AI ทำนายผู้ป่วย readmit ได้ — แต่ถ้าไม่มี process ต่อ ก็แค่หมอดู

"AI บอกว่าคนไข้คนนี้เสี่ยงกลับมานอนซ้ำ" — แล้วยังไงต่อ

ลองนึกภาพหน้าจอที่ขึ้นว่า AI ทำนายผู้ป่วย readmit ได้แม่นระดับหนึ่ง — คนไข้รายนี้มีโอกาสสูงที่จะกลับมานอนโรงพยาบาลซ้ำภายใน 28 วัน ตัวเลขสวย กราฟสวย โมเดลก็ดูฉลาด แต่คำถามที่ผู้บริหารและหมอหน้างานถามต่อทันทีคือ — "แล้วยังไงต่อ?"

ถ้าคำตอบคือ "ก็...ให้หมอดูตัวเลขนี้แล้วระวังหน่อย" — นั่นแหละคือจุดที่ AI ส่วนใหญ่ในวงการสุขภาพตายอยู่เงียบ ๆ มันทำนายได้ แต่ไม่มีอะไรเกิดขึ้นต่อจากคำทำนาย สุดท้ายก็กลายเป็น AI ที่ทำหน้าที่เหมือนหมอดู — บอกอนาคตได้ แต่เปลี่ยนอนาคตไม่ได้

ความเชื่อที่ทำให้เราติดกับ: "แม่นขึ้น = ดีขึ้น"

วงการชอบวัดคุณค่าของ AI ทางคลินิกด้วยคำเดียว — accuracy โมเดลไหน AUC สูงกว่า แม่นกว่า ก็ถือว่าเจ๋งกว่า งานประชุมวิชาการเต็มไปด้วยตัวเลขความแม่นยำ

ปัญหาคือ ความแม่นของ prediction ไม่ได้แปลว่าคนไข้ปลอดภัยขึ้นแม้แต่นิดเดียว ระหว่างสองอย่างนี้มีช่องว่างใหญ่มากที่แทบไม่มีใครพูดถึง:

โมเดลทำนายว่า "เสี่ยงสูง" ได้ 100 เคส — แต่ถ้าไม่มีใครทำอะไรต่อกับ 100 เคสนั้น ผลลัพธ์กับไม่มี AI เลยก็เท่ากัน
ตัวเลขความเสี่ยงที่โผล่บนหน้าจอ ถ้าไม่บอกว่า ใครต้องทำอะไร เมื่อไหร่ ก็เป็นแค่ noise เพิ่มให้หมอที่งานล้นอยู่แล้ว
ทำนายทุกเคส (รวมเคสที่ทำอะไรไม่ได้อยู่ดี) = สร้าง alert fatigue จนสุดท้ายไม่มีใครดู

หัวใจที่อยากให้จำ: prediction ที่ไม่ต่อกับการลงมือ ไม่ใช่ของมีค่า — มันคือต้นทุน (เวลา ความสนใจ ความเชื่อใจของหน้างาน) ที่จ่ายไปโดยไม่ได้ outcome กลับมา

มุมใหม่: AI ที่ใช้ได้จริง = prediction → process → process control

ลองเปลี่ยนวิธีมองใหม่ AI ทางคลินิกที่ดีไม่ได้จบที่ "ทำนายแม่น" แต่มันคือ ระบบงานที่เอาคำทำนายไปทำให้เกิดการลงมือจริง แล้ววัดว่าการลงมือนั้นได้ผลไหม — คิดแบบเดียวกับที่เราทำงานคุณภาพ (QI) ทุกวัน

โครงที่เรายึดมี 3 ชั้น:

Prediction — ทำนายเฉพาะเคสที่ "ทำอะไรต่อได้" ไม่ใช่ทำนายทุกคนให้ครบ ๆ แต่คัดเฉพาะเคสเสี่ยงสูงที่ยัง actionable (ยังมีช่องให้ intervene ก่อนคนไข้กลับไป) — เคสที่ทำนายแล้วทำอะไรไม่ได้ ไม่ต้องรบกวนหน้างาน
Process — คำทำนายต้องพ่วง "แล้วต้องทำอะไร" เสี่ยง readmit สูง → trigger กระบวนการที่ชัดเจน เช่น วางแผนจำหน่ายเข้มขึ้น นัด follow-up เร็วขึ้น ประสานเยี่ยมบ้าน/ปรับยา ไม่ใช่แค่โชว์เลขแล้วปล่อยให้หมอไปคิดเอง
Process control — วัดว่ากระบวนการที่ทำไปได้ผลไหม เคสที่เรา intervene แล้ว อัตรากลับมานอนซ้ำลดจริงไหม เทียบกับก่อนหน้า มองผ่าน control chart แบบเดียวกับที่ HA คุ้นเคย เพื่อรู้ว่านี่คือการเปลี่ยนแปลงจริงหรือแค่ความผันผวนปกติ

พูดสั้น ๆ — AI ไม่ได้มาแทนการตัดสินใจของหมอ มันมาชี้เป้าให้กระบวนการคุณภาพลงไปถูกจุด คนไข้ที่ควรได้รับความใส่ใจเป็นพิเศษ ไม่หลุดไปเพราะงานล้น

