บทคัดย่อ
การพัฒนาเทคโนโลยีปัญญาประดิษฐ์ทางการแพทย์เติบโตอย่างรวดเร็วและมีบทบาทสำคัญต่อการดูแลสุขภาพทั่วโลก อย่างไรก็ตาม การนำเทคโนโลยีดังกล่าวไปใช้จริงยังมีความท้าทาย ทั้งในแง่ความคุ้มค่าทางเศรษฐศาสตร์ ความปลอดภัยของข้อมูลผู้ป่วย และการยอมรับของบุคลากรทางการแพทย์ คณะผู้วิจัยจึงดำเนินการศึกษาโครงการวิจัยชิ้นนี้ อันประกอบด้วย 3 ส่วนหลักคือ (1) การทบทวนวรรณกรรมอย่างเป็นระบบและวิเคราะห์อภิมานของงานวิจัยที่ประเมินความคุ้มค่าของปัญญาประดิษฐ์ทางการแพทย์แม่นยำทั่วโลก (2) การสำรวจความคิดเห็นบุคลากรทางการแพทย์ในประเทศไทยผ่านแบบสอบถามออนไลน์เกี่ยวกับการใช้งานและการรับรู้ต่อปัญญาประดิษฐ์ (Artificial Intelligence: AI) ทางการแพทย์ และ (3) การประเมินความคุ้มค่าทางเศรษฐศาสตร์ (cost-utility analysis) ของการคัดกรองวัณโรคปอดในประชากรกลุ่มเสี่ยงตามชุมชนโดยใช้ AI เปรียบเทียบกับแนวทางปัจจุบันที่ใช้แพทย์ทั่วไป โดยใช้แบบจำลองแผนภูมิการตัดสินใจและแบบจำลอง Markov ผลการศึกษา: (1) จากการทบทวนวรรณกรรมพบว่าเทคโนโลยีปัญญาประดิษฐ์ทางการแพทย์แม่นยำ (AI-PM) โดยรวม มีแนวโน้มที่จะมีความคุ้มค่าหรือประหยัดต้นทุนได้ โดยมีค่าผลประโยชน์สุทธิที่เป็นตัวเงิน (Net Monetary Benefit: NMB) เป็นบวก และปีสุขภาวะ (Quality-Adjusted Life Years: QALYs) เพิ่มขึ้น ปัจจัยสำคัญที่ส่งผลต่อ NMB ได้แก่ ต้นทุนต่อหน่วยของ AI-PM และการบูรณาการการปฏิบัติตามการตัดสินใจโดยอาศัยข้อมูลจาก AI (2) ผลสำรวจบุคลากรทางการแพทย์ไทยแสดงให้เห็นถึงความคิดเห็นเชิงบวกอย่างมาก ต่อการนำ AI มาใช้ในการสนับสนุนการตัดสินใจทางคลินิกและการวินิจฉัยโรค แต่ก็มีความกังวลอย่างมีนัยสำคัญด้านความปลอดภัยของข้อมูลผู้ป่วย และคุณภาพการสื่อสารระหว่างแพทย์กับผู้ป่วย (3) การประเมินความคุ้มค่าทางเศรษฐศาสตร์พบว่ากลยุทธ์การคัดกรองวัณโรคปอดโดยใช้ AI มีความคุ้มค่าในประเทศไทยที่เกณฑ์ 160,000 บาทต่อปีสุขภาวะ โดยเฉพาะอย่างยิ่ง การใช้ปัญญาประดิษฐ์ทางการแพทย์แปลผลภาพถ่ายรังสีทรวงอกเพียงอย่างเดียว (AI alone) เป็นทางเลือกที่คุ้มค่าที่สุด เนื่องจากมีต้นทุนตลอดชีพสูงกว่าแต่ให้ผลลัพธ์ทางสุขภาพที่ดีกว่าทั้งในแง่ของปีชีวิตและปีสุขภาวะเมื่อเทียบกับการให้แพทย์ทั่วไปแปลผลเพียงอย่างเดียว (GP alone) บทสรุป: ปัญญาประดิษฐ์ทางการแพทย์มีศักยภาพสูงในการพัฒนาการดูแลสุขภาพ แต่การนำมาใช้อย่างมีประสิทธิภาพและยั่งยืนจำเป็นต้องมีแนวทางการประเมินความคุ้มค่าที่เป็นมาตรฐาน การแก้ไขช่องว่างในการรายงานข้อมูล การพิจารณาประเด็นด้านจริยธรรม เช่น ความปลอดภัยของข้อมูล และกรอบนโยบายที่แข็งแกร่งสำหรับการนำไปใช้และการเบิกจ่ายในระบบประกันสุขภาพ
บทคัดย่อ
The development of artificial intelligence (AI) in healthcare is advancing rapidly and playing
an important role in healthcare worldwide. However, real-world implementation remains
challenging in terms of economic value, patient data security, and acceptance by health
professionals. Hence, this study was conducted with three main components: (1) a systematic
review and meta-analysis of global studies evaluating the cost-effectiveness of precision medical
AI (AI-PM); (2) a nationwide online survey of Thai health providers on their use of and perceptions
toward AI in healthcare; and (3) a model-based (decision-tree and Markov model) cost-utility
analysis of community-based screening for pulmonary tuberculosis (TB) in high-risk populations
using AI compared with the current approach.
Results: (1) The literature indicates that, overall, AI-PM tends to be cost-effective or cost-saving,
with positive net monetary benefit (NMB) and gains in quality-adjusted life years (QALYs).
Key drivers of NMB include the unit cost of AI-PM and the extent to which AI-informed decisions
are adhered to in practice. (2) The Thai health-professional survey revealed highly positive views
toward using AI to support clinical decision-making and diagnosis, alongside significant concerns
about patient data security and the quality of physician –patient communication.
(3) The economic evaluation found that AI-based pulmonary TB screening is cost-effective in
Thailand at a willingness-to-pay threshold of 160,000 THB per QALY. In particular, using medical
AI alone to interpret chest radiographs (AI alone) was the most cost-effective option: although it
incurs higher lifetime costs, it delivers better health outcomes than interpretation by general
practitioners alone (GP alone).
Conclusion: AI in healthcare has substantial potential to improve healthcare. To enable
effective and sustainable adoption, however, standardized approaches to cost-effectiveness
evaluation are needed, along with closing reporting gaps, addressing ethical issues such as data
security, and establishing robust policy frameworks for implementation and reimbursement
within health insurance systems.
