เมื่อเป็นเรื่องสำคัญอย่างสุขภาพ รู้หรือไม่ว่าตลอดเวลาที่ผ่านมา รายงานต่างๆ ของโรงพยาบาลทั่วโลกถือเป็นความยากอย่างหนึ่งที่โรงพยาบาบต้องจัดการเสมอมา เนื่องจากความละเอียดของข้อมูล และขั้นตอนต่างๆ ที่ต้องมีเพื่อความปลอดภัยต่อสุขภาพของผู้ป่วย การจัดการกับข้อมูลและรายงานจึงเป็น ‘ความยากที่จำเป็นต้องทำ’ ที่กินทรัพยากรของโรงพยาบาลมากเอาการอยู่เหมือนกัน

แต่การศึกษานำร่องล่าสุด ที่ดำเนินการโดยนักวิจัยจากโรงเรียนแพทย์แห่งมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก ได้นำเสนอทางเลือกใหม่ที่น่าสนใจแล้ว นั่นคือการใช้ปัญญาประดิษฐ์ (AI) ที่มีความก้าวหน้า ท่ีอาจนำไปสู่การรายงานคุณภาพโรงพยาบาลที่ง่ายขึ้น รวดเร็วขึ้น และมีประสิทธิภาพมากขึ้น ในขณะที่ยังคงรักษาความแม่นยำสูงอยู่ ทำให้อาจส่งผลให้การบริการสุขภาพดีขึ้นตามไปด้วยนั่นเอง

ผลการศึกษานี้ได้รับการเผยแพร่ในฉบับออนไลน์วันที่ 21 ตุลาคม 2024 ของวารสาร New England Journal of Medicine (NEJM) โดยผู้วิจัยพบว่าระบบ AI ที่ใช้โมเดลภาษาใหญ่ (LLMs) สามารถประมวลผลมาตรการคุณภาพโรงพยาบาลได้อย่างแม่นยำ โดยมีความสอดคล้องถึง 90% เมื่อตรวจสอบกับการรายงานด้วยมือ ซึ่งอาจนำไปสู่การเข้าถึงข้อมูลด้านสุขภาพและการรายงานที่มีประสิทธิภาพและเชื่อถือได้มากขึ้น

โดยผู้วิจัยได้ร่วมมือกับศูนย์นวัตกรรมสุขภาพ Joan and Irwin Jacobs ที่ UC San Diego Health (JCHI) พบว่า LLMs สามารถดำเนินการสกัดข้อมูลที่แม่นยำสำหรับมาตรการคุณภาพที่ซับซ้อนได้ โดยเฉพาะในบริบทที่ท้าทายของมาตรการต่างๆ จนเกิดแนวโน้มที่จะเปลี่ยนแปลงการให้บริการสุขภาพให้มีความเรียลไทม์ได้มากยิ่งขึ้น ซึ่งสามารถเสริมสร้างการดูแลที่เป็นส่วนตัวและปรับปรุงการเข้าถึงข้อมูลคุณภาพสำหรับผู้ป่วยได้ อีกทั้งผู้วิจัยยังคาดหวังว่าอนาคตของการรายงานคุณภาพจะไม่เพียงแต่มีประสิทธิภาพ แต่ยังช่วยปรับปรุงประสบการณ์โดยรวมของผู้ป่วยได้อีกด้วย

ตามที่มีการเผยแพร่ก่อนหน้านี้ กระบวนการสกัดข้อมูลและรายงานของโรงพยาบาลแบบดั้งเดิมต้องผ่านการประเมินอย่างพิถีพิถัน 63 ขั้นตอนจากแฟ้มข้อมูลผู้ป่วยจำนวนมาก ซึ่งต้องใช้เวลาหลายสัปดาห์จากผู้ตรวจสอบหลายคนและความยากจากสิ่งที่รายงานมีเอง แต่การศึกษานี้พบว่า LLMs สามารถลดเวลาและทรัพยากรที่จำเป็นสำหรับกระบวนการนี้ได้อย่างมากโดยสามารถตรวจสอบแฟ้มข้อมูลผู้ป่วยและสร้างข้อมูลเชิงบริบทที่สำคัญได้ในเวลาเพียงไม่กี่วินาที

นักวิจัยเชื่อว่าผลการศึกษาเหล่านี้ช่วยเปิดทางไปสู่ระบบสุขภาพที่มีประสิทธิภาพและตอบสนองได้มากขึ้น อีกทั้งยังได้ประโยชน์เสริมอื่นๆ ด้วย เช่น การแก้ไขข้อผิดพลาด การเพิ่มความเร็วในการประมวลผล ลดต้นทุนด้านการบริหารโดยการทำงานอัตโนมัติ เปิดโอกาสให้มีการประเมินคุณภาพเกือบเรียลไทม์ และสามารถปรับขนาดของระบบได้ในสถานบริการสุขภาพที่หลากหลายอีกด้วย