งานวิจัยของ Cornelisse และคณะ ตีพิมพ์วันที่ 27 ตุลาคม 2569 ใน Journal of Medical Internet Research (DOI: 10.2196/100531) พัฒนา OMNI ซึ่งเป็นเกณฑ์มาตรฐานสำหรับให้ผู้เชี่ยวชาญประเมินผลลัพธ์ Generative AI ในบริบทสุขภาพ ครอบคลุม 10 มิติ ได้แก่ ความถูกต้อง ความปลอดภัย การตระหนักถึงความไม่แน่นอน ความครบถ้วน ความชัดเจนในการสื่อสาร ความเห็นอกเห็นใจ ความเหมาะสมกับบริบท การอ้างอิง การทำตามคำสั่ง และการหลีกเลี่ยงการชักจูงอย่างไม่เหมาะสม เกณฑ์ใช้ระดับประเมิน 4 ระดับพร้อมช่อง ‘ไม่เกี่ยวข้อง’ และบันทึกเหตุผลเชิงคุณภาพ การนำร่องใน 4 สถานการณ์โดยบุคลากรทางคลินิก 15 คนประเมินคู่ข้อมูลนำเข้า-ผลลัพธ์ 250 คู่ (ประกอบด้วยผลลัพธ์ AI 200 รายการและคำตอบที่ติดป้ายเป็นของแพทย์อีก 50 รายการ) ได้คะแนนรายมิติ 9,600 รายการและข้อคิดเห็น 4,010 ข้อ พบจุดอ่อนที่เกิดซ้ำด้านแหล่งอ้างอิง การแสดงความไม่แน่นอน ความครบถ้วน ความเห็นอกเห็นใจ และความถูกต้อง โดยเฉพาะผลลัพธ์ภาพและวิดีโอทางสุขภาพ งานนี้มี Warit Ruanglertboon จากมหาวิทยาลัยสงขลานครินทร์เป็นผู้ร่วมเขียนตามหน้าผู้เขียนวารสาร แต่หลักฐานที่ตรวจได้ยังไม่ระบุรายละเอียดหน้าที่เฉพาะบุคคลในแต่ละระยะ จึงไม่ควรสรุปว่าเป็นหัวหน้าทีมหรือผู้ริเริ่ม OMNI ผลลัพธ์เป็นการประเมินความเป็นไปได้ในการใช้งานของเกณฑ์ ไม่ใช่การรับรองความปลอดภัยของโมเดล AI หรือการนำไปใช้งานจริงในโรงพยาบาลไทย
ข้อค้นพบสำคัญ
- พัฒนาเกณฑ์ OMNI 10 มิติด้วยการวิจัยแบบผสมผสาน 4 ระยะ อาศัยเอกสาร 69 เรื่องและผู้เชี่ยวชาญ 23 คน
- ผู้ประเมินทางคลินิก 15 คนประเมิน 250 คู่ข้อมูลใน 4 สถานการณ์ ได้คะแนนรายมิติ 9,600 รายการและข้อคิดเห็น 4,010 ข้อ
- พบปัญหาเกิดซ้ำด้านแหล่งอ้างอิง การแสดงความไม่แน่นอน ความครบถ้วน ความเห็นอกเห็นใจ และความถูกต้อง โดยเฉพาะภาพและวิดีโอ
- ความสอดคล้องระหว่างผู้ประเมินแตกต่างกันตามสถานการณ์: Gwet's AC2 = 0.49–0.80 ไม่อาจตีความว่าเกณฑ์แม่นยำสมบูรณ์
- Warit Ruanglertboon จากมหาวิทยาลัยสงขลานครินทร์เป็นผู้ร่วมเขียนตามข้อมูลสังกัดในวารสาร แต่ยังยืนยันบทบาทเชิงเทคนิคเฉพาะบุคคลไม่ได้
ทำไมจึงมีความสำคัญระดับโลก
