เอาข้อมูลผู้ป่วยไปให้ AI ช่วยวิเคราะห์ = ระเบิดเวลา PDPA ที่โรงพยาบาลยังไม่รู้ตัว

ก็อปเคสคนไข้ไปวางในแชต AI เพื่อให้ช่วยสรุป — คุ้นไหม

ภาพนี้เกิดขึ้นในโรงพยาบาลไทยทุกวันโดยไม่มีใครสั่ง: เจ้าหน้าที่คนหนึ่งอยากให้ AI ช่วยสรุปเคสยาก ช่วยจัดกลุ่มผู้ป่วย หรือช่วยร่างรายงานตัวชี้วัด เลยก็อปข้อความจากเวชระเบียน — ที่มีทั้งชื่อ-สกุล เลขบัตรประชาชน HN และประวัติการรักษา — ไปวางในช่องแชตของ AI ตัวใดตัวหนึ่งบนอินเทอร์เน็ต กด Enter แล้วก็ได้คำตอบสวย ๆ กลับมา งานเสร็จเร็วขึ้นจริง

ปัญหาคือ วินาทีที่กด Enter นั้น ข้อมูลผู้ป่วยได้ออกจากโรงพยาบาลไปแล้ว และคุณไม่มีทางเอากลับคืนมาได้ นี่คือเหตุผลที่การ ส่งข้อมูลผู้ป่วยให้ AI ช่วยวิเคราะห์ กำลังกลายเป็นระเบิดเวลา PDPA ที่หลายโรงพยาบาลยังไม่รู้ตัว — บทความนี้จะอธิบายว่าทำไมมันเสี่ยง และที่สำคัญกว่า คือ ออกแบบยังไงให้ยังใช้ AI ได้ โดยไม่ต้องเอาข้อมูลระบุตัวตนของคนไข้ออกไปเลย

หลักคิดสั้น ๆ: ข้อมูลสุขภาพไม่ใช่ข้อมูลธรรมดา

ก่อนอื่นต้องตั้งหลักให้ตรงกัน — ภายใต้ PDPA ข้อมูลสุขภาพถูกจัดเป็น ข้อมูลอ่อนไหว (sensitive personal data) ซึ่งกฎหมายคุ้มครองเข้มกว่าข้อมูลทั่วไป การประมวลผลต้องมีฐานทางกฎหมายที่ชัดเจน และการ "ส่งต่อให้บุคคลที่สาม" (ในที่นี้คือผู้ให้บริการ AI ภายนอก) ยิ่งต้องระวังเป็นพิเศษ

ประเด็นสำคัญที่มักเข้าใจผิดคือ หลายคนคิดว่า "ก็แค่ถาม AI ครั้งเดียว ไม่ได้เก็บไว้" แต่ในมุมกฎหมายและความปลอดภัย มี 3 จุดที่ต้องคิดให้ครบ:

ข้อมูลออกนอกการควบคุมของโรงพยาบาล — พอส่งออกไปแล้ว คุณไม่รู้ว่าถูกเก็บ log ไว้ที่ไหน นานแค่ไหน ใครเข้าถึงได้ หรือถูกนำไปใช้ต่ออย่างไร
ขาดฐานความยินยอม — ผู้ป่วยยินยอมให้รักษา ไม่ได้ยินยอมให้เอาข้อมูลระบุตัวตนไปป้อนบริการภายนอก
ตามรอยยาก — ถ้าเกิดข้อมูลรั่วขึ้นมา คุณจะพิสูจน์ไม่ได้ด้วยซ้ำว่ารั่วจากตรงไหน เพราะการก็อปไปวางในแชตไม่มี audit log

จุดที่อยากให้จำ: ความเสี่ยงไม่ได้อยู่ที่ "AI ฉลาดหรือไม่" แต่อยู่ที่ PII และข้อมูลสุขภาพของผู้ป่วยเดินทางออกนอกกำแพงโรงพยาบาล โดยไม่มีการควบคุม

AI ที่ปลอดภัย ทำงานได้โดย "ไม่ต้องรู้ว่าเป็นใคร"

ข่าวดีคือ AI ไม่จำเป็นต้องรู้ชื่อคนไข้ เลขบัตร หรือ HN เลย ก็ยังวิเคราะห์ได้ ลองคิดดู — เวลาให้ AI ช่วยประเมินความเสี่ยงการกลับมานอนซ้ำ (readmission) หรือช่วยจัดกลุ่มผู้ป่วยเบาหวานที่คุมน้ำตาลไม่ได้ สิ่งที่ AI ต้องการคือ ตัวแปรทางคลินิก (อายุเป็นช่วง ค่าแล็บ การวินิจฉัย ยาที่ได้) ไม่ใช่ชื่อ-สกุลของคนไข้

นี่คือหลักการ PII-safe by design ที่ทำตามได้จริง แม้ในโรงพยาบาลของคุณเองวันนี้:

แยกตัวระบุตัวตนออกก่อนเสมอ — ก่อนข้อมูลจะไปถึง AI ให้ตัด ชื่อ-สกุล เลขบัตรประชาชน HN เบอร์โทร ที่อยู่ ออกทั้งหมด เหลือไว้แต่ตัวแปรทางคลินิกที่จำเป็นต่อการวิเคราะห์
ส่งเฉพาะสิ่งที่ AI ต้องใช้จริง — ถามตัวเองทุกครั้งว่า "ฟิลด์นี้ AI ต้องรู้จริงไหมถึงจะตอบได้" ถ้าไม่ ก็ไม่ต้องส่ง (หลัก data minimization ของ PDPA)
ผูก ID ภายในกลับทีหลัง — ให้ AI ทำงานกับรหัสอ้างอิงภายในที่ไม่ระบุตัวตน แล้วค่อยจับคู่กลับเป็นคนไข้จริง ภายในระบบของโรงพยาบาลเอง หลังได้ผลลัพธ์แล้ว
เก็บ PII ที่เหลือแบบเข้ารหัส — ข้อมูลระบุตัวตนที่ยังต้องเก็บในระบบ ควรเข้ารหัสระดับฟิลด์ (เช่น AES-256) เพื่อว่าต่อให้ฐานข้อมูลหลุด ก็อ่านไม่ออก แต่ยังค้นหาได้ผ่าน hash

พูดง่าย ๆ คือ แยก"ใครเป็นคนไข้" ออกจาก "ข้อมูลที่เอาไปให้ AI คิด" สองอย่างนี้ไม่จำเป็นต้องเดินทางไปด้วยกัน

จุดพลาดที่เจอบ่อย (และมักถูกมองข้าม)

จากที่เราออกแบบระบบ AI ทางคลินิกมาหลายตัว ต่อไปนี้คือกับดักที่พบบ่อยที่สุด:

ลืมว่า "เล่าเคส" ก็คือ PII — ต่อให้ตัดชื่อออก แต่ถ้าเขียนเล่าเคสละเอียดจนเดาตัวคนได้ (เช่น อายุ + โรค + เหตุการณ์เฉพาะ) ก็ยังถือว่าระบุตัวได้ทางอ้อม
คิดว่า "ลบแชตแล้วจบ" — การลบฝั่งคุณไม่ได้แปลว่าผู้ให้บริการภายนอกลบ log ของเขา
ไม่มี audit log ตอนเรียก AI — ถ้าเรียกใช้ AI โดยไม่บันทึกว่าใครส่งอะไรไปเมื่อไหร่ พอถูกตรวจสอบก็ตอบไม่ได้ว่าเกิดอะไรขึ้น
ใช้ AI ตัวเดียวปนทุกโรงพยาบาล — ถ้าข้อมูลหลาย รพ. ไปกองรวมที่เดียวโดยไม่แยกฐาน ความเสี่ยงหนึ่งจุดลามได้ทั้งเครือ
ปล่อยให้เป็นวิจารณญาณรายคน — ตราบใดที่ยังต้องอาศัย "เจ้าหน้าที่แต่ละคนระวังเอง" สุดท้ายจะมีคนพลาด ต้องแก้ที่ การออกแบบระบบ ให้ PII ออกไปไม่ได้ตั้งแต่แรก

ทำเองได้ — แต่ถ้าไม่อยากมานั่งกันข้อมูลรั่วทีละจุด

ทั้งหมดนี้โรงพยาบาลลงมือทำเองได้ เริ่มจากออกนโยบายห้ามก็อปข้อมูลผู้ป่วยไปวางในแชต AI ภายนอก และวางกระบวนการแยก PII ก่อนใช้ AI ทุกครั้ง

แต่ในทางปฏิบัติ การมานั่งกันข้อมูลรั่วทีละจุด ทีละคน มันเหนื่อยและพลาดง่าย — นี่คือจุดที่เราออกแบบ Carenera ให้ต่างออกไปตั้งแต่ต้น เราตั้งกฎเหล็กในระบบว่า ไม่ส่งข้อมูลระบุตัวตนของผู้ป่วย (ชื่อ-สกุล/เลขบัตร/HN) ให้ AI ภายนอกในทุกกรณี AI จะทำงานกับตัวแปรทางคลินิกที่ถอดตัวระบุตัวตนออกแล้วเท่านั้น ส่วน PII ที่เหลือในระบบเข้ารหัสระดับฟิลด์ (AES-256) และ แยกฐานข้อมูลของแต่ละโรงพยาบาลออกจากกัน เพื่อไม่ให้ข้อมูลปนข้ามที่

ผลลัพธ์คือคุณได้ใช้ AI ช่วยเฝ้าระวังและวิเคราะห์ผู้ป่วยจริง โดยที่ข้อมูลระบุตัวตนของคนไข้ ไม่เคยออกจากกำแพงโรงพยาบาล — ตอบผู้ตรวจ HA และ PDPA ได้เต็มปากว่าออกแบบมาเพื่อ sensitive data โดยเฉพาะ ไม่ใช่แค่ "ระวังเอาเอง"