ผู้ช่วยจดบันทึกอัตโนมัติจากการฟังบทสนทนา (Ambient documentation / AI scribe) — เป็นการใช้งานที่พัฒนามาไกลและพร้อมใช้ที่สุด
เป็นเครื่องมือที่คอยฟังบทสนทนาระหว่างหมอกับผู้ป่วย แล้วร่างเป็นโน้ตที่มีโครงสร้างชัดเจน (เช่นแบบ SOAP) ให้ทีมงานตรวจแล้วลงนาม ตัวอย่างของจริงที่ใช้กันอยู่ เช่น Microsoft Dragon Copilot (เปลี่ยนชื่อมาจาก Nuance DAX Copilot เมื่อ มี.ค. 2025 เป็นการรวมความสามารถฟัง-จับบทสนทนาของ DAX เข้ากับ Dragon Medical One เชื่อมต่อกับระบบเวชระเบียน Epic ได้ลึก เปิดใช้จริงแล้วในสหรัฐฯ แคนาดา และสหราชอาณาจักร งานวิจัยแบบสุ่มเปรียบเทียบ (randomized) ปี 2025 รายงานว่าช่วยลดภาวะหมดไฟและภาระทางความคิดของหมอ) และ Abridge (ได้รางวัล Best in KLAS ด้านผู้ช่วยฟังบทสนทนา ปี 2025-2026 มีจุดเด่นคือโยงข้อความในโน้ตกลับไปยังเสียงหรือบทถอดเสียงต้นทางได้ ใช้กันที่ Kaiser Permanente, Mayo, Johns Hopkins, Duke, UPMC, Yale New Haven และกำลังขยายไปช่วยงานพยาบาลกับงานขออนุมัติล่วงหน้ากับประกัน (prior authorization) ผ่าน Availity เมื่อ ม.ค. 2026) นอกจากนี้ยังมีเจ้าอื่นอีก เช่น Suki, Ambience Healthcare, Augmedix, DeepScribe, Freed AI, Nabla, Twofold คำเตือน: สิ่งที่เครื่องมือร่างออกมา (output) ให้ถือเป็นแค่ร่างเสมอ ต้องขอความยินยอมจากผู้ป่วยก่อนบันทึกเสียง แล้วให้ทีมงานตรวจทานกับความจำและเวชระเบียนจริง แก้ไขให้ถูก แล้วค่อยลงนาม ส่วนราคาและชื่อแพ็กเกจต่าง ๆ (tier) ที่พูดถึงนั้นมาจากแหล่งข้อมูลมือสอง เปลี่ยนบ่อย อย่านำไปอ้างเป็นข้อมูลทางการ
สรุปหลักฐานทางการแพทย์ (evidence synthesis) ด้วยเครื่องมือที่อ้างอิงแหล่งที่มาได้
OpenEvidence คือเครื่องมือค้นหาหลักฐานทางการแพทย์ (evidence) สำหรับคนทำงานคลินิกที่โดดเด่นที่สุดตอนนี้ เราถามเป็นภาษาพูดธรรมดาได้เลย แล้วมันจะสรุปงานวิจัยหรือแนวทางการรักษาให้ พร้อมโยงกลับไปหาแหล่งจริงได้ด้วย มันจับมือกับ NEJM Group และ JAMA Network ให้เข้าถึงบทความฉบับเต็ม (full-text) ได้ (เซ็นสัญญากับ JAMA เมื่อ 5 มิ.ย. 2025) ใช้ฟรีสำหรับบุคลากรที่ยืนยันตัวตนแล้ว (ต้องมีรหัสประจำตัวทางการแพทย์ เช่น NPI) มีรายงานว่าหมอในสหรัฐฯ กว่า 40% ใช้มันทุกวัน จุดที่ดีต่อความปลอดภัยคือทุกคำตอบโยงกลับไปงานวิจัยต้นทางได้ คำเตือน: มันแค่ช่วยสรุปหลักฐานให้ ไม่ได้ตัดสินใจเรื่องการรักษาแทนเรา ต้องเปิดอ่านแหล่งจริงก่อนเอาไปใช้เสมอ และห้ามเชื่อคำตอบของ AI ที่ไม่มีการอ้างอิง เพราะเสี่ยงเจอการอ้างอิงปลอม (citation ปลอม)
