยทีมงานของฉันที่ City St George’s มหาวิทยาลัยลอนดอน นำเสนอข้อค้นพบจากการประเมินระบบ AI เชิงพาณิชย์ขนาดใหญ่ครั้งแรกของโลกสำหรับการตรวจคัดกรองตาเบาหวานโดยใช้ข้อมูลในโลกแห่งความเป็นจริง

เราต้องการตัวอย่างเชิงปฏิบัติว่าระบบ AI มีพฤติกรรมอย่างไรเมื่อได้รับการทดสอบภายใต้ความกดดันเดียวกันกับที่แพทย์เผชิญทุกวัน

เราได้ตรวจสอบภาพจอประสาทตามากกว่า 1 ล้านภาพ และพบว่า AI สามารถตรวจจับโรคที่คุกคามต่อการมองเห็นได้ด้วยความแม่นยำ 96-99% และประมวลผลภาพได้ภายในไม่กี่วินาที แทนที่จะเป็นนาที โดยแสดงให้เห็นถึงศักยภาพของ AI และความสำคัญของการทำความเข้าใจว่าเครื่องมือเหล่านี้ทำงานอย่างไรเมื่อเปิดตัวในสภาพแวดล้อมการบริการจริง

เหตุใดการประเมินจึงมีความสำคัญ

การวิจัยช่วยให้เราเข้าใจมิติในทางปฏิบัติในเชิงลึกมากขึ้น โดยการทดสอบเครื่องมือเทียบกับเส้นทางการให้เกรดของ NHS ที่มีอยู่โดยใช้รูปภาพจริง เราสามารถสังเกตได้ว่าเครื่องมือเหล่านั้นทำงานอย่างไรเมื่อต้องเผชิญกับความหลากหลายและความซับซ้อนที่บริการต้องเผชิญทุกวัน

ไม่ต้องประกาศผู้ชนะหรือเพื่อตรวจสอบผลิตภัณฑ์เฉพาะเจาะจง แต่เพื่อทำความเข้าใจว่าการนำ AI มาใช้อย่างมีความรับผิดชอบนั้นต้องการอะไร เมื่อพวกเขาออกจากการทดลองที่มีการควบคุม และเข้าสู่ความเป็นจริงของข้อมูลและขั้นตอนการทำงานของ NHS

มีประเด็นสำคัญหลายประการที่มีความสำคัญต่อการใช้งานทางคลินิก

ประการแรก การประเมินโดยอิสระถือเป็นสิ่งสำคัญ ผู้ให้บริการมักต้องการแสดงประสิทธิภาพของตน แต่ NHS ต้องการการรับประกันว่าการทดสอบมีความเป็นกลาง ใช้ข้อมูลตัวแทน และไม่ต้องอาศัยกลุ่มประชากรตามรุ่นที่มีขนาดเล็กหรือแคบ

ประการที่สองและสำคัญไม่แพ้กัน คือการเตรียมพร้อมทางดิจิทัลที่มีความหมาย แม้แต่อัลกอริธึมประสิทธิภาพสูงก็ไม่สามารถนำมาใช้ได้ หากระบบภายในเครื่องไม่สามารถอัปโหลดภาพได้อย่างน่าเชื่อถือ ส่งคืนเอาต์พุตอย่างรวดเร็ว หรือรวมผลลัพธ์กลับเข้าไปในแพลตฟอร์มที่ทีมคัดกรองใช้ โครงสร้างพื้นฐานดิจิทัลจะตัดสินว่า AI มีประโยชน์จริงหรือไม่ ไม่ใช่แค่สร้างความประทับใจทางเทคนิค

NHS ต้องการการรับรองว่าการทดสอบมีความเป็นกลาง ใช้ข้อมูลตัวแทน และไม่อาศัยกลุ่มประชากรตามรุ่นขนาดเล็กหรือแคบ

ประการที่สาม ประสิทธิภาพต้องสมดุลกับความปลอดภัยด้วย AI สามารถประมวลผลภาพได้อย่างรวดเร็ว แต่ความเร็วจะเพิ่มมูลค่าก็ต่อเมื่อได้รับการสนับสนุนจากขั้นตอนการทำงานที่โปร่งใส กฎการรายงานที่ชัดเจน และกลไกการตรวจสอบที่มีประสิทธิภาพสำหรับกรณีข้ามพรมแดนหรือกรณีที่ซับซ้อน แพทย์ต้องการความมั่นใจว่า AI จะปรับปรุงการตัดสินใจมากกว่าการหลีกเลี่ยง

ต้นทุนก็เป็นปัจจัยสำคัญเช่นกัน จะต้องมีความคุ้มค่ามากกว่าถนนที่มีอยู่ ผู้ที่รับผิดชอบในการว่าจ้างและให้บริการคัดกรองไม่สามารถใช้เทคโนโลยีที่เพิ่มต้นทุนโดยไม่ปรับปรุงผลลัพธ์หรือลดแรงกดดันต่อพนักงาน

