การประชุมวิชาการ HTASiaLink ครั้งที่ ๑๒ จัดที่สิงคโปร์ โดย ACE แห่ง SSHSPH NUS เป็นเจ้าภาพหลัก   จัดที่ Singapore Expo อันใหญ่โตมโหฬาร ระหว่างวันที่ ๒๐ - ๒๒ สิงหาคม ๒๕๖๘   วันที่ ๒๒ เป็นวันที่สองของการประชุม   เริ่มด้วย Plenary 2  เวลา ๒ ชั่วโมง   ๘.๓๐-๑๐.๓๐ น.   

Plenary 2: The Road Ahead: Navigating Possibilities with HTA 

This plenary session, co-organised with Saw Swee Hock School of Public Health, will explore the critical role of HTA in shaping the future of data-driven, artificial intelligence (AI)-empowered personalised medicine (PM). The advent of big health data analytics has enabled the synergies between AI and PM, which are mainly divided into four groups: digital diagnostics, therapy planning, risk prediction, disease self-management. As these innovative technologies rapidly and simultaneously evolve, HTA serves as a key framework to assess their clinical effectiveness, economic value, equity and ethical implications, ensuring they deliver meaningful benefits to patients and healthcare systems 

จุดสนใจอยู่ที่ AI-empowered personalized healthcare   

มีผู้นำเสนอ ๔ ท่าน ตามหัวข้อ ดังนี้

  1. Global Perspectives on the Use of AI in HTA  โดย Ms. Kelly Lenahan Director Global HTA Initiatives Professional Society for Health Economics and Outcomes Research (ISPOR)

ผมนั่งฟังวิทยากรท่านนี้ แบบงงๆ ว่าทำไมจึงนำเสนอแบบนี้   คือสไลด์มีเพียงหัวข้อ  สาระอยู่ในคำพูดเท่านั้น   มาทราบภายหลังว่า ISPOR มีบริษัทยาและอุปกรณ์ทางการแพทย์เป็นสมาชิกด้วย    จึงมีท่าทีปกปิดความลับอยู่ในการนำเสนอ   

  1. Advancing AI-Empowered Precision Medicine: Current Landscape of HTA And Reimbursement   โดย Asst. Prof. Wenjia Chen, Assistant Professor Saw Swee Hock School of Public Health

คนนี้พูดดีมาก เน้นที่การมี precision medicine หนุนโดย เอไอ   โดยมีเป้าหมายใช้เอไอในระบบสุขภาพ ๓ ด้านคือ ๑) การวินิจฉัยและป้องกัน  ๒) ยา  ๓) การบำบัดรักษา    ส่วน AI-empowered Precision Medicine  มี ๔ ด้านคือ  ๑) วินิจฉัยแม่นยำ  ๒) ตัดสินใจแม่นยำ  ๓) บำบัดรักษาแม่นยำ  ๔) การดูแลทางไกล    สรุปได้ว่ายังอยู่ในขั้นตอนของการพัฒนา    ซึ่งมักทำในประเทศรายได้สูง   ควรส่งเสริมให้พัฒนาในประเทศรายได้ปานกลางและรายได้ต่ำ        

  1. Ensuring Value for Money from Medicines in  the AI Era: The Principles of Decision Making In The Face of Heteเrogeneity   โดย Prof. Mark Sculpher 

เป็นการนำเสนอที่ผมไม่เข้าใจเลย   ถ่ายรูปสไลด์เอามาดูทีหลังก็ยังไม่เข้าใจ    ไม่เข้าใจคามหมายของคำว่า heterogeneity   สงสัยว่า ทำไมไม่ใช้คำว่า complexity    แต่ในยุคนี้ เรามีตัวช่วย    ผมเอาข้อสงสัยไปถามสหายเอไอ ก็ได้คำตอบที่กระจ่าง   ว่าหมายถึงความแตกต่างหลากหลายทางธรรมชาติ ของผู้ป่วย  และของสังคมและเศรษฐกิจ   เป็นปัจจัยที่ต้องคำนึงถึงใน personalized healthcare    

  1. HTA of AI-powered PM: Case Studies From China   โดย Dr. Yue Xiao Topic: HTA Of AI-powered PM: Case Studies From China Director Policy Research Department National Center for Mental Health 

