Transforming Healthcare: Exploring the ‘S-T-A-R’ Tech Trends of 2023
กว่าทศวรรษที่ผ่านมา เราได้เห็นความก้าวหน้าทางเทคโนโลยี และการเติบโตขององค์ความรู้ในการรักษาและดูแลสุขภาพอย่างก้าวกระโดด
สังคมผู้สูงวัย โรคระบาด ฝุ่นมลพิษ หรือรูปแบบการใช้ชีวิตที่ส่งผลเสียต่อร่างกายมนุษย์ ล้วนทำให้บทบาทของการบริการและบุคลากรที่เกี่ยวข้องกับ Healthcare นั่นมีความสำคัญเพิ่มมากขึ้น
วันนี้ผมจะมาชวนคุยถึง 4 เทคโนโลยีที่คุณควรรู้เกี่ยวกับ Healthcare ในปี 2023 (ซึ่งได้แรงบันดาลใจมาจากประสบการณ์ส่วนตัว การค้นคว้า และการได้มีโอกาสพูดคุยกับบุคลากรที่เกี่ยวข้อง) โดยผู้เขียนขอตั้งชื่อ 4 Tech Trends นี้ว่า S-T-A-R นะครับ 👨💻
S : Storage, Accessibility, Data Privacy and Security
T: Telemedicine and Beyond Telemed
เรามาเริ่มกันที่ตัวแรกกันเลย !
S : Storage, Accessibility, Data Privacy and Security
ในปัจจุบัน ข้อมูลผู้ป่วยในโรงพยาบาลนั้นมีปริมาณเพิ่มขึ้นมหาศาล แม้ข้อมูลประวัติผู้ป่วยบางโรงพยาบาลมีการถูกลบเมื่อเวลาผ่านไป หากไม่ได้มีการกลับมาใช้บริการเป็นเวลาหลักสิบปี แต่ก็เป็นส่วนน้อย
ไม่เพียงแค่ข้อมูลภายในโรงพยาบาลเท่านั้นครับ ในระดับประเทศ เรายังได้เห็นความพยายามในการทำระบบแลกเปลี่ยนข้อมูลการรักษาของผู้ป่วยในแต่ละโรงพยาบาลให้เชื่อมต่อกันได้ (Health Link: ตามมาตรฐานสากลที่เรียกว่า HL7 FHIR) เพื่อประโยชน์สำหรับบุคลากรทางการแพทย์และตัวคนไข้เอง
และเมื่อไม่นานมานี้ประเทศไทยก็ยังได้มีการเข้าร่วมในกลุ่มประเทศที่ใช้ระบบในการเก็บข้อมูลจัดหมวดหมู่คำศัพท์ต่างๆทางการแพทย์ให้เป็นสากล (ที่เรียกว่า SNOMED-CT อีกด้วย)
💻 ทำให้การวางโครงสร้างระบบ IT การจัดเก็บข้อมูลขนาดใหญ่จากหลายแหล่งให้เป็นระเบียบ และมีระบบการเข้าถึงข้อมูลที่ปลอดภัย จึงมีความสำคัญอย่างมาก
เทคโนโลยีในการจัดเก็บข้อมูล ไม่ว่าจะเป็นการจัดเก็บบนคลาวด์ (Cloud platform) หรือมีการติดตั้งระบบเก็บข้อมูลเองในองค์กร (On-Premise) จึงต้องมีการเลือกสรรอย่างเหมาะสม ออกแบบโดยคำนึงถึงความเสี่ยง และประเด็นสำคัญต่างๆที่เกี่ยวข้อง ไม่ว่าจะเป็นเรื่องปริมาณข้อมูลที่จัดเก็บได้ การ update ข้อมูลลงฐานข้อมูลอย่างถูกต้อง ความเป็นส่วนตัวและการยินยอมในการเข้าถึงข้อมูลต่างๆทั้งจากบุคลากร บริษัทประกัน ภาครัฐ และอื่นๆ
โดยทุกวันนี้ Cloud service provider ที่ใหญ่ที่สุดนั้นมี 3 เจ้าหลักๆได้แก่ Microsoft Azure, AWS และ Google Cloud Platform
นอกจากนี้ ในปัจจุบันได้เริ่มมีเทคโนโลยีทางเลือกในการจัดการข้อมูลขนาดใหญ่ที่สามารถผสานข้อมูลจากหลายแหล่งไม่ว่าจะเป็นบน Cloud หรือ On-Premise การจัดเตรียมข้อมูล หรือแม้กระทั้งการทำ data analytics และ dashboard ได้อย่างสะดวก และมีราคาที่จับต้องได้ โดยตัวอย่างเทคโนโลยีนี้ เช่น “Blendata Enterprise” Big data platform สัญชาติไทยที่ได้รับการยอมรับในหลากหลายอุตสาหกรรมเลยครับ