ผลต่อวงการวิชาการและระบบบริการสุขภาพอยู่ที่การนำเสนอภาษากลางสำหรับตรวจสอบผลลัพธ์ AI โดยมนุษย์อย่างเป็นระบบ ไม่ยุบความปลอดภัยและคุณภาพเหลือเพียงคะแนนรวม เกณฑ์ 10 มิติช่วยให้ผู้ประเมินค้นหาว่าระบบอาจผิดพลาดด้านใด โดยเฉพาะการอ้างอิงและการยอมรับความไม่แน่นอน ผลนำร่องพบความสอดคล้องรายคู่บนมาตราเดิม 30.8–53.4% เพิ่มเป็น 59.3–79.6% เมื่อจัดรวมเป็นกลุ่มกว้าง และ Gwet's AC2 อยู่ที่ 0.49–0.80 จึงต้องระวังเรื่องความแตกต่างระหว่างผู้ประเมิน การต่อยอดสู่กระบวนการคัดเลือก จัดซื้อ กำกับดูแล หรือปรับปรุง AI สำหรับสุขภาพเป็นข้อเสนอเชิงประยุกต์ ไม่ใช่ผลการพิสูจน์ว่าเกณฑ์รับประกันความปลอดภัยได้
บทบาทของนักวิจัยไทย
ความเชื่อมโยงกับประเทศไทยมีหลักฐานจากหน้าผู้เขียนของ Journal of Medical Internet Research ซึ่งระบุ Warit Ruanglertboon เป็นผู้ร่วมเขียนและมีสังกัดลำดับ 16 (Discipline of Pharmacology, Division of Health and Applied Sciences, Faculty of Science, Prince of Songkla University) และ 17 (Research Center in Mathematics and Statistics with Applications, Faculty of Science, Prince of Songkla University) ที่หาดใหญ่ จังหวัดสงขลา เว็บไซต์คณะวิทยาศาสตร์ ม.อ. ยังยืนยันตำแหน่งทางวิชาการและสังกัดของนักวิจัย ข้อเท็จจริงที่ยืนยันได้จึงเป็นการมีส่วนร่วมในผลงานตีพิมพ์ระดับนานาชาติของนักวิจัยสังกัดไทย ไม่ใช่ข้อพิสูจน์ว่าโครงการวิจัยดำเนินการหรือทดลองในประเทศไทยทั้งหมด หรือว่านักวิจัยไทยเป็นหัวหน้าโครงการ ส่วนบทบาทเฉพาะ เช่น การออกแบบรูบริก การวิเคราะห์ผล หรือการเก็บข้อมูล จำเป็นต้องตรวจรายละเอียดการมีส่วนร่วมของผู้เขียนเพิ่มเติมก่อนระบุ
ข้อจำกัดที่ควรรู้
ข้อจำกัดสำคัญ: (1) การสังเคราะห์วรรณกรรมระยะแรกเป็นการทบทวนแบบมุ่งเป้า ไม่ใช่ systematic/scoping review อย่างเป็นทางการ จึงอาจตกหล่นหลักฐาน (2) ฉันทามติผู้เชี่ยวชาญอาศัยการไม่มีข้อคัดค้านอย่างมีนัยสำคัญ ซึ่งอาจไม่เท่ากับความเห็นพ้องอย่างแท้จริง (3) การทดสอบครอบคลุมเพียง 4 สถานการณ์และเน้นโมเดลพื้นฐานที่เข้าถึงสาธารณะกับบทสนทนาหนึ่งรอบ ไม่ครอบคลุม AI เฉพาะทางหรือระบบ agentic (4) ผลลัพธ์ต่อคำสั่งสร้างเพียงครั้งเดียว จึงไม่แสดงความแปรปรวนเมื่อสร้างซ้ำ (5) ผู้ประเมินในระยะนำร่องทั้งหมดได้รับการฝึกทางคลินิกในออสเตรเลีย ทำให้การขยายข้อสรุปข้ามบริบทต้องระวัง (6) ความสอดคล้องระหว่างผู้ประเมินไม่สูงสม่ำเสมอและการให้คะแนนยังอาศัยดุลยพินิจ (7) ไม่ได้วัดเวลาหรือภาระงานประเมินล่วงหน้า และเกณฑ์ประเมินเฉพาะผลลัพธ์ที่สังเกตได้ ไม่ใช่กลไกภายในของโมเดล (8) ยังไม่มีหลักฐานว่าการใช้ OMNI เพิ่มผลลัพธ์ผู้ป่วยหรือพิสูจน์ความปลอดภัยในการใช้จริงในไทย
ตรวจสอบแหล่งต้นทาง
Journal of Medical Internet Researchเปิดบทความต้นฉบับ↗DOI: 10.2196/100531