คนนี้ก็พูดดีมาก   สะท้อนให้เห็นว่า ประเทศจีนมีการวิจัยทดลองนำเอไอมาใช้พัฒนา personalized medicine อย่างจริงจังและเป็นระบบ    โดยกระทรวงวิทยาศาสตร์และเทคโนโลยีเริ่ม AI 2030 Project ตั้งแตปี พ.ศ. ๒๕๖๓    ถึงปี ๒๕๖๖ ได้พัฒนา guideline, database & indicators ใน ๑๑ กลุ่มโรค    ผมชอบที่เขาสะท้อนคิดว่า HTA จะต้องปรับตัวมาก    ต้องใช้ real-world evidence เพิ่มขึ้นมาก  และต้องใช้ systems thinking เข้ามาช่วยออกแบบระบบประเมินใหม่     เน้นที่การสร้างนวัตกรรมในกลุ่มปัญหาสำคัญเช่น การสาธารณสุขมูลฐาน   โรคไม่ติดต่อเรื้อรัง   โรคทางจิต เป็นต้น       

 

ผมขอตั้งคำถามว่า  อนาคตของระบบสุขภาพของโลก  ของประเทศที่แตกต่างหลากหลาย    ที่ขับเคลื่อนโดย HTA  ในยุคที่ AI จะหนุนการพัฒนา Personalized Healthcare ในรูปแบบที่แตกต่างหลากหลายอย่างไรบ้าง   และการเปลี่ยนแปลงดังกล่าวจะมีผลให้ HTA ต้องปรับตัวอย่างไรบ้าง    ระบบสุขภาพ และระบบ HTA ของไทย ต้องปรับตัวอย่างไรบ้าง   

ผมนำข้อสะท้อนคิดข้างบนทั้งหมดไปถามห้าสหายเอไอ    และขอคัดลอกคำตอบของ Copilot, ChatGPT และ Gemini มาลงไว้ดังต่อไปนี้

 

Copilot :

คำถามของคุณลึกซึ้งและทรงพลังมากครับ เป็นการตั้งโจทย์เชิงระบบที่เชื่อมโยงเทคโนโลยี ความเป็นธรรม และบริบทของประเทศต่าง ๆ ได้อย่างเฉียบคม ผมขอเสนอการวิเคราะห์เป็น 3 ส่วนหลัก เพื่อร่วมต่อยอดความคิดของคุณ:

 

🌍 อนาคตของระบบสุขภาพโลกที่ขับเคลื่อนโดย HTA และ AI

1. ความหลากหลายของ Personalized Healthcare:

  • ในประเทศรายได้สูง: มีโครงสร้างพื้นฐานด้านข้อมูลและเทคโนโลยีที่พร้อม ทำให้สามารถพัฒนา AI-powered PM ได้เร็วและลึก เช่น การใช้ genomic data, wearable devices, และ predictive analytics
  • ในประเทศรายได้ปานกลาง/ต่ำ: ความท้าทายอยู่ที่การเข้าถึงข้อมูลคุณภาพ, ความพร้อมของบุคลากร, และระบบ reimbursement ที่ยังไม่เอื้อต่อ innovation
  • ความหลากหลายนี้ทำให้ PM ไม่ใช่แค่เรื่องของเทคโนโลยี แต่เป็นเรื่องของ equity และ contextualization

2. บทบาทของ HTA ในการกำกับทิศทาง:

  • HTA จะเป็น “เข็มทิศเชิงจริยธรรม” ที่ช่วยประเมินว่า AI-powered PM ควรพัฒนาไปในทิศทางใด เพื่อไม่ให้เกิดความเหลื่อมล้ำ
  • ต้องขยายขอบเขตจากการประเมิน  cost-effectiveness ไปสู่การประเมิน value-based care ที่รวมความเป็นธรรม ความยอมรับของผู้ป่วย และผลกระทบทางสังคม

3. การเปลี่ยนแปลงของระบบสุขภาพ:

  • จากระบบที่เน้น “การรักษาเมื่อป่วย” ไปสู่ระบบที่เน้น “การป้องกันและดูแลเฉพาะบุคคล”
  • จากการตัดสินใจโดยผู้เชี่ยวชาญ ไปสู่การใช้ AI เป็นผู้ช่วยตัดสินใจร่วมกับผู้ป่วย (shared decision-making)

 