หลักฐานจากของจริง: เราออกแบบ AI แบบนี้เพราะเคยเจ็บมาก่อน

เราไม่ได้คิดโครงนี้ในห้องประชุม — เราเจอด้วยตัวเองว่า AI ที่ทำนายเฉย ๆ ไม่มีใครใช้ ระบบทำนาย readmission ของเราจึงถูกออกแบบให้ auto เฉพาะเคสที่ลงมือต่อได้ และพ่วงกระบวนการ + Scorecard ที่วัดผลย้อนได้ตั้งแต่วันแรก แทนที่จะเป็นแดชบอร์ดตัวเลขที่สวยแต่เงียบ

ผลลัพธ์ที่เราอยากให้ดูไม่ใช่ "โมเดลแม่นกี่เปอร์เซ็นต์" แต่คือ outcome ปลายทางที่วัดได้จริง:

อัตราการกลับมานอนซ้ำภายใน 28 วันในกลุ่มเสี่ยงที่เรา intervene — วัดเทียบก่อน/หลังจริง ไม่ใช่แค่คะแนนความแม่นของโมเดล
สัดส่วนเคสเสี่ยงสูงที่ได้เข้ากระบวนการวางแผนจำหน่าย/follow-up จริง — ไม่ใช่แค่ถูกทำนายแล้วปล่อยผ่าน
เวลาที่ทีมประหยัดได้จากการไม่ต้องมานั่งไล่ดูเองว่าใครเสี่ยง เพราะระบบคัดเฉพาะเคสที่ actionable มาให้

จุดสำคัญของเรื่องคือ เราวัดที่ outcome ของคนไข้ ไม่ใช่ที่ความแม่นของโมเดล

และเพราะเราเป็นทีมแพทย์/พยาบาลที่ทำงานหน้างานเอง เราถึงยึดข้อนี้เป็นเส้นตาย — ไม่ส่งข้อมูลระบุตัวตนผู้ป่วย (ชื่อ-สกุล / HN / เลขบัตร) ให้ AI เด็ดขาด โมเดลทำงานบนข้อมูลที่จำเป็นต่อการทำนายเท่านั้น ส่วนการเชื่อมโยงกลับไปหาตัวคนไข้ อยู่ในระบบที่ควบคุมสิทธิ์ตามหลัก PDPA — เรื่องนี้สำคัญมากสำหรับ รพ.รัฐที่ต้องรับผิดชอบข้อมูลผู้ป่วยตามกฎหมาย

นัยต่อการบริหารโรงพยาบาล: อย่าซื้อ "AI ที่ทำนายเฉย ๆ"

ถ้าคุณกำลังพิจารณา AI ทางคลินิกสักตัว คำถามที่ควรถาม vendor ไม่ใช่ "แม่นกี่เปอร์เซ็นต์" แต่คือ:

คำทำนายนี้ trigger กระบวนการอะไรต่อ หรือแค่ขึ้นตัวเลขบนจอ?
มันทำนาย เฉพาะเคสที่เราลงมือต่อได้ หรือยิง alert ใส่ทุกคนจนหน้างานเลิกสนใจ?
มี วิธีวัดว่ากระบวนการที่ต่อจากคำทำนายได้ผลจริงไหม (process control) หรือเปล่า?
ข้อมูลผู้ป่วยถูกจัดการยังไง — มี PII หลุดไปหา AI ไหม ผ่าน PDPA หรือเปล่า?

ถ้าคำตอบส่วนใหญ่คือ "ก็ให้หมอดูเอาเอง" — นั่นคือ AI ที่จะกลายเป็นหน้าจอที่ไม่มีใครเปิดภายใน 3 เดือน จ่ายแพงเพื่อได้ตัวเลขที่เปลี่ยน outcome ไม่ได้

AI ที่คุ้มค่ากับ รพ. คือ AI ที่ทำงานเหมือน เพื่อนร่วมทีมคุณภาพ — ชี้เป้าเคสที่ควรใส่ใจ ต่อด้วยกระบวนการ แล้ววัดผลให้เห็นว่าดีขึ้นจริง ไม่ใช่หมอดูที่บอกอนาคตแล้วปล่อยให้คุณจัดการเอง

อยากเห็น AI ที่ต่อด้วย process จริง หน้าตาเป็นยังไง

เราสร้าง AI ทางคลินิกหลายตัวจากหลักคิดเดียวกันนี้ — ทำนายเฉพาะเคสที่ลงมือต่อได้ พ่วงกระบวนการ วัด outcome ปลายทาง และไม่ส่ง PII ให้ AI — เพราะเราต้องใช้มันเองในโรงพยาบาลของเราทุกวัน

อยากเห็นว่า AI ทำนายผู้ป่วย readmit ที่ต่อด้วย process + process control จริงในบริบท รพ.คุณ หน้าตาเป็นยังไง? นัดดู demo ได้ที่นี่ — ทดลองใช้ 3 เดือน ไม่เวิร์คไม่จ่าย ให้คุณเห็นว่ามันเปลี่ยน outcome ได้จริง ไม่ใช่แค่โชว์ตัวเลข ก่อนตัดสินใจ