ผลการศึกษาชิ้นใหม่ที่ใช้ปัญญาประดิษฐ์ (AI) และแมชชีนเลิร์นนิง (machine learning) เผยปัจจัยสำคัญที่สุดที่จะบอกได้ว่าใครจะออกกำลังกายได้สม่ำเสมอหรือไม่ นั่นคือ: เวลาที่ใช้ไปกับการนั่งเฉยๆ เพศ และระดับการศึกษา งานวิจัยชิ้นนี้ตีพิมพ์ในวารสารวิชาการดังอย่าง Scientific Reports ซึ่งวิเคราะห์ข้อมูลสุขภาพของคนเกือบ 12,000 คน เผยให้เห็นมุมมองใหม่ๆ ว่าอะไรคือตัวช่วยให้คนทำตามคำแนะนำเรื่องการออกกำลังกายได้สำเร็จ ซึ่งถือเป็นข้อมูลที่สำคัญมากสำหรับประเทศไทย ที่วิถีชีวิตแบบนั่งๆ นอนๆ กำลังเพิ่มสูงขึ้น
ใครๆ ก็รู้ว่าการออกกำลังกายเป็นประจำนั้นสำคัญสุดๆ โดยเฉพาะในเมืองไทย ที่ชีวิตยุคใหม่มักหมายถึงการนั่งจ้องหน้าจอคอมพิวเตอร์นานหลายชั่วโมง หรือติดแหง็กอยู่บนรถท่ามกลางสภาพจราจรสุดโหดในกรุงเทพฯ ทำให้ความเสี่ยงของสารพัดโรคจากการไม่ขยับร่างกาย อย่างเบาหวานและโรคหัวใจ พุ่งสูงขึ้น กระทรวงสาธารณสุขแนะนำให้ผู้ใหญ่ชาวไทยออกกำลังกายแบบปานกลางอย่างน้อย 150 นาที หรือแบบหนัก 75 นาทีต่อสัปดาห์ ซึ่งก็เป็นมาตรฐานเดียวกับทั่วโลก แต่ก็เหมือนกับหลายๆ ประเทศ คนไทยจำนวนไม่น้อยยังทำตามเป้าหมายนี้ไม่ได้ ทำให้เกิดคำถามตัวโตๆ ว่า เราจะช่วยกระตุ้นให้คนหันมาใส่ใจสุขภาพมากขึ้นได้อย่างไร?
การศึกษาล่าสุดนี้นำทีมโดยนักวิจัยจากมหาวิทยาลัยมิสซิสซิปปี ใช้เทคนิคแมชชีนเลิร์นนิงวิเคราะห์คลังข้อมูลสุขภาพขนาดใหญ่จากโครงการสำรวจสุขภาพและโภชนาการแห่งชาติของสหรัฐฯ (US National Health and Nutrition Examination Survey) ระหว่างปี 2009 ถึง 2018 หลังจากคัดกรองข้อมูลที่ไม่สมบูรณ์หรือมีผลจากโรคประจำตัวออกไป ทีมวิจัยได้ศึกษาข้อมูลผู้เข้าร่วม 11,683 คน โดยดูจากปัจจัยด้านไลฟ์สไตล์ ข้อมูลส่วนบุคคล และสุขภาพ เพื่อหาว่าอะไรพอจะทำนายได้ว่าใครจะออกกำลังกายได้ตามเป้าอย่างต่อเนื่อง ผลปรากฏว่า ปัจจัย 3 อันดับแรกที่โดดเด่นและมีอิทธิพลมากที่สุดในโมเดล AI ที่แม่นยำที่สุด คือ เวลาที่ใช้นั่ง เพศ และระดับการศึกษา
“การทำตามคำแนะนำเรื่องออกกำลังกายเป็นเรื่องที่น่าห่วงในแง่สาธารณสุข เพราะมันเกี่ยวโดยตรงกับการป้องกันโรคและสุขภาพโดยรวม” ศาสตราจารย์มินซู คัง หนึ่งในผู้เขียนงานวิจัยและผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูลกีฬา อธิบาย การที่ AI ได้เรียนรู้จากชุดข้อมูลมหาศาลขนาดนี้ ทำให้ทีมวิจัยมองเห็นรูปแบบความสัมพันธ์ที่ซับซ้อนเกินกว่าที่วิธีทางสถิติแบบเดิมๆ จะจับได้ ช่วยให้ทำนายผลได้แม่นยำขึ้น และอาจนำไปสู่การออกมาตรการช่วยเหลือที่มีประสิทธิภาพมากกว่าเดิม (ที่มา: Neuroscience News)
เมื่อเจาะลึกลงไป นักวิจัยพบว่าคนที่ใช้เวลานั่งนานๆ มีแนวโน้มน้อยกว่าที่จะออกกำลังกายได้ตามเป้าหมายรายสัปดาห์ ซึ่งเป็นสิ่งที่เห็นได้ทั่วโลก รวมถึงในไทยด้วย ที่การใช้ชีวิตอยู่กับหน้าจอ การทำงานจากที่บ้าน และวิถีชีวิตคนเมือง ทำให้คนเรานั่งติดเก้าอี้กันมากขึ้น เพศก็เป็นอีกปัจจัยสำคัญ สอดคล้องกับงานวิจัยก่อนหน้านี้ที่พบว่าผู้หญิงไทยโดยเฉลี่ยออกกำลังกายน้อยกว่าผู้ชาย ซึ่งอาจมีสาเหตุมาจากกรอบความคิดทางสังคม ความกังวลเรื่องความปลอดภัยเวลาออกกำลังกายกลางแจ้ง หรือการเข้าถึงสถานที่และอุปกรณ์กีฬาที่ไม่เท่าเทียมกัน
แต่สิ่งที่น่าสนใจที่สุดอาจเป็นการค้นพบว่า ระดับการศึกษาเป็นตัวทำนายพฤติกรรมการออกกำลังกายที่ทรงพลังและเป็นอิสระจากปัจจัยอื่น “ตอนแรกผมคิดว่าปัจจัยอย่างเพศ ค่า BMI เชื้อชาติ หรืออายุ น่าจะมีผลกับโมเดลทำนายของเรามากที่สุด แต่ผมทึ่งมากที่พบว่าระดับการศึกษามีความสำคัญขนาดนี้” จู-พิล เช หัวหน้าทีมวิจัยกล่าว ระดับการศึกษานั้นไม่เหมือนเพศหรืออายุที่เป็นสิ่งที่ติดตัวมาตั้งแต่เกิด แต่เป็นสิ่งที่สังคมและสภาพเศรษฐกิจมีส่วนกำหนด ซึ่งชี้ให้เห็นว่า การส่งเสริมการเรียนรู้ตลอดชีวิตอาจส่งผลดีต่อสุขภาพของประชาชนโดยรวมได้ (ที่มา: Neuroscience News)
สำหรับคนไทย ผลการวิจัยนี้สะท้อนค่านิยมที่คุ้นเคยกันดี สังคมไทยให้ความสำคัญกับการศึกษาอย่างมาก – ชุดนักเรียนเป็นเครื่องหมายแห่งความภาคภูมิใจ และการศึกษามักถูกมองว่าเป็นบันไดสู่ความสำเร็จในอาชีพการงานและฐานะทางสังคมที่ดีขึ้น งานวิจัยชิ้นใหม่นี้ชี้ว่า การศึกษาอาจเป็นหนทางสู่การมีสุขภาพที่ดีขึ้นด้วย นโยบายที่เพิ่มโอกาสทางการศึกษา โดยเฉพาะกับกลุ่มคนที่เข้าถึงยาก อาจส่งผลดีในวงกว้าง รวมถึงช่วยให้คนหันมาออกกำลังกายมากขึ้น และลดปัญหาโรคภัยไข้เจ็บที่มาจากไลฟ์สไตล์ได้
อย่างไรก็ตาม นักวิจัยก็ชี้ถึงข้อจำกัดบางอย่างของการศึกษา โดยเฉพาะการที่ต้องอาศัยข้อมูลการออกกำลังกายที่ผู้เข้าร่วมรายงานเอง ซึ่งอาจทำให้ตัวเลขสูงกว่าความเป็นจริง แม้ว่าเดี๋ยวนี้คนไทยจะนิยมใช้สมาร์ทวอทช์และเครื่องนับก้าวกันมากขึ้น แต่หากมีข้อมูลระดับประเทศที่วัดผลได้จริงมากขึ้น ก็จะช่วยให้การวิจัยในอนาคตสามารถทำนายผลได้แม่นยำยิ่งขึ้น แต่ถึงกระนั้น การนำแมชชีนเลิร์นนิงมาใช้ก็ถือเป็นก้าวสำคัญ ที่จะช่วยให้เจ้าหน้าที่สาธารณสุขและผู้กำหนดนโยบายสามารถออกแบบโครงการส่งเสริมสุขภาพที่ตรงจุดและเหมาะกับแต่ละบุคคลได้ดียิ่งขึ้น
ผลวิจัยนี้สามารถนำมาประยุกต์ใช้ในไทยได้หลายทาง เช่น การระบุกลุ่มเสี่ยงสูงที่จะมีพฤติกรรมเนือยนิ่ง (เช่น พนักงานออฟฟิศ ผู้หญิงที่เข้าถึงสนามกีฬาได้จำกัด หรือผู้ใหญ่ที่การศึกษาน้อย) ผู้กำหนดนโยบายของไทย – ร่วมกับผู้นำชุมชน ภาคธุรกิจ และนักการศึกษา – สามารถพัฒนาโครงการที่ตอบโจทย์บริบทของไทยได้ อาจจะเป็นโครงการสุขภาพในที่ทำงานที่สนับสนุนให้พนักงานลุกขึ้นมายืดเส้นยืดสายบ่อยๆ การเพิ่มโอกาสทางการศึกษาฟรีหรือราคาถูก หรือการดูแลให้สวนสาธารณะมีความปลอดภัยและมีแสงสว่างเพียงพอสำหรับการออกกำลังกาย โดยเฉพาะสำหรับผู้หญิงและเด็ก
ที่ผ่านมา ประเทศไทยเคยมีโครงการส่งเสริมการออกกำลังกายและกีฬา เช่น “ปั่นเพื่อพ่อ” และ “ปั่นเพื่อแม่” รวมถึงกิจกรรมในชุมชนอย่างการเต้นแอโรบิกยามเช้าตามสวนสาธารณะ อย่างไรก็ตาม ความจริงที่ว่ายังมีความเหลื่อมล้ำว่าใครกันแน่ที่ได้ออกกำลังกายอย่างเพียงพอ ชี้ให้เห็นถึงปัจจัยเชิงโครงสร้างและสังคมที่ลึกซึ้งกว่า ซึ่ง AI ได้ช่วยทำให้เราเห็นภาพชัดเจนขึ้นในครั้งนี้
สำหรับก้าวต่อไป ผู้เขียนงานวิจัยแนะนำให้ขยายการศึกษาโดยใช้ข้อมูลที่วัดผลได้จริงมากขึ้น และสำรวจปัจจัยอื่นๆ เพิ่มเติม เช่น การบริโภคอาหารเสริม หรือพฤติกรรมสุขภาพด้านอื่นๆ สำหรับประเทศไทย การเติบโตของข้อมูลขนาดใหญ่ (big data) เมื่อผนวกกับความสามารถของ AI อาจนำไปสู่ยุคใหม่ของ “สาธารณสุขแม่นยำ” ที่มาตรการต่างๆ ไม่ใช่แค่การรณรงค์แบบกว้างๆ แต่ถูกออกแบบมาให้เหมาะกับความต้องการเฉพาะของแต่ละชุมชนที่หลากหลาย
สำหรับพวกเราคนไทยทั่วไป ข้อคิดสำคัญจากเรื่องนี้ชัดเจนคือ: ลองสังเกตดูว่าเรานั่งติดเก้าอี้นานแค่ไหนในแต่ละวัน (พยายามลุกขึ้นขยับตัวบ่อยๆ!), หาโอกาสเรียนรู้สิ่งใหม่ๆ อยู่เสมอ และเข้าใจว่าค่านิยมทางสังคมและเรื่องเพศอาจส่งผลต่อการใช้ชีวิตประจำวันของเราได้ ถ้าคุณกำลังพยายามจะเริ่มหรือทำนิสัยออกกำลังกายให้ต่อเนื่อง ลองหากิจกรรมกลุ่มทำ ตั้งเป้าหมายเล็กๆ ที่พอทำได้จริง และใช้แอปหรืออุปกรณ์ดิจิทัลช่วยติดตามความคืบหน้าและสร้างกำลังใจ ส่วนผู้กำหนดนโยบายและนายจ้าง ก็มีโจทย์ที่ต้องช่วยกันลดโอกาสที่คนจะนั่งนิ่งๆ ส่งเสริมการเข้าถึงกีฬาและการศึกษาอย่างเท่าเทียม และแก้ไขปัญหาเชิงโครงสร้างที่ขัดขวางไม่ให้ผู้คนแอคทีฟ
หากต้องการอ่านรายละเอียดเพิ่มเติม สามารถดู บทความต้นฉบับที่ Neuroscience News รวมถึงงานวิจัยฉบับเต็มใน Scientific Reports โดย Lee, Choe และ Kang