สวัสดีครับ เพื่อน ๆ
ผมหายจากการเขียนบทความนานเลย คิดถึงการเขียนเหมือนกันนะ
หลัก ๆ คือก่อนหน้านี้ผมไปจัดการเรื่องปริญญาเอกของตัวเองมาครับ แล้วพอขาดช่วงก็เลยขาดการเขียนบทความไปนานเลย
สุดท้ายตอนนี้ Paper ต่าง ๆ ของผมที่ต้องใช้จบปริญญาเอก ก็ตีพิมพ์เสร็จเรียบร้อยทั้ง 2 ฉบับ รวมทั้งสอบ Defend Thesis เรียบร้อยแล้วครับผม ^^
บทความนี้ผมเลยอยากจะ reflect สิ่งที่เกิดขึ้นตลอด 3-4 ปีที่ผ่านมาของผมบันทึกไว้ครับ
สาขาปริญญาเอกที่ผมเรียนจะชื่อหลักสูตร Digital Health เรียนที่คณะแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ครับ
โดยงานที่ผมทำ ผมโฟกัสไปที่การทำวิจัยเกี่ยวกับการทำ Information Extraction ข้อมูลการสั่งยาจากเวชระเบียนของโรงพยาบาล
ลองนึกภาพว่าปกติแล้วเวลาเรานึกถึงสิ่งที่เรียกว่า “Data” ส่วนใหญ่เรามันจะนึกถึงตาราง Spreadsheet ไม่ว่าจะเป็น Google sheets หรือ Microsoft Excel
แล้วถ้าผมยกตัวอย่างว่าเป็นข้อมูลสรุปชาร์ทที่เขียนโดยแพทย์ล่ะ?
เช่น
“สรุปประวัติการรักษา (Discharge Summary) ของผู้ป่วยรายนี้: ผู้ป่วยเข้ารับการรักษาด้วยอาการ ปวดท้อง 3 ชั่วโมงก่อนมาโรงพยาบาล ผลการวินิจฉัยสรุปว่าเป็น โรคไส้ติ่งอักเสบ (Acute Appendicitis)
ตลอดระยะเวลาที่นอนโรงพยาบาลได้รับการรักษาด้วยการผ่าตัดไส้ติ่งออก (Appendectomy)
หลังการผ่าตัดคนไข้อาการทางคลินิกคงที่ ผลการตรวจทางห้องปฏิบัติการกลับสู่ภาวะปกติ แพทย์จึงอนุญาตให้กลับบ้านได้
Home Medications:
- Paracetamol (500 mg): Take 1 tablet every 4-6 hours as needed for pain or fever.
- Ibuprofen (400 mg): Take 1 tablet 3 times daily after meals for anti-inflammation and pain relief (Stop if gastric pain occurs).
- Amoxicillin/Clavulanate (1,000 mg): Take 1 tablet twice daily after meals. Must complete the full course (5-7 days).
- Milk of Magnesia (MOM): Take 15-30 ml at bedtime as needed for constipation.”
เราจะยังนับมันว่าสิ่งนี้เป็น Data อยู่ไหม?
คำตอบก็คือ เป็น แน่นอน เพราะมีรายละเอียด เกี่ยวกับสิ่งที่เกิดขึ้นการนอนโรงพยาบาลของคนไข้คนนั้นนั่นเอง
สิ่งที่ผมทำคือ ผม Train Model ที่จะเข้าไปดึงข้อมูลที่เป็นการบรรยายโดยการเขียนของแพทย์ที่เป็น Unstrcutured Data ให้เป็น Structured Data นั่นเอง
Paper แรก ผมใช้ Deep learning ส่วน Paper ที่สอง ผมใช้ Large language model ครับ
จริง ๆ ความยากของงานนี้ไม่ได้อยู่ที่การเทรนโมเดล แต่ไปอยู่ที่การ Label ข้อมูลเพื่อให้ Input ที่จะ Train model มันมีคุณภาพมากพอ และสามารถวัดผลได้
เป็นงานที่ผมใช้เวลา Label ข้อมูลนานพอสมควร เพราะยาแต่ละตัวก็มีชื่อ Trademark name ที่แตกต่างกัน หรือการสั่งยาในรายละเอียด มันก็เรียกได้หลายวิธี เช่น บอกว่า ยากินทางปากนะ เราจะ label ว่า “by mouth” “per oral” หรือ “po” เรียกยังไงมันก็ถูกหมด