T: Telemedicine and Beyond Telemed
สำหรับผู้ที่ไม่สะดวกเข้าโรงพยาบาล ผู้ป่วยติดเตียง หรือผู้ป่วยที่เข้ารับการรักษาที่โรงพยาบาลแล้วต้องการที่จะพูดคุยอัพเดทอาการกับทางคุณหมอผ่านทาง Video call หรือ application เฉพาะ โดยไม่มีความจำเป็นต้องใช้เครื่องมือตรวจมากมาย Telemed ก็เป็นอีกหนึ่งทางเลือกที่ทำให้ชีวิตประจำวันของคนไข้ทุกวันนี้ง่ายขึ้นไปอีก และไม่เสียเวลาการเดินทางอีกด้วย
โดยเราได้เห็นการนำเทคโนโลยีนี้มาใช้เพิ่มขึ้นในช่วงการแพร่ระบาดของ Covid 19 ที่ผ่านมา รวมไปถึงการนำมาช่วยในเรื่องผู้ที่ต้องการคำปรึกษาสุขภาพใจในช่วงที่ WFH หรือกักตัวอยู่ที่บ้านนานๆนั่นเอง 🏠
ต่อยอดจากแค่ Telemedicine ที่เน้นการพูดคุยปรึกษากับคุณหมอนั้น
ทุกวันนี้เริ่มมีบริการครบวงจร ที่ตอบโจทย์ความต้องการของคนไข้มากขึ้น เช่น สามารถปรึกษาคุณหมอได้ 24 ชม. ผ่าน application แล้วหากพบว่าต้องมีการเจาะเลือด จ่ายยา หรือตรวจเพิ่มเติม ก็จะมีบริการ delivery ส่งตรงบุคลากรทางการแพทย์ถึงบ้าน ซึ่งสามารถเรียกว่า Beyond Telemed, Beyond Telehealth หรือ Virtual hospital ก็ได้ฮะ
A: AI and Automation in Pre-Screening Diagnosis and Medicine Dispensing
การนำ AI และ Automation มาช่วยในงานด้านการแพทย์นั้น นับว่าเป็นเครื่องมือที่เป็นประโยชน์อย่างยิ่ง เรามาเริ่มจากตัวอย่างการใช้ AI ก่อน
ถ้าให้นิยามแบบง่ายๆ AI (Artificial Intelligence) คือ การป้อนข้อมูลจำนวนมากเพื่อสอนให้คอมพิวเตอร์เรียนรู้ pattern ของข้อมูล จนสามารถ คิด จำแนกแยกแยะและตอบคำถามได้เอง
ตัวอย่างเคส เช่น การป้อนข้อมูลต่างๆของคนไข้ และปัจจัยที่เกี่ยวข้องในโรค Covid 19 และโรคไข้หวัดอื่นๆที่คล้ายกัน เพื่อให้ระบบนั้นเรียนรู้ หลังจากได้โมเดลการทำนายมาใช้งาน เราสามารถป้อนข้อมูลในคนไข้ที่ยังไม่ได้รับการวินิจฉัย เพื่อให้โมเดล AI นั้นทำนายว่าจะมีโอกาสจะเป็นโรคใดมากที่สุด
โดยสามารถประยุกต์ใช้กับโรคใดก็ได้ ที่มีข้อมูลที่มีคุณภาพ มีความสัมพันธ์ และมีปริมาณที่มากเพียงพอที่จะหา pattern และจำแนกโรคได้ ซึ่งมีประโยชน์อย่างมากในการ Pre-screening อาการป่วยเบื้องต้น และช่วยในการตรวจวินิจฉัยจากแพทย์ได้อีกด้วย
อีกตัวอย่างจะเป็นการนำ AI มาช่วยวินิจฉัยภาพถ่าย X-rays เช่น ภาพถ่ายสมองว่าอาจมีเนื้องอกในสมองหรือไม่ โดยให้ AI ทำการเรียนรู้รูปภาพที่มีเนื้องอกและรูปภาพที่ไม่มีเนื้องอกในสมอง 🧠 ซึ่งหากยิ่งมีการเรียนรู้ได้แม่นยำมากก็จะยิ่งเป็นประโยชน์ต่อวงการแพทย์ได้เป็นอย่างมาก
ในส่วนของ Automation นั้น ทุกวันนี้ในโรงพยาบาลหลายแห่งจะมีการใช้ ระบบ Automation หรืออาจมองว่าเป็น Robot ในการรับคำสั่งยาจากแพทย์ เพื่อให้ Robot ไปจัดยาให้ถูกต้องตาม order และให้แผนกจ่ายยาส่งยาต่อให้กับผู้ป่วยนั่นเอง
R: Real-Time Simulation and Digital Twin: Advancing Organ monitoring and Queuing processes