บทเรียนสำหรับการรับเลี้ยงบุตรบุญธรรม

ความหวังของเราคืองานนี้นำเสนอขั้นตอนการปฏิบัติที่ทีมดูแลสุขภาพสามารถจัดลำดับความสำคัญในการปรับขนาด AI ได้อย่างปลอดภัยและยั่งยืน ไม่ว่าจะเป็นในระดับท้องถิ่นหรือทั่วทั้งบริการระดับชาติ เช่น การตรวจคัดกรองตาจากโรคเบาหวาน

บทเรียนสำหรับการนำไปใช้รวมถึงการลงทุนในการประเมินหลังการใช้งาน สภาพแวดล้อมที่มีการควบคุมสามารถบอกเราว่าอัลกอริธึมทำงานอย่างไรภายใต้สภาวะที่เหมาะสม แต่การทดสอบในโลกแห่งความเป็นจริงเผยให้เห็นความแปรปรวนในการปฏิบัติงานที่เผยให้เห็นอย่างแท้จริงว่า AI พร้อมสำหรับการใช้งานหรือไม่

การนำปัญญาประดิษฐ์มาใช้อย่างประสบความสำเร็จต้องอาศัยการสนับสนุนมากกว่าการเปลี่ยนบุคลากร

สิ่งสำคัญอีกประการหนึ่งคือการพัฒนาโครงสร้างพื้นฐานดิจิทัลที่ใช้ร่วมกัน แนวทางส่วนกลางที่ช่วยให้ผู้ให้บริการคัดกรองสามารถอัปโหลดภาพได้อย่างปลอดภัย และรับผลลัพธ์ที่สม่ำเสมอซึ่งรวมอยู่ในบันทึกผู้ป่วยแบบอิเล็กทรอนิกส์จะช่วยลดความซ้ำซ้อนและหลีกเลี่ยงการใช้งานในท้องถิ่นที่กระจัดกระจาย

นอกจากนี้ยังจะทำให้ระบบต่างๆ เช่น Optomize ซึ่งจัดการโปรแกรมคัดกรองภาษาอังกฤษส่วนใหญ่ง่ายขึ้น สามารถโต้ตอบกับเครื่องมือ AI ได้อย่างคาดการณ์ได้ทั้งในด้านทัศนมาตรศาสตร์และจักษุวิทยาเฉพาะทาง

ในทำนองเดียวกันจะต้องมีความไว้วางใจและความโปร่งใสตลอด ความไว้วางใจของพนักงานเป็นสิ่งสำคัญ และเครื่องมือที่ใช้งานไม่ดีอาจบ่อนทำลายความก้าวหน้าในบริการต่างๆ

การสื่อสารที่ชัดเจน การตรวจสอบเป็นประจำ และความสอดคล้องกับความคาดหวังด้านกฎระเบียบสำหรับยาและผลิตภัณฑ์ดูแลสุขภาพที่ได้รับการพัฒนาเพื่อการเฝ้าระวังหลังการวางตลาดจะมีความสำคัญอย่างยิ่งเพื่อให้แน่ใจว่าแพทย์รู้สึกว่าพวกเขาสามารถไว้วางใจ AI ได้อย่างปลอดภัย

และสุดท้าย เราต้องจำไว้ว่า AI ไม่สามารถทดแทนความเชี่ยวชาญทางคลินิกได้ เป็นเครื่องมือที่ช่วยเพิ่มความจุ สร้างมาตรฐานงานซ้ำๆ และช่วยให้แพทย์มุ่งเน้นไปที่รูปแบบการถ่ายภาพที่ซับซ้อนมากขึ้นและการดูแลผู้ป่วยได้ การรับเลี้ยงบุตรบุญธรรมที่ประสบความสำเร็จขึ้นอยู่กับการสนับสนุนมากกว่าการเปลี่ยนพนักงาน

หนทางข้างหน้า

AI มีศักยภาพที่สำคัญในการปรับปรุงประสิทธิภาพและความสม่ำเสมอของบริการตรวจคัดกรอง โดยเฉพาะอย่างยิ่งในโครงการตรวจคัดกรองภาวะเบาหวานขึ้นตา ซึ่งจัดการการเข้าชมมากกว่าสองล้านครั้งในแต่ละปี การประเมินของเราแสดงให้เห็นว่า เมื่อมีมาตรการป้องกันที่ถูกต้อง มาตรการดังกล่าวจะมีบทบาทที่มีความหมายในการสนับสนุนการให้เกรดในระยะแรกได้

ขั้นตอนต่อไปคือการแปลให้เป็นการใช้งานที่ปลอดภัยและใช้งานได้จริง หากเราสามารถใช้แนวทางนี้ได้ AI ก็สามารถนำมาใช้ในลักษณะที่เสริมความแข็งแกร่งให้กับเส้นทางการคัดกรองและปรับปรุงผลลัพธ์โดยไม่กระทบต่อความเป็นธรรมหรือความไว้วางใจ

ด้วยวิธีนี้ AI จะสนับสนุนแพทย์ เหมาะสมกับบริการที่จัดตั้งขึ้นอย่างเป็นธรรมชาติ และมอบผลประโยชน์ที่มีความหมายให้กับผู้ที่พึ่งพาโปรแกรมเหล่านี้