ຈຸດເດັ່ນຂອງກອງປະຊຸມ: ກອງປະຊຸມ PAS ປີ 2026

AI ເປັນພຽງເຄື່ອງມື, ແຕ່ມັນມີຄວາມສຳຄັນວ່າພວກເຮົາຈະໃຊ້ມັນແນວໃດ

---

 

ສາລະສຳຄັນຂອງ AI: ມັນເຮັດວຽກແນວໃດ ແລະ ມັນກຳລັງມຸ່ງໜ້າໄປທາງໃດ

ນາງໄດ້ສົນທະນາກ່ຽວກັບອະນາຄົດຂອງ AI ໃນຄວາມຜິດປົກກະຕິຂອງການເຄື່ອນໄຫວ, ໂດຍເນັ້ນໜັກວ່າການລວມເອົາ AI ເປັນຕົວແທນໃຫ້ແກ່ການປ່ຽນແປງແບບຢ່າງຈາກປະກົດການທາງສາຍຕາໄປສູ່ຮູບແບບການດູແລຄວາມຜິດປົກກະຕິຂອງການເຄື່ອນໄຫວທີ່ມີຄວາມແມ່ນຍໍາຫຼາຍຂຶ້ນ. ນາງຍັງໄດ້ລະບຸຂັ້ນຕອນຕ່າງໆໃນຂະບວນການພັດທະນາເຄື່ອງມື AI (ການຝຶກອົບຮົມ, ການກວດສອບຄວາມຖືກຕ້ອງ, ການນຳໃຊ້, ແລະ ການຕິດຕາມກວດກາ), ເຊັ່ນດຽວກັນກັບ ອະຄະຕິ ແລະ ຂໍ້ບົກຜ່ອງທົ່ວໄປ ທີ່ອາດຈະເຂົ້າມາໃນລະຫວ່າງຂັ້ນຕອນເຫຼົ່ານີ້ ແລະ ເຮັດໃຫ້ຄວາມຖືກຕ້ອງຂອງ AI ຫຼຸດລົງ.

ສຸດທ້າຍ, ດຣ. ອາຟຊາຣີ ໄດ້ສິ້ນສຸດການບັນຍາຍໂດຍສະຫຼຸບ “ຄວາມຮັບຜິດຊອບຂອງ AI” ຂອງພວກເຮົາ ໃນຂະນະທີ່ພວກເຮົາເຂົ້າສູ່ຍຸກອະນາຄົດນີ້ ບ່ອນທີ່ຫຼາຍຄົນໃນພວກເຮົາແນ່ນອນວ່າຈະໃຊ້ ແລະ ສ້າງເຄື່ອງມື AI, ເຊິ່ງລວມທັງການພັດທະນາກົນໄກການຄວບຄຸມ ແລະ ການເລືອກແຫຼ່ງຂໍ້ມູນຂອງພວກເຮົາໂດຍອີງໃສ່ຄວາມເຫັນດີເປັນເອກະພາບຂອງຜູ້ຊ່ຽວຊານ. ບົດຮຽນທີ່ສຳຄັນທີ່ຖັກທໍມາຕະຫຼອດບົດຮຽນຂອງ ດຣ. ອາຟຊາຣີ ແມ່ນວ່າ ຕົວຈິງແລ້ວ, ນັກປະສາດວິທະຍາແມ່ນຜູ້ທີ່ເຂົ້າໃຈວິທີການເຮັດວຽກຂອງ AI ໄດ້ດີທີ່ສຸດ., ເພື່ອຮັບເອົາມັນ, ແລະ ສືບຕໍ່ມີສ່ວນຮ່ວມໃນການໂຕ້ວາທີໃນອະນາຄົດ ເນື່ອງຈາກຄວາມເຂົ້າໃຈຢ່າງເລິກເຊິ່ງຂອງພວກເຮົາກ່ຽວກັບເຄືອຂ່າຍປະສາດ ແລະ ສະຕິປັນຍາ.

