งานวิจัยล่าสุดใช้ AI ไขปริศนาคาใจที่ว่า “ทำไมบางคนขยันเข้ายิมได้ตลอด แต่บางคนกลับถอดใจไปซะก่อน?” ทีมนักวิจัยจากมหาวิทยาลัยมิสซิสซิปปี ลองวิเคราะห์พฤติกรรมและข้อมูลของคนเกือบ 12,000 คน ผลปรากฏว่าเจอ 3 ปัจจัยเด็ดๆ ที่บอกได้เลยว่าใครมีแววจะออกกำลังกายสม่ำเสมอ นั่นคือ: เวลาที่ใช้นั่งเฉยๆ ในแต่ละวัน, เพศ, และระดับการศึกษา ถือเป็นเรื่องน่าสนใจมากที่ช่วยให้เราเข้าใจมากขึ้นว่าอะไรอยู่เบื้องหลังความมุ่งมั่นดูแลสุขภาพของเรา งานนี้ไม่เพียงแค่ช่วยให้คำแนะนำสุขภาพตรงจุดกับแต่ละคนได้ดีขึ้น แต่ยังปูทางไปสู่แคมเปญสุขภาพภาครัฐที่เจาะจงกลุ่มเป้าหมายได้แม่นยำขึ้น ทั้งในต่างประเทศและบ้านเรา (Neuroscience News, Science Daily)

ปัญหาคนไทยไม่ค่อยออกกำลังกายยังเป็นเรื่องใหญ่ด้านสาธารณสุข โดยเฉพาะในยุคที่โรคอ้วน โรคหัวใจ และเบาหวานระบาดหนัก หลายคนในบ้านเรามีภาระรัดตัว ทั้งเรื่องงาน เรื่องครอบครัว เรื่องสังคม จนแทบไม่มีเวลาดูแลตัวเอง แถมวิถีชีวิตคนเมืองก็ยิ่งทำให้เรา “นั่งติดเก้าอี้มากขึ้น ขยับตัวน้อยลง” สถิติจาก สสส. ชี้ว่าคนไทยที่ขยับร่างกายสม่ำเสมอมีแค่ราว 40% ซึ่งน้อยกว่าเกณฑ์แนะนำขององค์การอนามัยโลกจนน่าเป็นห่วง ดังนั้น คำถามที่ว่า “อะไรคือเคล็ดลับให้เรามีวินัยออกกำลังกาย?” จึงไม่ใช่แค่เรื่องวิชาการ แต่เป็นเรื่องสำคัญถึงขั้นชี้เป็นชี้ตายได้เลยทีเดียว [อ้างอิง]

ในงานวิจัยชิ้นนี้ สองนักศึกษาปริญญาเอก ซึงบัก ลี และ จู-พิล โช ร่วมกับศาสตราจารย์ มินซู คัง ได้นำข้อมูลสุขภาพ ไลฟ์สไตล์ และข้อมูลประชากรของชาวอเมริกันกว่า 11,600 คน มาป้อนเข้าโมเดล Machine Learning (ML) หลายแบบ เพื่อทำนายว่าใครมีแนวโน้มจะออกกำลังกายตามคำแนะนำได้บ้าง วิธีนี้ถือว่าล้ำหน้ากว่าเดิมมาก เพราะถ้าใช้การวิเคราะห์แบบเก่ากับข้อมูลมหาศาลขนาดนี้ คงทำได้ไม่เร็วเท่าใช้ ML ช่วย ทำให้นักวิจัยสามารถเจาะลึกข้อมูลได้หมดจด ตั้งแต่เรื่องรูปร่าง อายุ เพศ ระดับการศึกษา สถานภาพสมรส อาชีพ พฤติกรรมการนอน การดื่มเหล้า สูบบุหรี่ ไปจนถึง “พฤติกรรมนั่งนิ่งๆ” ได้อย่างมีประสิทธิภาพ

ผลลัพธ์ชี้ชัดว่า 3 ปัจจัยสำคัญสุดที่ทำนายว่าใครจะออกกำลังกายได้ตามเกณฑ์ คือ 1) เวลาที่หมดไปกับการนั่งนิ่งๆ ในแต่ละวัน 2) เพศ และ 3) ระดับการศึกษา “ตอนแรกผมก็นึกว่าเพศ ค่า BMI หรืออายุ จะเป็นตัวชี้วัดหลัก แต่ที่น่าแปลกใจคือระดับการศึกษากลับมีผลชัดเจนมาก” โชอธิบาย (Neuroscience News) เขาชี้ว่าสองข้อแรกเป็นปัจจัยทางชีวภาพ แต่การศึกษาเป็นปัจจัยทางสังคมและสิ่งแวดล้อม ซึ่งสะท้อนให้เห็นว่าการลงทุนทางสังคมอย่างการศึกษานั้นส่งผลดีต่อสุขภาพของประชาชนในระยะยาวได้

โดยเฉพาะ “เวลาที่นั่งนิ่งๆ” ถือเป็นตัวทำนายชั้นยอด คนที่ใช้เวลานั่งเยอะมักจะออกกำลังกายน้อยกว่ากลุ่มอื่นอย่างเห็นได้ชัด ส่วนเรื่องเพศก็ยังคงมีอิทธิพลเหมือนที่งานวิจัยก่อนๆ พบ (โดยเฉลี่ยแล้ว ผู้ชายมักจะออกกำลังกายต่อเนื่องได้ดีกว่าผู้หญิง อาจเป็นเพราะบทบาททางสังคม หน้าที่การงาน หรือวัฒนธรรม) ขณะที่ระดับการศึกษา อาจเกี่ยวข้องกับความรู้ความเข้าใจเรื่องสุขภาพ การเข้าถึงสถานที่หรืออุปกรณ์ออกกำลังกาย รวมถึงแรงสนับสนุนจากเพื่อนร่วมงานหรือคนรอบข้างก็เป็นได้

สำหรับบริบทของไทยเรา ข้อค้นพบนี้ก็ “โดนใจ” ไม่แพ้กัน โดยเฉพาะชาวกรุงที่ส่วนใหญ่ทำงานในออฟฟิศ นั่งติดโต๊ะหลายชั่วโมง แถมยังเสียเวลาเดินทางนาน ทำให้แทบไม่มีเวลาขยับตัว ชีวิตในเมืองใหญ่ของเอเชียก็คงเผชิญปัญหานี้ไม่ต่างกัน ขณะเดียวกัน ความเหลื่อมล้ำด้านการศึกษาระหว่างในเมืองกับชนบทก็อาจยิ่งซ้ำเติมปัญหาสุขภาพให้หนักขึ้นไปอีก พญ.ฉัตริยา ประสงค์สุข แพทย์เวชศาสตร์การกีฬา รพ.ศิริราช ให้ความเห็นว่า “ที่ผ่านมา เรารู้อยู่แล้วว่าปัจจัยทางสังคมอย่างการศึกษามีผลต่อความเสี่ยงโรคเรื้อรัง แต่การที่ AI ชี้ให้เห็นลำดับความสำคัญชัดเจนขนาดนี้ ถือเป็นการปลุกให้ผู้กำหนดนโยบายหันมาจริงจังกับการส่งเสริมการศึกษา เพื่อสุขภาพที่ดีของคนไทยทั้งประเทศ” [สัมภาษณ์]

ทีมวิจัยได้ลองใช้เทคนิค Machine Learning ถึง 6 แบบ โดยเฉพาะอัลกอริทึมกลุ่ม Decision Tree (ต้นไม้ตัดสินใจ) ที่ให้ผลแม่นยำที่สุด งานนี้จึงไม่เพียงยืนยันสิ่งที่เรารู้อยู่แล้ว แต่ยังเผยให้เห็นรายละเอียดใหม่ๆ เช่น ปัจจัยอย่างค่า BMI เชื้อชาติ สถานภาพสมรส และอาชีพ ก็มีผลเหมือนกัน แต่ไม่ชัดเจนเท่ากับ “เวลานั่ง” เพศ หรือการศึกษา ที่สำคัญคือ งานวิจัยนี้แสดงให้เห็นว่าคอมพิวเตอร์สามารถ “เรียนรู้” สาเหตุอันซับซ้อนที่อยู่เบื้องหลังแรงจูงใจในการออกกำลังกายได้ แม้ว่าข้อมูลที่ได้จากการตอบแบบสอบถามอาจมีข้อจำกัดอยู่บ้าง เพราะคนส่วนใหญ่มักจะคิดว่าตัวเองออกกำลังกายเยอะกว่าความเป็นจริงก็ตาม

ข้อมูลเหล่านี้ไม่ได้มีประโยชน์แค่ในห้องแล็บ แต่ยังเปิดประตูสู่ทางเลือกใหม่ๆ ให้กับโค้ช เทรนเนอร์ บุคลากรสาธารณสุข ไปจนถึงคนวางนโยบาย ตัวอย่างเช่น กระทรวงสาธารณสุขของไทยสามารถนำข้อมูลแบบนี้ไปใช้ระบุ “กลุ่มเสี่ยงสูง” ได้ตรงจุดมากขึ้น เช่น กลุ่มพนักงานหญิงในเมืองใหญ่ที่การศึกษาไม่สูง หรือกลุ่มอาชีพที่ต้องนั่งทำงานนานๆ จากนั้นก็ออกแบบมาตรการส่งเสริมสุขภาพที่เข้ากับบริบทของพวกเขา ไม่ว่าจะเป็นโปรแกรมในที่ทำงาน การให้ความรู้และแรงจูงใจ หรือแม้กระทั่งพัฒนาแอปสุขภาพอัจฉริยะที่ปรับคำแนะนำให้เข้ากับพฤติกรรมจริงของแต่ละคนในแต่ละวัน แทนที่จะถามแค่ว่า “คุณอยากได้อะไร”

ในขณะเดียวกัน นักวิจัยและสตาร์ทอัพด้านสุขภาพทั่วโลกก็กำลังพัฒนาเทคโนโลยีใหม่ๆ ทั้งโลกเสมือน (VR) และแอปมือถือ เพื่อช่วยกระตุ้นให้คนหันมาออกกำลังกาย โดยเฉพาะกลุ่มที่มักจะล้มเลิกกลางคัน (PubMed) สำหรับเมืองไทยเอง ตอนนี้ก็มีหลายบริษัทและแอปพลิเคชันที่เริ่มนำ AI มาช่วยวางแผนฟิตเนสส่วนบุคคลแล้ว ถึงแม้จะยังมีอุปสรรคเรื่องการเข้าถึงอุปกรณ์และทักษะดิจิทัลในบางกลุ่มอยู่ก็ตาม ด้วยเหตุนี้ เราจึงยังเห็นความสำคัญของกิจกรรมส่งเสริมสุขภาพในชุมชนที่เข้ากับวัฒนธรรมไทยควบคู่กันไป

ตัวอย่างที่เห็นได้ชัดในอดีต เช่น โครงการ “เดินวันละหมื่นก้าว” หรือการเต้นแอโรบิกตามลานวัดหรือสวนสาธารณะ กิจกรรมเหล่านี้เคยสร้างแรงจูงใจให้คนออกมาขยับร่างกายได้อย่างเข้าถึงง่าย วันนี้ หากเราสามารถผสมผสานข้อดีของความคุ้นเคยแบบไทยๆ เข้ากับพลังของ AI ที่ออกแบบโปรแกรมได้ตรงจุดเฉพาะบุคคล ก็น่าจะช่วยให้เราบรรลุเป้าหมาย “สุขภาพดีวิถีไทย” ได้อย่างมีประสิทธิภาพยิ่งขึ้น

ถึงแม้ AI จะมีประโยชน์มาก แต่งานวิจัยนี้ก็ชี้ให้เห็นถึงข้อจำกัด โดยเฉพาะการพึ่งพาข้อมูลที่แต่ละคน “ประเมินและกรอกเอง” ซึ่งอาจคลาดเคลื่อนได้ การมีอุปกรณ์วัดผลจริง เช่น สมาร์ทวอทช์ หรือมือถือ จะช่วยให้เห็นภาพพฤติกรรมที่ชัดเจนกว่า และเนื่องจากปัญหาการเข้าถึงเทคโนโลยียังคงมีอยู่ เราจึงต้องคิดหากลยุทธ์ที่หลากหลายเพื่อให้เหมาะกับคนไทยแต่ละกลุ่ม ขณะเดียวกัน หน่วยงานอย่างกระทรวงศึกษาธิการก็อาจนำผลวิจัยนี้ไปเป็นแนวทางสนับสนุนการเรียนรู้ เพื่อยกระดับคุณภาพการศึกษาทั่วประเทศ ซึ่งจะส่งผลดีต่อสุขภาพของคนไทยในระยะยาว

ข้อคิดสำคัญที่ได้จาก AI คือ แค่ปรับเปลี่ยนพฤติกรรมเล็กๆ น้อยๆ ในชีวิตประจำวัน ก็ช่วยลดความเสี่ยงโรคเรื้อรังได้อย่างไม่น่าเชื่อ เช่น หากต้องนั่งทำงานหรือเรียนนานๆ ลองตั้งนาฬิกาเตือนให้ลุกขึ้นเดิน ขยับเส้นสายบ้างทุกชั่วโมง หรือหาโอกาสออกกำลังกายกับเพื่อนบ้านหรือคนในครอบครัว สำหรับกลุ่มที่อาจเข้าถึงการศึกษาได้ไม่เต็มที่ อาจต้องการแรงสนับสนุนเป็นพิเศษ ซึ่งเป็นหน้าที่ของผู้นำชุมชนและหน่วยงานสาธารณสุขที่ต้องเข้ามาช่วยกัน ส่วนบุคลากรทางการแพทย์ก็สามารถใช้ AI เป็นเครื่องมือช่วยประเมินและคัดกรองกลุ่มเสี่ยงได้ตั้งแต่เนิ่นๆ

AI ไม่ใช่ยาวิเศษ แต่เป็นเหมือนแว่นขยายที่ช่วยให้เรามองเห็นรากเหง้าของปัญหาสุขภาพที่เรื้อรังในสังคมไทยได้ชัดเจนขึ้น หากเราใช้ Machine Learning มาทำความเข้าใจให้ถ่องแท้ว่าอะไรคือปัจจัยที่ทำให้คนออกกำลังกายได้จริง เราก็จะสามารถออกแบบแนวทางการดูแลสุขภาพที่ “ใช่” สำหรับแต่ละคน และใส่ใจคนไทยทุกคนได้อย่างเข้าใจมากยิ่งขึ้น อย่าลืมชวนคนรอบข้าง “ลุกขึ้น ขยับตัว สร้างสุขภาพดีไปด้วยกัน” ไม่ว่าคุณจะเรียนจบอะไรมา ทุกคนมีสิทธิ์ที่จะมีสุขภาพแข็งแรง

อ่านงานวิจัยฉบับเต็มเพิ่มเติมได้ที่ Neuroscience News และรายงานจาก Science Daily หรือดูข้อมูลสนับสนุนและมุมมองอื่นๆ ที่ Frontiers in Public Health