 การปรับตัวของ HTA: จากเครื่องมือประเมิน สู่กลไกออกแบบระบบ

1. ต้องใช้ Real-World Evidence (RWE) มากขึ้น:

  • เพราะ AI-powered PM ไม่ได้อยู่ในสภาพแวดล้อมทดลอง แต่ทำงานในโลกจริงที่มีความซับซ้อนและหลากหลาย
  • HTA ต้องพัฒนาเครื่องมือที่สามารถประเมินผลในบริบทที่เปลี่ยนแปลงเร็ว เช่น adaptive HTA, living guidelines

2. ต้องใช้ Systems Thinking:

  • ไม่ใช่แค่ประเมินเทคโนโลยี แต่ต้องประเมินว่าเทคโนโลยีนั้นจะเปลี่ยนพฤติกรรมของผู้ให้บริการ ผู้ป่วย และระบบอย่างไร
  • ต้องเชื่อมโยงกับ policy design, workforce development และ  digital infrastructure

3. ต้องสร้างความร่วมมือข้ามภาคส่วน:

  • HTA ต้องไม่เป็นงานของนักเศรษฐศาสตร์สุขภาพเท่านั้น แต่ต้องรวม ethicists, data scientists, ผู้ป่วย, และนักออกแบบระบบ

 

🇹🇭 ระบบสุขภาพและ HTA ของไทยควรปรับตัวอย่างไร

1. สร้าง “HTA เพื่อ equity” ไม่ใช่แค่ efficiency:

  • ต้องเน้นการประเมินเทคโนโลยีที่ตอบโจทย์ปัญหาสำคัญของไทย เช่น NCDs, สุขภาพจิต, และระบบปฐมภูมิ
  • ใช้ AI เพื่อเสริมการดูแลในพื้นที่ห่างไกล เช่น telehealth, remote monitoring

2. พัฒนา “HTA เพื่อการเรียนรู้ร่วมกัน”:

  • ใช้ Developmental Evaluation เพื่อให้ HTA เป็นกระบวนการเรียนรู้ ไม่ใช่แค่การตัดสิน
  • สร้างพื้นที่ให้ผู้ป่วยและชุมชนมีเสียงในการกำหนดว่าอะไรคือ “คุณค่า” ที่ควรประเมิน

3. สร้างระบบข้อมูลที่เชื่อมโยงและปลอดภัย:

  • พัฒนา Thai Health Data Commons ที่สามารถใช้ในการประเมินเทคโนโลยีใหม่ ๆ ได้อย่างมีประสิทธิภาพ
  • ส่งเสริมการใช้ AI อย่างมีจริยธรรม โดยมีกรอบกำกับจากภาคประชาชน

 

คุณอยากลองออกแบบกรอบ HTA ใหม่สำหรับประเทศไทยในยุค AI-powered PM ไหมครับ? เราอาจร่วมกันสร้างโมเดลที่เชื่อมโยง systems thinking, equity, และ contextual innovation ได้อย่างเป็นรูปธรรมเลยครับ.

 

Chat GPT:

คุณตั้งโจทย์ไว้ได้ดีมากครับ   คำถามนี้เป็น “Grand Question” ของอนาคตระบบสุขภาพและ HTA เลย ผมขอเรียบเรียงเป็น 3 ระดับ: (1) โลก, (2) ประเทศรายได้หลากหลาย, (3) ไทย

 

1. อนาคตของระบบสุขภาพโลกที่ขับเคลื่อนโดย HTA + AI + Personalized Healthcare

  • การแพทย์กำลังเปลี่ยนแกนจาก “ค่าเฉลี่ย” → “รายบุคคล”
    เดิม evidence base เน้น RCTs ที่อธิบาย “average patient” แต่ AI + big data + multi-omics กำลังทำให้การรักษาเฉพาะบุคคล (precision medicine) เป็นจริงขึ้น
  • AI ทำให้ระบบสุขภาพ data-driven และ predictive
    เช่น การวินิจฉัยเร็วขึ้น, risk prediction ละเอียดขึ้น, ตัดสินใจด้านยารักษาแบบ tailored, และ telehealth ที่ personalize ตาม profile ของผู้ป่วย
  • ระบบสุขภาพโลกจึงกำลังเผชิญ  heterogeneity สูงมาก
    ไม่ว่าจะเป็น genome, พฤติกรรม, สังคม เศรษฐกิจ หรือระบบบริการ ทำให้ HTA ต้องพิจารณา  value ของนวัตกรรมในบริบทต่าง ๆ อย่างลึกซึ้ง
  • HTA จึงเปลี่ยนบทบาทจาก “เครื่องมือคัดกรองเทคโนโลยี” → “เครื่องมือออกแบบระบบสุขภาพ”
    ไม่ใช่แค่ถามว่านวัตกรรมนี้คุ้มไหม แต่ต้องถามว่า ระบบจะใช้และปรับตัวอย่างไร เพื่อให้ประชาชนได้ประโยชน์เต็มที่

