สตาร์ทอัพชี้ ถ้าอยากให้ AI ช่วยรักษามะเร็งได้จริง ต้องแก้ปัญหาข้อมูลก่อน

แม้กระแสความคาดหวังต่อ AI ในวงการแพทย์จะสูงขึ้นเรื่อย ๆ แต่บทความนี้สะท้อนมุมมองที่ระมัดระวังว่า AI ยังห่างไกลจากการ “รักษามะเร็งให้หาย” ได้จริงในเชิงปฏิบัติ โดยแกนปัญหาไม่ใช่เพียงพลังของโมเดลหรือความเร็วในการประมวลผล หากแต่เป็นคุณภาพ ปริมาณ และการเชื่อมโยงของข้อมูลทางการแพทย์ที่ยังไม่พร้อมพอ

สตาร์ทอัพรายหนึ่งที่ถูกกล่าวถึงในบทความเชื่อว่า กุญแจสำคัญไม่ใช่การสร้างโมเดลที่ฉลาดขึ้นเรื่อย ๆ แต่คือการมีข้อมูลที่ลึก ครอบคลุม และใช้ได้จริงมากพอสำหรับการวิจัยและพัฒนายา รวมถึงการทำความเข้าใจชีววิทยาของโรคในระดับที่ AI สามารถเรียนรู้รูปแบบที่ซับซ้อนได้อย่างมีความหมาย ปัญหาคือข้อมูลด้านมะเร็งกระจัดกระจายอยู่หลายแหล่ง มาตรฐานไม่สอดคล้องกัน และมักไม่สมบูรณ์พอสำหรับการฝึกระบบให้เชื่อมโยงปัจจัยต่าง ๆ ได้ถูกต้อง

บทความชี้ว่า ความก้าวหน้าของ AI ในชีวการแพทย์มักถูกพูดเกินจริงเมื่อเทียบกับข้อจำกัดจริงในโลกการรักษา การนำ AI ไปสู่ผลลัพธ์ทางคลินิกต้องอาศัยกระบวนการยาวนาน ตั้งแต่การเก็บข้อมูล การทำความสะอาดและจัดโครงสร้างข้อมูล ไปจนถึงการตรวจสอบความถูกต้องทางวิทยาศาสตร์และความปลอดภัย ซึ่งแต่ละขั้นล้วนใช้เวลาและต้นทุนสูง

ประเด็นสำคัญอีกด้านคือการใช้งาน AI ในมะเร็งไม่ได้มีเป้าหมายเพียงทำนายโรคหรือคัดกรองผู้ป่วยเท่านั้น แต่ยังรวมถึงการช่วยค้นหาเป้าหมายของยา การวิเคราะห์การตอบสนองต่อการรักษา และการออกแบบการทดลองที่มีประสิทธิภาพมากขึ้น อย่างไรก็ตาม สิ่งเหล่านี้จะเกิดผลได้ก็ต่อเมื่อฐานข้อมูลมีคุณภาพมากพอที่จะรองรับการตัดสินใจเชิงวิทยาศาสตร์ ไม่ใช่แค่ทำให้โมเดลดูแม่นยำบนกระดาษ

โดยรวม บทความเสนอว่า “ข้อมูล” คือคอขวดที่แท้จริงของ AI ด้านมะเร็งในตอนนี้ ไม่ใช่ความขาดแคลนของไอเดียหรือเครื่องมือประมวลผล หากอุตสาหกรรมต้องการให้ AI มีบทบาทมากกว่าการทดลองหรือการสาธิต ก็จำเป็นต้องลงทุนในโครงสร้างข้อมูล การเก็บบันทึกทางการแพทย์ และการทำงานร่วมกันระหว่างนักวิจัย โรงพยาบาล และบริษัทเทคโนโลยีอย่างจริงจัง