การพัฒนาเทคโนโลยีปัญญาประดิษฐ์ทางการแพทย์เติบโตอย่างรวดเร็วและมีบทบาทสำคัญต่อการดูแลสุขภาพทั่วโลก อย่างไรก็ตาม การนำเทคโนโลยีดังกล่าวไปใช้จริงยังมีความท้าทาย ทั้งในแง่ความคุ้มค่าทางเศรษฐศาสตร์ ความปลอดภัยของข้อมูลผู้ป่วย และการยอมรับของบุคลากรทางการแพทย์ คณะผู้วิจัยจึงดำเนินการศึกษาโครงการวิจัยชิ้นนี้ อันประกอบด้วย 3 ส่วนหลักคือ (1) การทบทวนวรรณกรรมอย่างเป็นระบบและวิเคราะห์อภิมานของงานวิจัยที่ประเมินความคุ้มค่าของปัญญาประดิษฐ์ทางการแพทย์แม่นยำทั่วโลก (2) การสำรวจความคิดเห็นบุคลากรทางการแพทย์ในประเทศไทยผ่านแบบสอบถามออนไลน์เกี่ยวกับการใช้งานและการรับรู้ต่อ AI ทางการแพทย์ และ (3) การประเมินความคุ้มค่าทางเศรษฐศาสตร์ (cost-utility analysis) ของการคัดกรองวัณโรคปอดในประชากรกลุ่มเสี่ยงตามชุมชนโดยใช้ AI เปรียบเทียบกับแนวทางปัจจุบันที่ใช้แพทย์ทั่วไป โดยใช้แบบจำลองแผนภูมิการตัดสินใจและแบบจำลอง Markov

ผลการศึกษา: (1) จากการทบทวนวรรณกรรมพบว่าเทคโนโลยีปัญญาประดิษฐ์ทางการแพทย์แม่นยำ (AI-PM) โดยรวม มีแนวโน้มที่จะมีความคุ้มค่าหรือประหยัดต้นทุนได้ โดยมีค่าผลประโยชน์สุทธิที่เป็นตัวเงิน (NMB) เป็นบวก และปีสุขภาวะ (QALYs) เพิ่มขึ้น ปัจจัยสำคัญที่ส่งผลต่อ NMB ได้แก่ ต้นทุนต่อหน่วยของ AI-PM และ การบูรณาการการปฏิบัติตามการตัดสินใจโดยอาศัยข้อมูลจาก 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 การพิจารณาประเด็นด้านจริยธรรมเช่นความปลอดภัยของข้อมูล และกรอบนโยบายที่แข็งแกร่งสำหรับการนำไปใช้และการเบิกจ่ายในระบบประกันสุขภาพ