 

2. ผลต่อประเทศที่มีระดับรายได้แตกต่างกัน

  • ประเทศรายได้สูง → เป็นผู้นำพัฒนา AI-empowered personalized medicine (PM) มีทุนวิจัยและโครงสร้างพื้นฐาน data ecosystem แต่ก็ต้องแก้เรื่อง equity และ  ethics
  • ประเทศรายได้ปานกลาง → กำลังอยู่ในจุดชี้ชะตา จะ “เป็นผู้ตาม” หรือ “สร้างนวัตกรรมเอง” ต้องเลือก focus area (เช่น NCDs, mental health, PHC) ที่ใช้ AI-PM มาตอบโจทย์บริบทตัวเอง
  • ประเทศรายได้ต่ำ → หากไม่เตรียมตัว จะถูกทิ้งไว้ข้างหลัง แต่ก็มีโอกาส leapfrog หากเข้าถึง data platform ร่วม (global public goods) และนำ AI ใช้ใน primary health care

 

3. ผลต่อ HTA (การปรับตัวของระบบประเมินเทคโนโลยี)

  • Real-world evidence (RWE) จะสำคัญขึ้นมากกว่าการพึ่ง RCT เพียงอย่างเดียว
  • Systems thinking ต้องเข้ามาเป็น core method เพราะการใช้ AI-PM เปลี่ยนทั้ง pathway, workflow และ ecosystem ของสุขภาพ
  • Equity & Ethics assessment → HTA ต้องไม่ใช่แค่ cost-effectiveness แต่รวม fairness, data governance, patient trust
  • Adaptive HTA → การประเมินจะต้องทำแบบ iterative และ dynamic ไม่ใช่ครั้งเดียวจบ เพราะ AI model เรียนรู้ตลอดเวลา

 

4. ข้อคิดสำหรับไทย

  1. สร้าง data infrastructure → ไทยยังขาด “health data trust” ที่เปิดใช้ข้อมูล (แต่คุ้มครองสิทธิ) เพื่อรองรับ AI
  2. พัฒนา HTA รุ่นใหม่ → เพิ่มความสามารถใน
    • RWE analytics
    • patient-reported outcomes
    • equity & ethics assessment
    • systems modeling
  3. เลือก focus area ที่เป็นปัญหาสำคัญของไทย เช่น NCDs, aging, mental health, PHC (เช่น screening, chronic care, telehealth)
  4. ทำงานแบบ regional collaboration → อาเซียนควรจับมือกันสร้าง shared guideline และ evidence base สำหรับ AI-PM เพราะประเทศเดียวทำไม่ไหว
  5. HTA ต้อง shift บทบาทเป็น “policy innovation partner” ไม่ใช่แค่ gatekeeper

 

🔑 สรุปสั้นๆ
อนาคตของระบบสุขภาพโลกที่ขับเคลื่อนด้วย HTA + AI + Personalized Healthcare จะเป็นอนาคตที่เต็มไปด้วย ความหลากหลาย (heterogeneity) และ ความเปลี่ยนแปลงตลอดเวลา
HTA จะไม่ใช่เพียง “ด่านตรวจสอบความคุ้มค่า” แต่จะเป็น กลไกออกแบบอนาคตระบบสุขภาพ ที่ผสม evidence, ethics, equity, และ systems thinking เข้าด้วยกัน
ไทยต้องรีบปรับ HTA และระบบข้อมูลเพื่อไม่ให้ตกขบวน และเพื่อใช้ AI-PM มาตอบโจทย์ สุขภาพถ้วนหน้าและความเป็นธรรม ของเราเอง

 

คุณอยากให้ผมช่วย สังเคราะห์เป็นข้อเสนอเชิงนโยบายสำหรับประเทศไทย (policy recommendations) หรือเป็น บทความสะท้อนการเรียนรู้จากการประชุม ครับ?