ວິທີທີ່ແພດໃຊ້ AI ໃນການປະຕິບັດ ແລະ ການຄົ້ນຄວ້າ

ການບັນຍາຍຄັ້ງທີສອງໂດຍທ່ານດຣ Violante ໄດ້ເນັ້ນໃຫ້ເຫັນຢ່າງສວຍງາມວ່າການປ່ຽນແປງແບບຢ່າງໄປສູ່ການແພດທີ່ມີຄວາມແມ່ນຍຳໄດ້ຮັບຮູ້ຜ່ານຕົວຢ່າງກໍລະນີການນຳໃຊ້ຂອງຮູບແບບ AI ທີ່ແຕກຕ່າງກັນ. ນາງໄດ້ຈັດໂຄງສ້າງການສົນທະນາຂອງນາງອອກເປັນສາມພາກສ່ວນ - ອະທິບາຍວ່າເຄື່ອງມື AI ທີ່ມີຢູ່ໃນປະຈຸບັນສາມາດຊ່ວຍແພດແລະນັກຄົ້ນຄວ້າໄດ້ແນວໃດໃນການ (1) ຜະລິດ, (2) ຄົ້ນຫາ, ແລະ (3) ເຊື່ອມໂຍງຂໍ້ມູນ - ບໍ່ພຽງແຕ່ເພີ່ມພະລັງກ້າມຊີ້ນໃຫ້ກັບຄວາມສາມາດຂອງສະໝອງມະນຸດຂອງພວກເຮົາແລ້ວ, ແຕ່ ປ່ອຍຄວາມສາມາດໃນການກໍ່ສ້າງຄືນໃໝ່ເພື່ອເປີດເຜີຍຊັ້ນຂໍ້ມູນໃໝ່.

ໃນດ້ານການຜະລິດຂໍ້ມູນ, ດຣ. ວິໂອລັນເຕ ໄດ້ປຶກສາຫາລືກ່ຽວກັບຕົວຢ່າງຫຼາຍຢ່າງຂອງ phenotyping ເລິກໃນພະຍາດພາກິນສັນ ແລະ ຕົວຊີ້ວັດທາງຊີວະພາບດິຈິຕອນ. ນາງຍັງໄດ້ທົບທວນການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ນຳໃຊ້ກັບການສະແກນສະໝອງເພື່ອການກວດຫາ ແລະ ຕິດຕາມກວດກາແຕ່ຫົວທີທັງໃນສະຖານທີ່ຄລີນິກ ແລະ ໂດຍສະເພາະໃນສະຖານທີ່ຂອງການທົດລອງທາງຄລີນິກໃນການປິ່ນປົວພະຍາດຮັນຕິງຕັນ. ການວິເຄາະຊຸດຂໍ້ມູນຫຼາຍຮູບແບບ - ເຊັ່ນ multi-omics - ຜ່ານຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ຖືກອະທິບາຍໄວ້ໃນສະຖານທີ່ຂອງ ຮູບແບບການຄາດຄະເນເພື່ອລະບຸຕົວຊີ້ວັດທາງຊີວະພາບທີ່ຄາດຄະເນ, ຕົວຢ່າງເຊັ່ນ ການຫຼຸດລົງຂອງສະຕິປັນຍາທີ່ໄວຂຶ້ນໃນພະຍາດ Parkinson, ເຊິ່ງຕາມປະເພນີແລ້ວບໍ່ສາມາດໄດ້ຮັບຈາກສະຖານທີ່ປິ່ນປົວທາງຄລີນິກພຽງຢ່າງດຽວ.

ໃນດ້ານຂໍ້ມູນການຄົ້ນຫາ, ດຣ. ວິໂອລັນເຕ ໄດ້ພາພວກເຮົາຜ່ານການທົບທວນຢ່າງລະອຽດກ່ຽວກັບວິທີການຕ່າງໆທີ່ AI ສາມາດນຳໃຊ້ເພື່ອຄົ້ນຫາ, ສັງເຄາະ, ແລະແມ້ກະທັ້ງນຳສະເໜີຫຼັກຖານທີ່ເຜີຍແຜ່, ໃນທີ່ສຸດກໍ່ຂັບເຄື່ອນໂດຍການສ້າງແບບຈຳລອງພາສາຂະໜາດໃຫຍ່. ນາງໄດ້ທົບທວນເຄື່ອງມືທີ່ໃຊ້ AI ເພື່ອຊ່ວຍໃນການຄົ້ນຫາວັນນະຄະດີ, ຕອບຄຳຖາມສະເພາະ, ປະຕິບັດການທົບທວນຢ່າງເປັນລະບົບ ແລະ ການວິເຄາະແບບ meta, ແລະແມ້ກະທັ້ງ ຄາດຄະເນຄຳຖາມການຄົ້ນຄວ້າໃໝ່ໂດຍການກຳນົດການຊ້ອນກັນຂອງກົນໄກເຄື່ອງມືເຫຼົ່ານີ້ສາມາດຄົ້ນຫາໃນຫຼາຍລ້ານສິ່ງພິມ - ເຊິ່ງເປັນຜົນງານທີ່ເປັນໄປບໍ່ໄດ້ຖ້ານັກຄົ້ນຄວ້າຄົນດຽວ.