มาถึงหัวข้อนี้หลายคนอาจจะงงๆ ว่ามันคืออะไรและเกี่ยวข้องกับ Healthcare ยังไงบ้าง เดี๋ยวผมจะค่อยๆเล่าให้ฟังทีละขยักแล้วกันครับ
ขยักแรกขอเกริ่นถึง Definition กันก่อน
Queuing process (Queuing system/Queuing theory: ระบบแถวคอย) คือการจำลองระบบการรอคิวต่างๆในแต่จะจุดของระบบ นำคณิตศาสตร์และสถิติมาคำนวณเพื่อประเมินประสิทธิภาพของระบบ ดูคิวที่เกิดขึ้น หา bottle neck หรือคอขวดของระบบ จากนั้นจึงทำการปรับปรุงและวางแผนจัดระบบใหม่ให้ flow ของสิ่งต่างๆนั้นไหลได้ดีขึ้น มีคิวน้อยลง ไม่ว่าจะเป็น flow การเดินของคนในสวนสนุกตามจุดต่างๆ flow การเคลื่อนที่ของสินค้าในโรงงาน หรือจะเป็น flow การเดินเข้ามาใช้บริการในจุดต่างๆของผู้มาโรงพยาบาล
Simulation คือการจำลองระบบหรือกระบวนการสักอย่างหนึ่ง โดยใช้ข้อมูลที่เก็บมา เพื่อดูพฤติกรรมของระบบนั้นๆ เช่น จำลองระบบแถวคอยรอคิวที่อธิบายด้านบน โดย Interface ของโปรแกรมก็จะมีหน้าตาเป็นหลายๆ Block แสดงจุดต่างๆในระบบที่เราสนใจ โปรแกรมอาจมีในรูปแบบ 2 หรือ 3 มิติก็ได้ อาจใส่รูป animation คนเดิน 🚶 รูปเครื่องจักทำงาน เข้าไปได้ด้วย (ตัวอย่างโปรแกรม เช่น Arena, Simul8) โดยเราจำลองไว้ใช้เพื่อตัดสินใจปรับปรุงกระบวนการในระบบจริง
ส่วน Digital Twin นั้นมี concept คือเป็น model ที่สะท้อนวัตถุจริง (Physical object) และ วัตถุในโลกเสมือน (digital/virtual object) ในโปรแกรมคอมพิวเตอร์ โดยถ้าวัตถุจริงมีการเปลี่ยนแปลงก็จะส่งข้อมูลการเปลี่ยนแปลงมายังวัตถุในโปรแกรมโลกเสมือนด้วย และเรายังสามารถป้อนคำสั่งในโลกเสมือนเพื่อให้วัตถุจริงเปลี่ยนแปลงกลับได้อีกด้วย เราเลยเรียกมันว่า twin ยังไงล่ะ ซึ่งโดยปกติแล้วมันก็จะต้องมี Sensor ที่วัตถุจริงเพื่อรับข้อมูลจากวัตถุจริงด้วยนั่นเอง
สรุปแล้วมันต่างกันยังไงนะ ? 5555
Simulation คือการเอาข้อมูลในอดีตมาจำลองระบบผ่านโปรแกรมคอมพิวเตอร์ เพื่อวางแผนสิ่งที่ยังไม่เกิด ส่วน Digital twin คือการจำลองระบบในปัจจุบันเพื่อตัดสินใจปรับปรุงกระบวนการในปัจจุบันหรืออนาคตเลย โดยมักใช้ข้อมูล Real time ผ่าน sensor (ซึ่งก็เรียกได้ว่าเป็น IOT: Internet of thing รูปแบบหนึ่ง)
(ขยักถัดมา) แล้วมันเอามาใช้ประโยชน์ในทางการแพทย์ยังไงได้บ้างล่ะ 👩⚕️
สำหรับ Simulation นั้น เราสามารถนำข้อมูลการเข้าใช้บริการสถานพยาบาลในจุดต่างๆในอดีตมาเพื่อจำลองระบบแถวคอย ดูจำนวนคิวที่เกิดขึ้น เวลารอเฉลี่ย ทั้งตามจุดต่างๆ และโดยรวมของระบบ แล้วจึงมาทำการวางแผน เช่น จัดจุดกรอกประวัติ ห้องต่างๆ ห้องฉุกเฉิน เตียงผู้ป่วยต่างๆ ให้เหมาะสม หรือวางแผนเพิ่มบุคลากรในบริเวณต่างๆ เพื่อให้คิวและคอขวดลดลง เพิ่มประสิทธิภาพในการรักษาและสร้างประสบการณ์ที่ดีให้แก่ผู้มาใช้บริการ
