กระบวนการนำนวัตกรรมปัญญาประดิษฐ์สำหรับวิเคราะห์ภาพถ่ายเอกซเรย์ทรวงอก มาใช้ในโรงพยาบาลรัฐของไทย
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ขั้นตอนของกระบวนการนำนวัตกรรมปัญญาประดิษฐ์สำหรับวิเคราะห์ภาพถ่ายเอกซเรย์ทรวงอก (chest X-ray AI: CXR-AI) มาใช้ในโรงพยาบาลรัฐในประเทศไทย และวิเคราะห์รูปแบบของกระบวนการนำนวัตกรรมดังกล่าวมาใช้งาน โดยใช้กรอบแนวคิดกระบวนการนวัตกรรมองค์การในการวิเคราะห์ การศึกษานี้ใช้ระเบียบวิจัยเชิงคุณภาพด้วยวิธีพหุกรณีศึกษา โดยเลือกโรงพยาบาลรัฐ 4 แห่งด้วยวิธีการเลือกแบบเจาะจง และเลือกกลุ่มเป้าหมายผู้ให้ข้อมูลจากกรณีศึกษาด้วยวิธีการเลือกแบบเจาะจงและแบบลูกโซ่ รวมทั้งสิ้น 17 คน การเก็บข้อมูลใช้วิธีการสัมภาษณ์เชิงลึกโดยใช้แบบสัมภาษณ์กึ่งโครงสร้าง ผลการวิจัยชี้ให้เห็นว่า 1. กระบวนการนำ CXR-AI มาใช้ในโรงพยาบาลในทุกกรณีศึกษาได้ดำเนินไปจนผ่านขั้นตอนการสร้างความชัดเจน (Clarifying Stage) แล้ว โรงพยาบาลที่ได้จัดเตรียมแผนระยะยาว เช่น จัดทำแนวทางการใช้ CXR-AI หรือจัดเตรียมงบประมาณสำหรับใช้งานนวัตกรรมดังกล่าว จะทำให้การใช้งาน CXR-AI กลายเป็นส่วนหนึ่งของงานประจำของโรงพยาบาล (Routinizing Stage) ในกรณีที่อุปสงค์ของการใช้งานเทคโนโลยี ลดลง เนื่องจากสถานการณ์การแพร่ระบาดของโรคโควิด-19 ที่ผ่อนคลายลง จะนำไปสู่การเลิกใช้งาน CXR-AI 2. กระบวนการนำ CXR-AI มาใช้ในโรงพยาบาลที่เป็นกรณีศึกษา สอดคล้องกับรูปแบบกระบวนการนวัตกรรมองค์การของ Rogers โดยมีความแตกต่างบางประการ โดยการเริ่มต้นกระบวนการอาจเกิดจากอุปสงค์ของโรงพยาบาล หรือ ถูกผลักดันด้วยการมีอยู่ของตัวเทคโนโลยีเอง การปฏิเสธการใช้นวัตกรรมอาจเกิดขึ้นในขั้นตอนใดของกระบวนการก็ได้ ซึ่งทำให้กระบวนการนวัตกรรมมีลักษณะเป็นวงจรที่เกิดซ้ำ บางขั้นตอน เช่น ขั้นตอนการปรับเปลี่ยนรูปแบบนวัตกรรม (Redefining Stage) และขั้นตอนการสร้างความชัดเจนอาจเกิดขึ้นซ้อนกันได้ งานวิจัยนี้ให้ข้อมูลเชิงลึกเกี่ยวกับกระบวนการนำเอานวัตกรรม CXR-AI มาใช้ในโรงพยาบาลรัฐ ซึ่งจะเป็นประโยชน์ต่อผู้บริหารโรงพยาบาลในการวางแผนและส่งเสริมการนำนวัตกรรมนี้มาใช้งาน ผลลัพธ์ของการศึกษายังสามารถใช้เป็นกรอบแนวคิดในการติดตามความก้าวหน้าของการนำเอา CXR-AI หรือนวัตกรรมอื่น ที่เกี่ยวข้องมาใช้ในโรงพยาบาลรัฐได้
Article Details

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Aboshiha, A., Gallagher, R. & Gargan, A. L. (2019). Chasing value as AI transforms healthcare Boston Consulting Group. Retrieved February 2024, from https://www.bcg.com/publications/2019/chasing-value-as-ai-transforms-health-care
Acumen Research & Consulting. (2023). AI in Healthcare Market Analysis - Global Industry Size, Share, Trends and Forecast 2023-2032. Retrieved February 2024, from https://www.acumenresearchand consulting. com/artificial-intelligence-market
Akhter, Y., Singh, R. & Vatsa, M. (2023). AI-based radiodiagnosis using chest X-rays: A review. Frontiers in Big Data, 6,1120989. https://doi.org/10.3389/fdata.2023.1120989
Al-Haque, S., Khanna, V., Mandal, S., Rayasam, M. & Singh, P. (2022). AI ushers in next-gen prior authorization in healthcare McKinsey & Company. Retrieved February 2024, from https://www.mckinsey.com/ industries/healthcare/our-insights/ai-ushers-in-next-gen-prior-authorization-in-healthcare
Braun, V. & Clarke, V. (2012). Thematic analysis. In H. Cooper, P. M. Camic, D. L. Long, A. T. Panter, D. Rindskopf, & K. J. Sher (Eds.), APA handbook of research methods in psychology, Vol 2: Research designs: Quantitative, qualitative, neuropsychological, and biological. (pp. 57-71). Washington, DC : American Psychological Association. https://doi.org/10.1037/13620-004
Busetto, L., Wick, W. & Gumbinger, C. (2020). How to use and assess qualitative research methods. Neurological Research and Practice, 2(1),1-10. https://doi:10.1186/s42466-020-00059-z