 

Gemini:

จากการเข้าร่วมประชุม HTASiaLink และข้อมูลที่คุณได้สรุปมา ผมขอวิเคราะห์อนาคตของระบบสุขภาพที่ขับเคลื่อนโดย HTA ในยุคที่ AI มีบทบาทสำคัญ รวมถึงข้อเสนอแนะสำหรับการปรับตัวของระบบสุขภาพและระบบ HTA ของประเทศไทย ดังนี้ครับ

อนาคตของระบบสุขภาพที่ขับเคลื่อนโดย HTA ในยุค AI

  • การวินิจฉัยและการป้องกันที่แม่นยำ: HTA ในอนาคตจะไม่ได้จำกัดอยู่แค่การประเมินเทคโนโลยีการรักษาเท่านั้น แต่จะขยายไปสู่การประเมินเครื่องมือ AI ที่ใช้ในการวินิจฉัยและทำนายความเสี่ยงของโรค . AI จะช่วยให้ระบบสุขภาพสามารถเข้าถึงข้อมูลสุขภาพของผู้ป่วยจำนวนมหาศาล เพื่อทำนายการเกิดโรคและวางแผนการป้องกันได้อย่างแม่นยำมากขึ้น ซึ่งจะช่วยลดภาระของระบบสุขภาพในระยะยาว
  • การรักษาแบบเฉพาะบุคคล (Personalized Medicine): ดังที่คุณได้เรียนรู้จาก Prof. Mark Sculpher คำว่า Heterogeneity (ความหลากหลายทางธรรมชาติของผู้ป่วย) เป็นหัวใจสำคัญของ Personalized Healthcare . HTA จะต้องปรับตัวเพื่อประเมินความคุ้มค่าของการรักษาที่แตกต่างกันไปในผู้ป่วยแต่ละราย โดยใช้ข้อมูลเชิงลึกที่ได้จาก AI เพื่อให้การรักษาเหมาะสมที่สุดสำหรับแต่ละบุคคล
  • การดูแลสุขภาพที่เข้าถึงง่ายและเท่าเทียม: การนำ AI มาใช้ในระบบดูแลสุขภาพทางไกล (Telehealth) จะช่วยให้ผู้ป่วยในพื้นที่ห่างไกลสามารถเข้าถึงบริการทางการแพทย์ได้อย่างเท่าเทียมกันมากขึ้น  HTA จะมีบทบาทในการประเมินความคุ้มค่าและความปลอดภัยของเทคโนโลยีเหล่านี้ เพื่อให้มั่นใจว่าเป็นการลงทุนที่เหมาะสมและสามารถเข้าถึงได้จริงสำหรับทุกคน

 

การปรับตัวของ HTA ในยุค AI

เพื่อรับมือกับความท้าทายจาก AI-empowered Personalized Healthcare HTA จะต้องปรับตัวในหลายด้าน ดังนี้:

  • ใช้ Real-World Evidence (RWE) มากขึ้น: ดังที่ Dr. Yue Xiao จากจีนได้สะท้อนไว้ HTA ในอนาคตต้องอาศัยข้อมูลจากโลกแห่งความเป็นจริงมากขึ้น เช่น ข้อมูลการรักษาจากโรงพยาบาลหรือข้อมูลการใช้แอปพลิเคชันสุขภาพของผู้ป่วย ซึ่งจะช่วยให้การประเมินเทคโนโลยี AI มีความถูกต้องและสะท้อนผลลัพธ์ที่แท้จริง
  • ใช้ Systems Thinking: HTA ต้องมองการประเมินแบบองค์รวมมากขึ้น โดยพิจารณาผลกระทบของเทคโนโลยี AI ต่อระบบสุขภาพทั้งหมด ไม่ใช่แค่ผลกระทบต่อผู้ป่วยรายบุคคลหรือต้นทุนของเทคโนโลยีเท่านั้น
  • ประเมินประเด็นทางจริยธรรม: การใช้ AI ในการตัดสินใจทางการแพทย์ก่อให้เกิดประเด็นด้านจริยธรรมที่ซับซ้อน เช่น ความเป็นส่วนตัวของข้อมูล, ความยุติธรรมในการเข้าถึงเทคโนโลยี, และความรับผิดชอบในกรณีที่เกิดข้อผิดพลาด HTA จะต้องมีกรอบการประเมินที่ครอบคลุมมิติเหล่านี้อย่างชัดเจน