ส่วน Digital twin นั้นก็สามารถจำลองและ Re-process ของระบบ ได้คล้ายๆกับการทำ Simulation แต่สามารถจำลองและแก้ปัญหาได้อย่าง Real-time มากกว่า ตัวอย่างการใช้ อาจเป็นการเก็บข้อมูลผ่าน sensor (หรือกล้อง CCTV) เพื่อดูจำนวนคิวผู้ใช้บริการ และทรัพยากรที่ทางสถานพยาบาลมีให้บริการ ไม่ว่าจะเป็นบุคลากร อุปกรณ์ เตียง ในจุดต่างๆ แล้วทำการปรับแผนกลยุทธเพื่อให้มีระดับการบริการที่ดีขึ้น ซึ่งหากสามารถทำได้อย่างรวดเร็วและเหมาะสม จะสามารถลด waste เพิ่ม utilization ใน process และยกระดับ Operational Efficiency ในโรงพยาบาลนั้นได้เป็นอย่างมาก 🏥
นอกจากนี้ยังมีประโยชน์ในกระบวนการผ่าตัด รวมไปถึงการรักษาผู้ป่วย โดยมีการประยุกต์ concept ของ digital twins ในการใช้ wearable device มาช่วย monitor การทำงานของอวัยวะต่างๆในร่างกาย การเต้นของหัวใจ ความดัน
เมื่อผสานรวมข้อมูลที่เป็นประโยชน์อื่นๆไม่ว่าจะเป็นพันธุกรรม ยีน หรือข้อมูลพฤติกรรมของผู้ป่วย จะเพิ่มประสิทธิภาพของ AI ในการเรียนรู้ข้อมูล ทำให้สามารถคาดการณ์หรือป้องกันโรคหรืออาการต่างๆที่อาจจะเกิดขึ้นได้ทันท่วงที โดยข้อมูลเหล่านี้มีประโยชน์ต่อยอดในเทคโนโลยีการรักษาทางไกล (Beyond Telemed/ Virtual Hospital) อีกด้วยเช่นกัน
Conclusion
นี่เป็นเพียง 4 ตัวอย่าง use cases (S-T-A-R) สำหรับ Healthcare ที่ผมได้ยกมาเล่าให้ฟังในบทความนี้ ซึ่งมีทั้ง Technology ที่มีการนำมา adopt ใช้อย่างแพร่หลายแล้ว เช่น การจัดเก็บระบบข้อมูลต่างๆ 💾 การพบแพทย์โดยไม่ต้องไปโรงพยาบาลอย่าง Telemedicine 📱 ซึ่งก็มีการใช้งานที่ง่ายและ social impact ที่ดีมากในไม่กี่ปีที่ผ่านมา
ในส่วนของการใช้ AI, Automation, Simulation, Digital twins นั้น แม้จะยังไม่ได้มีการใช้อย่างแพร่หลายอันเนื่องมาจาก Limitation ในด้านต่างๆ แต่ก็อยู่ในขั้นการวิจัยและพัฒนา use case และองค์ความรู้ในด้านนี้เพื่อให้มีความเข้าถึงได้ง่ายขึ้น ราคาที่จับต้องได้มากขึ้น มีความน่าเชื่อถือและคุ้มค่าในการใช้งานมากขึ้น 💸
Bonus !!! นอกจากนี้ยังมีมุมอื่นๆของการนำ Technology และ Data Analytics มาใช้ให้เป็นประโยชน์ในบริบทของ Healthcare อีกมากมาย ไม่ว่าจะเป็น
- การทำนายโรคระบาด, การวางแผนจัดซื้อวัคซีนและจัดตั้งโรงพยาบาลสนามให้เพียงพอในช่วงโรคระบาด(Vaccine and field hospital optimization)
- การวิเคราะห์ข้อมูลผู้ป่วย ทำระบบแนะนำ Promotion สำหรับ Package ทางการแพทย์ที่ personalized ให้กับผู้ที่มีแนวโน้มที่จะต้องการ
- การใช้ AR/VR ในสำหรับการกายภาพผู้ป่วย
- หรือมี Startup ในตลาดทุกวันนี้ที่เราสามารถติดต่อหาผู้ดูแล สำหรับผู้สูงอายุ หรือผู้ป่วยติดเตียงที่บ้านได้ผ่าน application ได้แล้วอีกด้วยย !
ขอขอบคุณผู้อ่านทุกคนที่อ่านมาจนถึงย่อหน้าสุดท้ายนะครับ บทความนี้ผมเขียนขึ้นด้วยความตั้งใจ หวังว่าจะเป็นประโยชน์ไม่มากก็น้อยกับผู้อ่านทุกท่าน หากผิดพลาดประการใดสามารถคอมเม้นเพื่อติชม หรือแนะนำได้เลยนะครับ ขอให้มีความสุขกับโลกของเทคโนโลยีฮะ :3
References and Further Reading:
