การก้าวกระโดดทางวิชาการสู่การเปิดคลังโมเดลแบบ Open Source
สถาบันวิจัย DAMO Academy ของ Alibaba ได้สร้างหมุดหมายสำคัญในวงการปัญญาประดิษฐ์ทางการแพทย์ ด้วยการเผยแพร่งานวิจัยในวารสารวิชาการชั้นนำระดับโลกอย่าง Science เมื่อวันที่ 17 กันยายน 2026 ก่อนจะดำเนินการเปิดโอเพนซอร์ส (Open-source) โครงการ DAMO RADAR อย่างเป็นทางการในวันที่ 18 กันยายน 2026 โดยความร่วมมือนี้เกิดขึ้นร่วมกับ The First Affiliated Hospital of Zhejiang University School of Medicine เพื่อพัฒนาโมเดลปัญญาประดิษฐ์รากฐาน (Foundation Model) ด้านการแปลผลภาพถ่ายทางการแพทย์
DAMO RADAR ได้รับการวางตำแหน่งเป็นโมเดล Vision-Language สำหรับการตรวจวินิจฉัยภาพช่องท้องอเนกประสงค์ระดับผู้เชี่ยวชาญรุ่นแรก โดยทีมวิจัยได้ตัดสินใจปล่อยทั้งชุดน้ำหนักโมเดล (Model Weights) โครงสร้างพื้นฐานการฝึกสอน (Training Framework) และชุดคำสั่งทั้งหมดลงบนแพลตฟอร์มอย่าง Hugging Face และ GitHub เพื่อให้นักวิจัยและบุคลากรทางการแพทย์ทั่วโลกสามารถเข้าถึง ศึกษา และนำไปต่อยอดได้โดยไม่มีค่าใช้จ่ายลิขสิทธิ์ซอฟต์แวร์แบบปิด
การตัดสินใจเปิดเผยโมเดลสู่สาธารณะทันทีหลังการผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิ (Peer Review) ใน Science สะท้อนให้เห็นถึงกลยุทธ์เชิงรุกของ Alibaba ในการผลักดันโอเพนซอร์สให้กลายเป็นมาตรฐานโครงสร้างพื้นฐานระดับสากล สวนทางกับแนวทางของห้องปฏิบัติการ AI ชั้นนำในโลกตะวันตกหลายแห่งที่เน้นการให้บริการผ่านช่องทางปิดแบบเสียค่าสมาชิกเชิงพาณิชย์
สเกลข้อมูลการฝึกสอนและความแม่นยำทางคลินิกที่ผ่านการทดสอบ
ในแง่ของสถาปัตยกรรมและการเทรน DAMO RADAR ถูกสร้างขึ้นจากฐานข้อมูลขนาดมหาศาล โดยใช้ภาพสแกนเอกซเรย์คอมพิวเตอร์ช่องท้องแบบฉีดสารทึบรังสี (Contrast-Enhanced Abdominal CT Scans) มากกว่า 420,000 ชุด ร่วมกับคู่ข้อมูลภาพและข้อความอธิบายทางกายวิภาค (Anatomy-focused Image-Text Pairs) มากถึง 15 ล้านคู่ ทำให้โมเดลมีความเข้าใจเชิงลึกเกี่ยวกับโครงสร้างทางกายวิภาคถึง 18 ส่วน และครอบคลุมการระบุความผิดปกติและภาวะทางคลินิกมากถึง 146 รายการ ซึ่งรวมถึงโรคมะเร็งตับอ่อน มะเร็งกระเพาะอาหาร มะเร็งลำไส้ใหญ่ ภาวะไขมันพอกตับ และไส้ติ่งอักเสบ
ผลการทดสอบเชิงประจักษ์ในรายงานการวิจัยแสดงให้เห็นว่า DAMO RADAR บรรลุค่าเฉลี่ยพื้นที่ใต้กราฟ (Mean Area Under the Curve หรือ AUC) สูงถึง 0.913 จากการทดสอบกับเคสตรวจจริงเกือบ 40,000 กรณีศึกษา ยิ่งไปกว่านั้น ในการศึกษาเปรียบเทียบแบบทดสอบการอ่านผลหลายศูนย์ (Head-to-head Multi-center Reader Study) ร่วมกับรังสีแพทย์ผู้เชี่ยวชาญจำนวน 26 ท่าน ผลลัพธ์ปรากฏว่า DAMO RADAR สามารถทำผลงานได้เหนือกว่ารังสีแพทย์ถึง 23 ท่าน
นอกจากการเพิ่มความแม่นยำแล้ว โมเดลยังแสดงอัตราความไวในการตรวจพบโรค (Sensitivity) สูงขึ้นถึง 10% เมื่อทำงานร่วมกับแพทย์ผู้ตรวจ ในขณะเดียวกันก็สามารถช่วยลดระยะเวลาที่แพทย์ต้องใช้ในการอ่านผลภาพสแกนแต่ละชุดลงได้มากกว่า 30% ซึ่งช่วยยืนยันประสิทธิภาพในการนำมาเป็นเครื่องมือช่วยคัดกรองเบื้องต้นในระบบเวชปฏิบัติจริง
เสียงสะท้อนจากชุมชนนักพัฒนาและการถกเถียงเรื่องความปลอดภัย
การเปิดตัวของ DAMO RADAR ได้รับการตอบรับอย่างอบอุ่นและตื่นตัวในหมู่ชุมชนนักพัฒนาและนักวิจัยด้านการแพทย์ โดยกลุ่มผู้เชี่ยวชาญมองว่านี่คือหลักฐานเชิงประจักษ์ชิ้นสำคัญที่พิสูจน์ว่าโมเดลแบบเปิดเผยชุดน้ำหนัก (Open Weights) มีศักยภาพสูงพอที่จะแข่งขันหรือกระทั่งเอาชนะบุคลากรเฉพาะทางทางการแพทย์ได้ ซึ่งช่วยทลายภาพจำเดิมที่ว่าเทคโนโลยีทางการแพทย์ขั้นสูงต้องถูกจำกัดอยู่แต่ในห้องแล็บปิดของบริษัทขนาดใหญ่เท่านั้น
ประเด็นดังกล่าวยังถูกหยิบยกขึ้นมาเชื่อมโยงกับการอภิปรายในวงกว้างเกี่ยวกับการกำกับดูแล AI โดยนักพัฒนามองว่าการเปิดซอร์สโค้ดระดับนี้คือการตอบโต้ต่อกระแสกดดันจากค่าย AI ชั้นนำบางแห่งที่มักอ้างประเด็นความปลอดภัยและความเสี่ยงร้ายแรงเพื่อผลักดันกฎเกณฑ์ที่อาจกีดกันโมเดลแบบเปิด การที่สถาบันวิจัยอย่าง DAMO Academy สามารถเผยแพร่งานวิจัยพร้อมชุดน้ำหนักสู่สาธารณะได้สำเร็จ แสดงให้เห็นว่าความโปร่งใสสามารถเดินเคียงข้างไปกับมาตรฐานวิชาการระดับสูงได้
อย่างไรก็ดี กลุ่มแพทย์และนักวิจัยบางส่วนยังคงแสดงความเห็นเชิงระมัดระวัง โดยเตือนว่าข้อมูลผลการทดสอบความแม่นยำในห้องทดลองหรือการศึกษาแบบจำลองยังไม่สามารถสรุปได้ว่า AI จะสามารถเข้ามาแทนที่รังสีแพทย์ได้โดยสมบูรณ์ ระบบการแพทย์ยังคงต้องอาศัยการกำกับดูแลแบบมีมนุษย์คอยควบคุม (Human-in-the-loop) อย่างเข้มงวดเพื่อป้องกันความผิดพลาดที่อาจเกิดขึ้นต่อชีวิตของผู้ป่วย
นัยสำคัญต่อระบบสาธารณสุขและธุรกิจโรงพยาบาลในไทย
สำหรับประเทศไทย การเปิดตัว DAMO RADAR ในรูปแบบโอเพนซอร์สถือเป็นโอกาสครั้งสำคัญสำหรับระบบสาธารณสุข ทั้งในเครือข่ายโรงพยาบาลเอกชนชั้นนำและโรงพยาบาลรัฐระดับศูนย์การแพทย์ ปัจจุบันประเทศไทยเผชิญปัญหาการขาดแคลนรังสีแพทย์อย่างมีนัยสำคัญ โดยเฉพาะในพื้นที่ต่างจังหวัด การนำโมเดลที่ผ่านการพิสูจน์แล้วว่าช่วยลดเวลาการอ่านผลได้ถึง 30% มาประยุกต์ใช้เป็นระบบช่วยคัดกรอง (Screening Tool) จะช่วยแบ่งเบาภาระงานและลดความล่าช้าในการรักษาโรคซับซ้อน เช่น มะเร็งช่องท้อง
นอกจากนี้ ข้อได้เปรียบของการเป็นซอฟต์แวร์เปิดยังสอดคล้องกับข้อกำหนดด้านความปลอดภัยของข้อมูลส่วนบุคคล (PDPA) ในประเทศไทย โรงพยาบาลสามารถนำโมเดลดังกล่าวมาติดตั้งบนโครงสร้างพื้นฐานคลาวด์ภายในประเทศ (On-premise หรือ Local Cloud) ได้เองโดยตรง ทำให้ข้อมูลภาพสแกนและประวัติการรักษาของผู้ป่วยชาวไทยไม่ต้องถูกส่งออกไปยังเซิร์ฟเวอร์ภายนอกประเทศ ซึ่งขจัดข้อกังวลด้านความลับของข้อมูลผู้ป่วยได้อย่างเด็ดขาด
อย่างไรก็ดี องค์กรธุรกิจและโรงพยาบาลในไทยจำเป็นต้องตระหนักถึงขั้นตอนการปรับแต่งโมเดล (Fine-tuning) และการทดสอบทางคลินิกเฉพาะพื้นที่ เพื่อให้สอดคล้องกับกลุ่มประชากรและโปรโตคอลของเครื่องสแกน CT ในประเทศ ผู้บริหารด้านเทคโนโลยีสุขภาพจึงควรเริ่มจัดตั้งคณะทำงานเพื่อศึกษาการบูรณาการ DAMO RADAR ร่วมกับระบบจัดเก็บรูปภาพทางการแพทย์ (PACS) เดิมที่มีอยู่ เพื่อเตรียมความพร้อมในการยกระดับมาตรฐานการวินิจฉัยสู่ยุค AI อย่างปลอดภัยและคุ้มค่าการลงทุน
การเปิดซอร์สโค้ดและชุดน้ำหนักของโมเดลการแพทย์ระดับเรือธงนี้ ปลดล็อกศักยภาพให้โรงพยาบาลและนักพัฒนานำไปประยุกต์ใช้ลดภาระงานรังสีแพทย์ได้ฟรี ท้าทายกระแสการผูกขาด AI ไว้ในระบบปิดเชิงพาณิชย์