ສຸດທ້າຍ, ໃນດ້ານການເຊື່ອມໂຍງຂໍ້ມູນ, ການນຳໃຊ້ AI ເປັນລະບົບສະໜັບສະໜູນການຕັດສິນໃຈທາງດ້ານຄລີນິກ (CDSS) ໄດ້ຖືກນຳສະເໜີໂດຍມີການກະຕຸ້ນສະໝອງສ່ວນເລິກເປັນຕົວຢ່າງກໍລະນີການນຳໃຊ້ທີ່ສົມບູນແບບ. ຈາກການວາງແຜນກ່ອນການຜ່າຕັດ ຈົນເຖິງການປັບປຸງການກຳນົດເປົ້າໝາຍໂດຍໃຊ້ການຖ່າຍພາບ MR 7T ຂອງຮ່າງກາຍຄົນເຈັບ ຈົນເຖິງອັລກໍຣິທຶມອັດຕະໂນມັດທີ່ໃຊ້ AI ເພື່ອປັບການຕັ້ງຄ່າໂດຍອີງໃສ່ຜົນປະໂຫຍດທາງດ້ານຄລີນິກ ແລະ ຜົນຂ້າງຄຽງ, ດຣ. Violante ໄດ້ນຳສະເໜີວິທີການ AI ມີຄຳໝັ້ນສັນຍາທີ່ເຂັ້ມແຂງໃນການປັບປຸງການກະຕຸ້ນສະໝອງສ່ວນເລິກໃນຫຼາຍຂົງເຂດການດູແລ.

AI ສາມາດເຊື່ອມຕໍ່ຊ່ອງຫວ່າງລະຫວ່າງພາກເໜືອ-ໃຕ້ໃນພາກພື້ນ PAS ໄດ້ບໍ?

ດຣ. ເປເຣສ-ລລໍເຣັດ ໄດ້ບັນຍາຍສຸດທ້າຍ, ເຊິ່ງສາມາດສະຫຼຸບແນວຄວາມຄິດຫຼັກ ແລະ ຕົວຢ່າງກໍລະນີການນຳໃຊ້ທີ່ນຳສະເໜີໃນສອງການບັນຍາຍກ່ອນໜ້ານີ້ ແລະ ກ້າວໄປອີກບາດກ້າວໜຶ່ງໃນການສົນທະນາ, ໂດຍໃຫ້ຄວາມຄິດກ່ຽວກັບວິທີທີ່ເຄື່ອງມື AI ສາມາດໃຫ້ການເຂົ້າເຖິງທີ່ເປັນເອກະພາບຫຼາຍຂຶ້ນ, ການດູແລທີ່ຍຸດຕິທຳຫຼາຍຂຶ້ນ, ແລະ ການນຳສະເໜີການຄົ້ນຄວ້າທີ່ຫຼາກຫຼາຍຫຼາຍຂຶ້ນ.

ດ້ວຍການໄປພົບແພດທາງຄລີນິກເຊິ່ງເປັນຕົວແທນພຽງແຕ່ສ່ວນປາຍຂອງສິ່ງທີ່ຄົນເຈັບປະສົບ, ລາວໄດ້ປຶກສາຫາລືກ່ຽວກັບວິທີການ ການເຕີບໂຕຂອງອຸປະກອນທີ່ສວມໃສ່ໄດ້ຊ່ວຍໃຫ້ພວກເຮົາສາມາດບັນທຶກປະສົບການຂອງຄົນເຈັບໃນຊີວິດຈິງໄດ້ຢ່າງແທ້ຈິງ, ໂດຍມີຢ່າງໜ້ອຍແປດອຸປະກອນເຫຼົ່ານີ້ໄດ້ຮັບການອະນຸມັດຈາກ FDA ແລະ EMA ແລ້ວ. ໃນຖານະທີ່ເປັນຜູ້ຊ່ຽວຊານທີ່ເຕີບໃຫຍ່ຂະຫຍາຍຕົວໃນລະບົບວິໄສທັດຄອມພິວເຕີ, ດຣ. Perez-Lloret ໄດ້ປຶກສາຫາລືກ່ຽວກັບວິທີການ ວິໄສທັດຄອມພິວເຕີສາມາດຊ່ວຍໃຫ້ມີມາດຕະຖານການກວດສອບຄວາມຜິດປົກກະຕິຂອງການເຄື່ອນໄຫວໄດ້, ໂດຍສະເພາະກ່ຽວກັບພະຍາດ Parkinson, ບ່ອນທີ່ຄວາມຖືກຕ້ອງຂອງການກວດສອບ, ໂດຍສະເພາະໃນການຕັ້ງຄ່າຜົນການທົດລອງທາງຄລີນິກ, ແມ່ນມີຄວາມສຳຄັນຫຼາຍ. ເຕັກໂນໂລຊີທີ່ພົ້ນເດັ່ນຂຶ້ນມາຕື່ມອີກຕາມຂອບເຂດຂອງວິໄສທັດຄອມພິວເຕີ, ເຊັ່ນ: ລະບົບການກວດສອບດ້ວຍຄອມພິວເຕີ ແລະ “ແອັບ” ສຸຂະພາບມືຖືກໍ່ໄດ້ຖືກນຳສະເໜີເປັນວິທີໃໝ່ທີ່ AI ສາມາດປ່ຽນແປງການປະເມີນຄົນເຈັບໃນອະນາຄົດ. ດ້ວຍຄົນເຈັບທີ່ມີຄວາມຜິດປົກກະຕິດ້ານການເຄື່ອນໄຫວໜ້ອຍກວ່າ 50% ທີ່ສາມາດເຂົ້າເຖິງຜູ້ຊ່ຽວຊານດ້ານຄວາມຜິດປົກກະຕິດ້ານການເຄື່ອນໄຫວທັງໃນອາເມລິກາເໜືອ ແລະ ອາເມລິກາໃຕ້, ໜຶ່ງໃນຂໍ້ຄວາມທີ່ນຳມາສູ່ບ້ານຂອງທ່ານດຣ Perez-Lloret ແມ່ນວ່າ ເຄື່ອງມື AI ມີທ່າແຮງທີ່ຈະປິດຊ່ອງຫວ່າງການເຂົ້າເຖິງ ແລະ ປັບປຸງການດູແລຄົນເຈັບຂອງພວກເຮົາ.