Creswell, J. W. (2013). Qualitative Inquiry and Research Design: Choosing Among Five Approaches (3rd ed.). California : SAGE Publications.
Dachjiramanee, C., Suwannoi, T., Sukhaparamate, S., Jantarakolica, K. & Jantarakolica, T. (2022). Factors Affectingthe Acceptance of Internet of Things (IoT)Technology for Residence. Journal of Humanities and Social Sciences Nakhon Phanom University, 12(3),271-286.
Department of Medical Services. (2023). AI Chest 4 All (DMS-TU) for Thai people. Retrieved July 2024, from https://psd.dms-moph.com/
Dierckx de Casterlé, B., De Vliegher, K., Gastmans, C. & Mertens, E. (2021). Complex Qualitative Data Analysis: Lessons Learned From the Experiences With the Qualitative Analysis Guide of Leuven. Qualitative Health Research, 31(6),1083-1093. https://doi:10.1177/1049732320966981
Gledson, B. (2022). Enhanced model of the innovation-decision process, for modular-technological-process innovations in construction. Construction Innovation, 22(4),1085-1103. https://doi.org/10.1108/CI-02-2021-0021
Hayashi, P., Abib, G. & Hoppen, N. (2019). Validity in qualitative research: A processual approach. The qualitative report, 24(1),98-112. https://doi.org/10.46743/2160-3715/2019.3443
Ingviya, T., Intajag, S., Kansomkeat, S. & Thanomkeat, W. (2022). The development of artificial intelligence (AI) to detect pathological lesions on plain chest x-ray for the screening of pulmonary tuberculosis, lung cancer and other diseases. Retrieved February 2024, from https://kb.hsri.or.th/dspace/ handle/ 11228/5837?locale-attribute=th
King Mongkut’s University of Technology Thonburi. (2020). "FIBO KMUTT collaborates with a startup company to use AI (artificial intelligence) to detect eight different lung diseases from X-ray images, assisting doctors and reducing disparities in small hospitals. Implementation began in early 2021.". Retrieved July 2024, from https://pr.kmutt.ac.th/pr2/research-innovation-news/
Laï, M. C., Brian, M. & Mamzer, M. F. (2020). Perceptions of artificial intelligence in healthcare: findings from a qualitative survey study among actors in France. Journal of translational medicine, 18(1),1-13. https://doi.org/10.1186/s12967-019-02204-y
Mahidol University. (n.d.). Background of RAMA-AI. Retrieved July 2024, from https://www.rama.mahidol.ac. th/radiology/th/RAMAAI
MHESI & MDES. (2022). Thailand National AI Strategy and Action Plan (2022–2027). Retrieved April 2024, from https://pub.nstda.or.th/gov-dx/wp-content/uploads/2022/12/20220726-AI.pdf
Ministry of Public Health. (2023). Report on Public Health Resource 2022. Retrieved February 2024, from https://spd.moph.go.th/wp-content/uploads/2023/07/Report-Health-Resource-65.pdf
Morrison, K. (2021). Artificial intelligence and the NHS: a qualitative exploration of the factors influencing adoption. Future Healthcare Journal, 8(3),e648-e564. https://doi.org/10.7861/fhj.2020-0258
Nguyen, T. L., Nguyen, V. P. & Dang, T. V. D. (2022). Critical Factors Affecting the Adoption of Artificial Intelligence: An Empirical Study in Vietnam. The Journal of Asian Finance, Economics and Business, 9(5),225-237. https://doi.org/https://doi.org/10.13106/jafeb.2022.vol9.no5.0225
Petersson, L., Ingrid, L., Jens, M. N., Per, N., Margit, N., Julie, E. R., Daniel, T. & Petra, S. (2022). Challenges to implementing artificial intelligence in healthcare: a qualitative interview study with healthcare leaders in Sweden. BMC health services research, 22(1),1-16. https://doi.org/https://doi.org/10.1186/ s12913-022-08215-8