งานนี้ผมได้หมอมาช่วย Label 3 คนเลย โดยหลังจาก Label แล้วต้อง re-check ด้วยว่า Reliability ของข้อมูลที่ Label โดยหมอ 3 คนเป็นไปในทางเดียวกันไหม มีคำไหนที่มัน ก้ำ ๆ กึ่ง ๆ เพื่อให้ได้ Label ที่มีคุณภาพสำหรับการเทรน และวัดผลโมเดล
นอกจากนี้เวลา Label เราเลยต้องยึด Standard terms อะไรสักอย่าง ในโปรเจคนี้ผมเลยได้ใช้ SNOMED-CT ในการ Guideline การ Label ข้อมูลครับ
ซึ่งแน่นอนว่าความรู้ด้าน SNOMED-CT ผมไม่ค่อยคุ้นชิน จึงเป็นโอกาสที่ดีมากที่ได้ไปแลกเปลี่ยน และเรียนกับอาจารย์ที่เชี่ยวชาญด้านนี้ที่ Graz ประเทศ Austria
โดยได้อาจารย์ช่วย Guide การทำ Annotation guideline รวมไปถึงการเตรียมข้อมูลทำ Deep learning ครับ
ผมกลับมานั่งไล่เรียง Timeline ทั้งหมด
- เริ่มเรียนช่วงเทอม 2 ประมาณไตรมาสสุดท้าย ปี 2023
- สอบ QE มีนา 2023
- สอบ Proporsal ประมาณ เดือนมิถุนายน ปี 2023
- ไปเรียนที่ Graz, Austria ตุลา 2023 ถึง มีนา 2024
- กลับมา เขียน Thesis ที่เหลือ
- งานวิจัยฉบับแรก ได้รับ Acceptance เดือน พฤษภาคม ปี 2025
- สอบ Defend Thesis สิ้นเดือนมิถุนายน 2025
- งานวิจัยฉบับที่สอง ได้รับ Acceptance เดือน มีนาคม ปี 2026
- สำเร็จการศึกษา เมษา 2026
ใช้เวลาทั้งหมดประมาณ 3 ปี ครึ่งกว่า ๆ ครับ
ยอมรับเลยว่ามีหลายครั้งที่รู้สึกท้อเยอะมาก ทั้งตอนที่อยู่ไทย และตอนที่อยู่ต่างประเทศ
จริง ๆ การทำ Model หรืองานวิจัย เป็นสิ่งที่ Fulfill นะครับ แต่ว่าพอการตีพิมพ์ Paper มันไปผูกการศึกษาว่าเราจบ หรือไม่จบ ทำให้ต่อให้ผมจะทำงานเร็วแค่ไหน ปัจจัยที่ผมจะจบหรือไม่จบ ก็จะขึ้นอยู่กับวารสาร และ Reviewer ด้วย ซึ่งเราเร่ง Process ตรงนั้นไม่ได้เลย ทำให้ค่อนข้างเครียด
แต่หลังจากผ่านมาแล้ว ก็รู้สึกขอบคุณตัวเอง และคนรอบ ๆ ตัว รวมถึงอาจารย์ที่ปรึกษาที่ช่วย Support จนผมจบมาได้ครับ
งานนี้พวก IF, citescore อาจจะไม่ได้หรูหราอะไรมากเท่าไหร่ แต่งานนี้ทำให้ผมได้เรียนรู้เยอะมากจริง ๆ นะ (ว่าผมไม่รู้อะไรบ้าง… ฮ่า ๆ)
สรุป ผมว่าถึงแม้ว่าปัจจุบัน เวลาพูดถึง AI คนจะไปมอง Generative AI เป็นหลัก แต่เอาจริง ๆ บาง task ผมว่าพวก traditional ML/Deep learning บางทีมันยังตอบโจทย์หลายปัญหาได้เยอะอยู่นะครับ โดยเฉพาะบริบทการแพทย์
เรียนป.เอกก็ได้ความรู้ดีครับ แต่อาจจะขอแค่ครั้งเดียวในชีวิตพอเนอะ 555
ช่วงนี้ผมจะกลับมาเขียนบทความมากขึ้น เพราะคิดว่าน่าจะเริ่มมีเวลาบ้างแล้ว
หลัก ๆ ผมคงจะวน ๆ อยู่เรื่องการเงิน การลงทุน แชร์เกี่ยวกับหนังสือ หรือบทความที่ไปอ่านมาให้ฟังเหมือนเดิมนะ (อาจจะอยากมีนอกเรื่องด้วยบ้างนะครับ ฮ่า ๆ)
ใครอยากอ่านเกี่ยวกับอะไรบ้าง บอกผมได้นะ ^^