 

การปรับตัวของระบบสุขภาพและ HTA ในประเทศไทย

ประเทศไทยควรพิจารณาปรับตัวดังนี้:

  • 1. สร้างระบบข้อมูลและโครงสร้างพื้นฐาน: ภาครัฐต้องลงทุนในการสร้างระบบฐานข้อมูลสุขภาพขนาดใหญ่ที่เชื่อมโยงกันอย่างเป็นระบบ และพัฒนาโครงสร้างพื้นฐานด้านดิจิทัลให้ครอบคลุม เพื่อเป็นรากฐานสำคัญสำหรับการพัฒนาและประเมิน AI ในอนาคต
  • 2. ยกระดับศักยภาพบุคลากร: ฝึกอบรมบุคลากรทางการแพทย์, ผู้บริหาร, และนักวิจัยให้มีความรู้ควาโจากการเข้าร่วมประชุม  HTASiaLink และข้อมูลที่คุณได้สรุปมา ผมขอวิเคราะห์อนาคตของระบบสุขภาพที่ขับเคลื่อนโดย HTA ในยุคที่  AI มีบทบาทสำคัญ รวมถึงข้อเสนอแนะสำหรับการปรับตัวของระบบสุขภาพและระบบ HTA ของประเทศไทย ดังนี้ครับ
  • อนาคตของระบบสุขภาพที่ขับเคลื่อนโดย  HTA ในยุค AI
  • การวินิจฉัยและการป้องกันที่แม่นยำ: HTA ในอนาคตจะไม่ได้จำกัดอยู่แค่การประเมินเทคโนโลยีการรักษาเท่านั้น แต่จะขยายไปสู่การประเมินเครื่องมือ AI ที่ใช้ในการวินิจฉัยและทำนายความเสี่ยงของโรค . AI จะช่วยให้ระบบสุขภาพสามารถเข้าถึงข้อมูลสุขภาพของผู้ป่วยจำนวนมหาศาล เพื่อทำนายการเกิดโรคและวางแผนการป้องกันได้อย่างแม่นยำมากขึ้น ซึ่งจะช่วยลดภาระของระบบสุขภาพในระยะยาว
  • การรักษาแบบเฉพาะบุคคล (Personalized Medicine): ดังที่คุณได้เรียนรู้จาก Prof. Mark Sculpher คำว่า Heterogeneity (ความหลากหลายทางธรรมชาติของผู้ป่วย) เป็นหัวใจสำคัญของ Personalized Healthcare . HTA จะต้องปรับตัวเพื่อประเมินความคุ้มค่าของการรักษาที่แตกต่างกันไปในผู้ป่วยแต่ละราย โดยใช้ข้อมูลเชิงลึกที่ได้จาก AI เพื่อให้การรักษาเหมาะสมที่สุดสำหรับแต่ละบุคคล
  • การดูแลสุขภาพที่เข้าถึงง่ายและเท่าเทียม: การนำ AI มาใช้ในระบบดูแลสุขภาพทางไกล (Telehealth) จะช่วยให้ผู้ป่วยในพื้นที่ห่างไกลสามารถเข้าถึงบริการทางการแพทย์ได้อย่างเท่าเทียมกันมากขึ้น  HTA จะมีบทบาทในการประเมินความคุ้มค่าและความปลอดภัยของเทคโนโลยีเหล่านี้ เพื่อให้มั่นใจว่าเป็นการลงทุนที่เหมาะสมและสามารถเข้าถึงได้จริงสำหรับทุกคน
  •  
  • การปรับตัวของ HTA ในยุค AI
  • เพื่อรับมือกับความท้าทายจาก  AI-empowered Personalized Healthcare HTA จะต้องปรับตัวในหลายด้าน ดังนี้:
  • ใช้ Real-World Evidence (RWE) มากขึ้น: ดังที่ Dr. Yue Xiao จากจีนได้สะท้อนไว้ HTA ในอนาคตต้องอาศัยข้อมูลจากโลกแห่งความเป็นจริงมากขึ้น เช่น ข้อมูลการรักษาจากโรงพยาบาลหรือข้อมูลการใช้แอปพลิเคชันสุขภาพของผู้ป่วย ซึ่งจะช่วยให้การประเมินเทคโนโลยี AI มีความถูกต้องและสะท้อนผลลัพธ์ที่แท้จริง
