คำถามที่พบบ่อยเกี่ยวกับ MOR-ASR

ในบริบทของ MOR-ASR หมายถึง AI Assisted Summary for Medical Records เทคโนโลยีที่ช่วยแปลงเสียงสนทนาทางการแพทย์ให้เป็นข้อความ พร้อมสรุปสาระสำคัญให้อยู่ในรูปแบบที่นำไปใช้ประกอบเวชระเบียนได้

MOR-ASR ใช้เทคโนโลยี AI Assisted Summary for Medical Records ที่พัฒนาสำหรับงานทางการแพทย์โดยเฉพาะ ระบบสามารถรับเสียงพูดของแพทย์ แปลงและสรุปเป็นข้อความได้ทั้งภาษาไทยและภาษาอังกฤษ พร้อมรองรับศัพท์เฉพาะทางการแพทย์ด้วย AI และ Large Language Model ที่ปรับแต่งกับบริบทการใช้งานจริง

ผู้ใช้งานสามารถเข้าใช้งานผ่าน Cariva Space ได้ตามขั้นตอนต่อไปนี้

1. ไปที่เว็บไซต์ http://space.cariva.co.th
2. กรอก E-mail และ Password ที่ลงทะเบียนไว้กับ Cariva
3. กดปุ่ม Login เพื่อเข้าสู่ระบบและเริ่มใช้งาน

MOR-ASR สามารถใช้งานผ่าน Web Application ได้บนอุปกรณ์ที่มีเบราว์เซอร์ อินเทอร์เน็ต และไมโครโฟน เช่น คอมพิวเตอร์ แท็บเล็ต หรืออุปกรณ์อื่นที่รองรับการใช้งานเว็บ

สำหรับองค์กรที่ต้องการเชื่อมต่อกับระบบ HIS สามารถพิจารณาการเชื่อมต่อผ่าน SDK ได้

ผลลัพธ์ของ MOR-ASR รองรับภาษาไทยและภาษาอังกฤษ โดยสามารถคงคำศัพท์ทางการแพทย์ที่เป็นภาษาอังกฤษไว้ได้เมื่อเหมาะสม เช่น ชื่อโรค ยา หัตถการ หรือคำย่อที่แพทย์ใช้ในการบันทึก

ปัจจุบันมีโหมดการใช้งานหลักสำหรับงาน OPD และ IPD ดังนี้

1. OPD-Clinical Record ASR สำหรับการบันทึกข้อมูลผู้ป่วยนอก
2. IPD-SOAP ASR สำหรับการบันทึกข้อมูลผู้ป่วยในตามรูปแบบ SOAP

จำเป็นต้องเชื่อมต่ออินเทอร์เน็ตตลอดระยะเวลาที่ใช้งาน เนื่องจากระบบต้องส่งเสียงไปประมวลผลและส่งผลลัพธ์กลับมายังผู้ใช้งาน

Voice to Text ทั่วไปมักเน้นถอดเสียงพูดออกมาเป็นข้อความตามคำพูดที่ได้ยิน โดยไม่ได้จัดรูปแบบหรือสรุปตามบริบททางการแพทย์

MOR-ASR ออกแบบมาเพื่อสรุปข้อมูลสำคัญทางการแพทย์จากเสียงสนทนา และจัดให้อยู่ในรูปแบบ Medical Record ที่แบ่งเป็นส่วนชัดเจน ช่วยให้แพทย์นำไปตรวจทานและใช้ประกอบเวชระเบียนได้สะดวกขึ้น

รองรับ ระบบถูกออกแบบและปรับแต่งให้เข้าใจศัพท์เฉพาะทางการแพทย์ คำย่อ และบริบทการบันทึกเวชระเบียนมากกว่าระบบถอดเสียงทั่วไป

MOR-ASR ช่วยลดภาระงานเอกสารและการพิมพ์เวชระเบียน ทำให้แพทย์มีเวลาสำหรับการดูแลผู้ป่วยมากขึ้น โดยมีประโยชน์หลักดังนี้