ຂໍ້ຄວາມລວມຈາກກອງປະຊຸມໃຫຍ່ແມ່ນວ່າ AI ບໍ່ແມ່ນສິ່ງທົດແທນການຕັດສິນທາງດ້ານຄລີນິກ, ແຕ່ແທນທີ່ຈະເປັນເຄື່ອງມືທີ່ເປັນປະໂຫຍດພຽງແຕ່ຖ້າມັນຖືກພັດທະນາຢ່າງລະມັດລະວັງ, ນຳໃຊ້ຢ່າງມີຄວາມຮັບຜິດຊອບ, ແລະ ຕີຄວາມໝາຍຢ່າງມີວິຈານ. ກອງປະຊຸມໄດ້ເນັ້ນໜັກວ່າລະບົບ AI ຄວນໄດ້ຮັບຄວາມເຂົ້າໃຈຢ່າງຕັ້ງໜ້າແທນທີ່ຈະນຳໃຊ້ແບບ passive, ຄວາມຊ່ຽວຊານທາງດ້ານຄລີນິກຍັງຈຳເປັນເພື່ອນຳພາການພັດທະນາ ແລະ ການກວດສອບຄວາມຖືກຕ້ອງຂອງພວກມັນ, ແລະ ຄວາມຍຸຕິທຳຄວນເປັນບູລິມະສິດອັນດັບຕົ້ນໆເມື່ອນຳໃຊ້ເຕັກໂນໂລຊີເຫຼົ່ານີ້ໃນລະບົບການດູແລສຸຂະພາບທີ່ແຕກຕ່າງກັນ. ການຮັບປະກັນວ່າຊຸດຂໍ້ມູນການຝຶກອົບຮົມ AI ປະກອບມີປະຊາກອນທີ່ຫຼາກຫຼາຍຈະເປັນສິ່ງຈຳເປັນເພື່ອຫຼີກເວັ້ນອະຄະຕິ ແລະ ເພື່ອຮັກສາການນຳໃຊ້ເຄື່ອງມື AI ໃນພາກພື້ນທີ່ຂາດການເປັນຕົວແທນ, ລວມທັງປະຊາກອນຈາກຫຼາຍປະເທດໃນອາເມລິກາໃຕ້.

ໃນທີ່ສຸດ, ອະນາຄົດຂອງ AI ໃນຄວາມຜິດປົກກະຕິຂອງການເຄື່ອນໄຫວບໍ່ພຽງແຕ່ຈະຂຶ້ນກັບວ່າເທັກໂນໂລຢີເຮັດວຽກໄດ້ດີປານໃດ, ແຕ່ຍັງຂຶ້ນກັບມາດຕະຖານ, ຄວາມຮັບຜິດຊອບ, ແລະເປົ້າໝາຍຂອງແພດໝໍ ແລະ ນັກຄົ້ນຄວ້າທີ່ເລືອກທີ່ຈະໃຊ້ມັນ.