Radhakrishnan, J. & Chattopadhyay, M. (2020). Determinants and Barriers of Artificial Intelligence Adoption – A Literature Review. In: Sharma, S.K., Dwivedi, Y.K., Metri, B., Rana, N.P. (eds) Re-imagining Diffusion and Adoption of Information Technology and Systems: A Continuing Conversation. TDIT 2020. IFIP Advances in Information and Communication Technology, vol 617. Springer, Cham. https:// doi.org/10.1007/978-3-030-64849-7_9
Rogers, E. M. (2003). Diffusion of Innovations. (5th ed). New York : Free Press.
Salim, S. A. (2021). Towards a Nuanced Explanation of Cloud ERP Adoption in SMES. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(3),1074-1080.
Singweratham, N., Decha, N., Waichompu, N., Somnak, S., Tamepattanapongsa, A., Thongrod, S. & Runlert, C. (2021). Shortage and Demand of Radiologic Technologists for Health Care Settings under the Jurisdiction of the Office of the Permanent Secretary, Ministry of Public Health. The Southern College Network Journal of Nursing and Public Health, 8(1),115-126.
Somboonviboon, D., Wittayawisawasakul, Y. & Wacharasint, P. (2023). Prevalence and Risk Factors of Burnout Syndrome during COVID-19 Pandemic among Healthcare Providers in Thailand. Journal of Environmental and Public Health, 2023,5719241. https://doi.org/10.1155/2023/5719241
Strusani, D. & Houngbonon, G. V. (2019). The role of artificial intelligence in supporting development in emerging markets. Retrieved February 2024, from https://documents1.worldbank.org/curated/zh/
/pdf/The-Role-of-Artificial-Intelligence-in-Supporting-Development-in-Emerging-Markets.pdf
Sun, T. Q. & Medaglia, R. (2019). Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare. Government Information Quarterly, 36(2),368-383. https://doi.org/10.1016/ j.giq.2018.09.008
Tangjai, C. (2020). Factors that affect the barrier to entry of radiology AI in Thai medical services institutes Mahidol University. Retrieved February 2024, from https://archive.cm.mahidol.ac.th/bitstream/ 123456789/3691/1/TP%20MS.035%202563.pdf
Tanomkiat, W., Taprig, A. & Piyavisetpat, N. (2021). RadioVolunteer, a novel combination of social, management and technological innovations by the Royal College of Radiologists of Thailand in response to the COVID-19 pandemic. The ASEAN Journal of Radiology, 22(2),57-66. https://doi.org/ 10.46475/aseanjr.v22i2.146
Tashakkori, A., Johnson, R. B. & Teddlie, C. (2020). Foundations of mixed methods research: Integrating quantitative and qualitative approaches in the social and behavioral sciences (2nd ed). California : SAGE Publications.
Thammasat University. (2021). ‘AI CHEST 4 ALL’ assists radiologists in screening for chest diseases with over 90% accuracy. Retrieved July 2024, from https://tu.ac.th/thammasat-090764-tse-ai-chest-4-all
Vega, A. & Chiasson, M. (2021). Complementary adoptions and the diffusion of information systems in small and medium enterprises: An exploratory study. International Journal of Business Science & Applied Management (IJBSAM), 16(3),18-38.
World Bank. (2024). Incidence of tuberculosis (per 100,000 people) - Thailand. Retrieved May 2024, from https://data.worldbank.org/indicator/SH.TBS.INCD?locations=TH
Yin, R. K. (2009). Case Study Research: Design and Methods (4th ed.). Thousand Oaks, California : SAGE Publications.