1. ลดเวลาที่ใช้ในการพิมพ์และเรียบเรียงเวชระเบียน
2. ลดความเสี่ยงจากการพิมพ์ตกหรือพิมพ์ผิด
3. สร้างผลลัพธ์ได้รวดเร็วหลังจบการบันทึกเสียง
4. ช่วยให้แพทย์โฟกัสกับการสนทนาและการดูแลผู้ป่วยได้มากขึ้น

มีข้อควรพิจารณาบางประการเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

1. ควรใช้งานในสภาพแวดล้อมที่มีเสียงรบกวนน้อย
2. การออกเสียงที่ไม่ชัดเจนอาจส่งผลต่อความแม่นยำ
3. สำเนียงหรือรูปแบบการพูดบางลักษณะอาจทำให้ระบบประมวลผลได้ยากขึ้น
4. แพทย์ควรตรวจทานผลลัพธ์ก่อนนำไปบันทึกในเวชระเบียนเสมอ

โดยทั่วไป MOR-ASR รองรับการพูดต่อเนื่องประมาณ 5-10 นาทีต่อครั้ง ทั้งนี้ระยะเวลาที่เหมาะสมอาจขึ้นอยู่กับรูปแบบการใช้งาน ความยาวของเคส และคุณภาพของอินเทอร์เน็ต

MOR-ASR เหมาะกับงานบันทึกข้อมูลทางการแพทย์ในหลายสาขา เช่น เวชปฏิบัติทั่วไป อายุรกรรม ศัลยกรรม กุมารเวชศาสตร์ สูตินรีเวช เวชศาสตร์ฉุกเฉิน และสาขาเฉพาะทางอื่น ๆ

ตัวอย่างสาขาที่รองรับ ได้แก่ Cardiology, Pulmonology, Gastroenterology, Neurology, Nephrology, Oncology, Endocrinology, Dermatology, Allergy and Immunology, Orthopedic, Ophthalmology และ Otolaryngology (ENT)

การประเมินความแม่นยำของ MOR-ASR ใช้แนวคิด Concept Error Rate โดยให้ความสำคัญกับการเก็บสาระสำคัญทางการแพทย์ให้ครบถ้วน มากกว่าการถอดเสียงทุกคำแบบคำต่อคำ

ผลลัพธ์สามารถแบ่งเป็น 4 กลุ่ม ได้แก่

1. กลุ่มสีเขียว: ระบบจับ concept ได้ถูกต้องและไม่จำเป็นต้องแก้ไข
2. กลุ่มสีเหลือง: ระบบจับความหมายได้ถูกต้อง แต่ควรปรับภาษา รูปประโยค หรือรายละเอียดเล็กน้อย
3. กลุ่มสีแดง: ระบบตีความผิดชัดเจนและควรแก้ไขก่อนใช้งาน
4. กลุ่มสีเทา: มี concept ที่ควรถูกสรุป แต่ระบบไม่ได้ถอดหรือสรุปออกมา

ค่าความแม่นยำอาจแตกต่างกันตาม subspecialty ตัวอย่างเช่น General Surgery มีสัดส่วนสีเขียว 91.11%, สีเหลือง 4.44%, สีแดง 2.22% และสีเทา 2.22%

ในโหมด OPD ASR ผู้ใช้งานกดปุ่มอัดเสียง พูดข้อมูลที่ต้องการบันทึก แล้วกด Submit เพื่อให้ระบบประมวลผล กรณีพูดผิดเล็กน้อย มีการเว้นจังหวะ หรือคิดคำพูดระหว่างบันทึก ไม่จำเป็นต้องหยุดและเริ่มอัดใหม่

หาก workflow ต้องมีช่วงพัก เช่น ตรวจร่างกายก่อนแล้วกลับมาพูดต่อ ผู้ใช้งานสามารถกดหยุดและกลับมาบันทึกต่อได้ตามความเหมาะสม

โหมด SOAP ASR ใช้งานคล้ายกับ OPD ASR คือกดบันทึกเสียง พูดข้อมูลที่ต้องการ แล้วกด Submit เพื่อประมวลผล ความแตกต่างคือผลลัพธ์จะถูกจัดอยู่ในรูปแบบ SOAP ได้แก่ S, O, A และ P ซึ่งเหมาะกับการบันทึกข้อมูลผู้ป่วยในหรือเคสที่ต้องการโครงสร้างแบบ SOAP

MOR-ASR ออกแบบให้ประมวลผลไฟล์เสียงเพื่อสร้างผลลัพธ์ตามการใช้งาน และไม่เก็บไฟล์เสียงของผู้ใช้งานไว้หลังจากการประมวลผลเสร็จสิ้น

การส่งคำขอประมวลผลจำนวนมากเกินกว่าที่ระบบหรือข้อตกลงการใช้งานรองรับ อาจส่งผลต่อเสถียรภาพของบริการและข้อจำกัดของระบบฝั่งโรงพยาบาลได้

ในการใช้งานจริงควรกำหนดปริมาณการใช้งาน concurrent และ rate limit ให้เหมาะสมร่วมกับทีม Cariva และทีม IT ของโรงพยาบาล

โดยหลักการ Cariva ไม่จัดเก็บข้อมูลระบุตัวผู้ป่วยควบคู่กับไฟล์เสียงที่ใช้ประมวลผล ระหว่างการประมวลผล ระบบจะไม่ทราบว่าไฟล์เสียงนั้นเป็นข้อมูลของผู้ป่วยรายใด

เมื่อประมวลผลเสร็จ ระบบจะส่งผลลัพธ์กลับไปยังโรงพยาบาล และโรงพยาบาลเป็นผู้จับคู่ผลลัพธ์กับเวชระเบียนหรือข้อมูลผู้ป่วยในระบบของตนเอง สำหรับรายละเอียดมาตรการความปลอดภัยของการเชื่อมต่อ ควรประเมินร่วมกับทีม Cariva ตามรูปแบบ integration ที่ใช้งานจริง

MOR-ASR ยึดหลัก Zero Retention สำหรับข้อมูลที่ใช้ประมวลผล กล่าวคือไม่เก็บข้อมูลลูกค้าไว้หลังจากให้บริการเสร็จสิ้น โดยไฟล์เสียงจะถูกลบออกหลังการประมวลผลตามเงื่อนไขการให้บริการที่ตกลงกับลูกค้า

ระบบใช้ Large Language Model ที่ Cariva ปรับแต่งเพิ่มเติมสำหรับบริบททางการแพทย์ โดยตั้งต้นจากโมเดล open source และนำมาฝึกกับองค์ความรู้ด้านการแพทย์

กระบวนการทำงานไม่ได้พึ่งเฉพาะ core model เท่านั้น แต่มีทั้งขั้นตอน pre-processing และ post-processing เพื่อช่วยให้ผลลัพธ์เหมาะกับการใช้งานในเวชระเบียนมากขึ้น

ระยะเวลาประมวลผลขึ้นอยู่กับหลายปัจจัย โดยเฉพาะความเร็วของอินเทอร์เน็ตและความยาวของไฟล์เสียง เนื่องจากระบบต้องอัปโหลดเสียงเพื่อประมวลผลและส่งผลลัพธ์กลับมายังผู้ใช้งาน

ระบบถูกออกแบบให้รองรับการขยายทรัพยากรอัตโนมัติ จึงช่วยลดผลกระทบเมื่อมีแพทย์ใช้งานพร้อมกันหลายคน อย่างไรก็ตาม ประสิทธิภาพจริงอาจขึ้นอยู่กับปริมาณการใช้งาน เงื่อนไขแพ็กเกจ และสภาพแวดล้อมระบบของโรงพยาบาล

เสียงรบกวนที่ดังมากอาจส่งผลต่อคุณภาพการประมวลผลและความแม่นยำของผลลัพธ์ได้ จึงควรใช้งานในสภาพแวดล้อมที่เสียงชัดเจนที่สุดเท่าที่ทำได้

หากมีคำพูดทั่วไปที่ไม่เกี่ยวข้องกับเนื้อหาทางการแพทย์ ระบบถูกออกแบบให้โฟกัสกับ medical terms และเนื้อหาที่เกี่ยวข้องกับการรักษาเป็นหลัก

Bandwidth ที่แนะนำคือประมาณ 100 Mbps โดยอ้างอิงการรองรับการใช้งานประมาณ 10 เคสต่อวินาที ทั้งนี้ควรประเมินร่วมกับปริมาณการใช้งานจริงและสถาปัตยกรรมระบบของโรงพยาบาล