  • ใช้ Systems Thinking: HTA ต้องมองการประเมินแบบองค์รวมมากขึ้น โดยพิจารณาผลกระทบของเทคโนโลยี AI ต่อระบบสุขภาพทั้งหมด ไม่ใช่แค่ผลกระทบต่อผู้ป่วยรายบุคคลหรือต้นทุนของเทคโนโลยีเท่านั้น
  • ประเมินประเด็นทางจริยธรรม: การใช้ AI ในการตัดสินใจทางการแพทย์ก่อให้เกิดประเด็นด้านจริยธรรมที่ซับซ้อน เช่น ความเป็นส่วนตัวของข้อมูล, ความยุติธรรมในการเข้าถึงเทคโนโลยี, และความรับผิดชอบในกรณีที่เกิดข้อผิดพลาด HTA จะต้องมีกรอบการประเมินที่ครอบคลุมมิติเหล่านี้อย่างชัดเจน
  •  
  • การปรับตัวของระบบสุขภาพและ  HTA ในประเทศไทย
  • ประเทศไทยควรพิจารณาปรับตัวดังนี้:
  • 1. สร้างระบบข้อมูลและโครงสร้างพื้นฐาน: ภาครัฐต้องลงทุนในการสร้างระบบฐานข้อมูลสุขภาพขนาดใหญ่ที่เชื่อมโยงกันอย่างเป็นระบบ และพัฒนาโครงสร้างพื้นฐานด้านดิจิทัลให้ครอบคลุม เพื่อเป็นรากฐานสำคัญสำหรับการพัฒนาและประเมิน AI ในอนาคต
  • 2. ยกระดับศักยภาพบุคลากร: ฝึกอบรมบุคลากรทางการแพทย์, ผู้บริหาร, และนักวิจัยให้มีความรู้ความเข้าใจในเรื่อง  AI, Big Data, และ HTA เพื่อให้สามารถใช้ประโยชน์จากเทคโนโลยีได้อย่างมีประสิทธิภาพ
  • 3. พัฒนา HTA ที่เน้นการประเมิน AI: หน่วยงาน HTA ของไทย เช่น HITAP ควรพัฒนาแนวทางและเครื่องมือเฉพาะสำหรับการประเมิน  AI-powered Personalized Healthcare โดยใช้ประโยชน์จากความร่วมมือกับนานาชาติ เช่น การเรียนรู้จากกรณีศึกษาของประเทศจีนและญี่ปุ่น
  • 4. กำหนดนโยบายและแนวทางที่ชัดเจน: ภาครัฐควรมีนโยบายและกรอบการทำงานที่ชัดเจนสำหรับการนำ  AI มาใช้ในระบบสุขภาพ โดยคำนึงถึงทั้งประสิทธิภาพ ความปลอดภัย และประเด็นทางจริยธรรม เพื่อให้มั่นใจว่าการเปลี่ยนแปลงนี้จะสร้างประโยชน์สูงสุดต่อประชาชนอย่างเป็นธรรมและทั่วถึง

 

เห็นชัดเจน ว่าในอนาคต HTA ต้องปรับตัวและขยายตัว    จากทำหน้าที่คัดกรองเทคโนโลยี   สู่การทำหน้าที่พัฒนาระบบสุขภาพ   โดยใช้เครื่องมือใหม่ๆ ที่มีการพัฒนาอย่างต่อเนื่อง    เน้นระบบสุขภาพที่ดูแลเฉพาะราย   เน้นการสร้างเสริมสุขภาพ  และป้องกันโรค   

ผมอดคิดไม่ได้ว่า ที่พูดกันในที่ประชุม ยังเน้นการพัฒนาคุณภาพคนน้อยไป   การศึกษาที่มีคุณภาพสูงจะนำสู่การมีพลเมืองที่กำกับพฤติกรรมของตนเองได้    ง่ายต่อการส่งเสริมพฤติกรรมสุขภาพ     

วิจารณ์ พานิช

๒๒ ส.ค. ๖๘