ร่างจดหมายจำหน่ายผู้ป่วย/ส่งต่อ และงานลงรหัสค่ารักษา (coding)
โครงการ NHS AI-Assisted Discharge Summary (ใช้โมเดลภาษา หรือ LLM รันบน NHS Federated Data Platform นำร่องที่โรงพยาบาล Chelsea and Westminster) จะดึงรายละเอียดจากเวชระเบียนมาร่างเป็นเอกสารจำหน่ายผู้ป่วย ให้บุคลากรที่รับผิดชอบตรวจและอนุมัติ การทดสอบเบื้องต้นเพื่อดูว่าทำได้จริงไหม (feasibility) พบว่าเอกสารสรุปที่ AI ร่างทั้ง 25 ฉบับ "ยอมรับได้" ในสายตาหมอเวชปฏิบัติทั่วไป หรือ GP (เทียบกับ 92% ของหมอที่ยังไม่อาวุโส) แต่ก็ยังเป็นการทดสอบกลุ่มเล็ก ๆ เท่านั้น ส่วนงานวิจัยปี 2024-2025 (ตีพิมพ์ใน npj Digital Medicine) พบว่าโมเดลภาษาหลายตัว รวมถึง Claude 3.5 Sonnet ร่างจดหมายจำหน่ายได้ดีโดยมีข้อมูลผิดพลาด (misinformation) น้อย แต่ทุกงานก็ย้ำเหมือนกันว่าต้องให้บุคลากรตรวจก่อนใช้จริง ส่วนงานลงรหัสค่ารักษา มีตัวช่วยอย่าง CodaMetrix (ลงรหัส ICD-10/CPT ได้เองอัตโนมัติ ครองอันดับ 1 KLAS ด้านการลดต้นทุนการรักษา) และ Nym Health (Epic Fully Autonomous Coding Toolbox เปิดตัว ส.ค. 2024) คำเตือน: รหัส CPT มีการเปลี่ยนแปลงถึง 418 รายการเมื่อ 1 ม.ค. 2026 ต่อให้ระบบทำงานได้ "เองอัตโนมัติ" ก็ยังมีความเสี่ยงเรื่องการวางบิลให้ถูกกฎและการตรวจสอบย้อนหลัง (audit) จึงต้องมีเจ้าหน้าที่ลงรหัสที่เป็นคนคอยกำกับดูแลด้วยเสมอ
สื่อให้ความรู้ผู้ป่วย และการคัดกรองอาการ (triage) ที่ต้องระวังเป็นพิเศษ
สื่อให้ความรู้ผู้ป่วย: AI ช่วยร่างคำอธิบายเป็นภาษาชาวบ้าน คำแนะนำการใช้ยา และคำแนะนำก่อน-หลังทำหัตถการได้ดี แต่ให้ทำได้แค่ "ร่าง" เท่านั้น ต้องผ่านการตรวจของบุคลากรก่อน ตรวจว่าอ่านง่ายและเหมาะกับความรู้ด้านสุขภาพของผู้ป่วย (health literacy) หรือไม่ และในไทยต้องเป็นภาษาไทยที่คนทั่วไปหรือคนที่บ้านอ่านเข้าใจ (ให้สอดคล้องกับกฎเรื่องภาษาของ อย.) ส่วนการคัดกรองอาการหรือเครื่องเช็กอาการ (triage/symptom checker): มีของจริงอยู่ (เช่น Ada ที่ใช้ฐานของ Infermedica, SymptomAI) แต่ความแม่นในการวินิจฉัยยังต่ำ (ราว 19-37.9%) และผลการคัดกรองก็แกว่งมาก (ราว 48.8-90.1%) "อาจก่อความเสี่ยงต่อความปลอดภัยของผู้ป่วยอย่างมีนัยสำคัญ" จึงใช้ได้แค่เป็นตัวช่วยเสริม (adjunct) เท่านั้น ห้ามให้มันเป็นด่านคัดกรองอัตโนมัติที่ตัดสินใจแทนคน (gatekeeper) เด็ดขาด ซึ่งต่างจาก Aidoc ที่ได้รับการรับรองจาก FDA (ก.พ. 2025) ให้ใช้คัดกรองภาพกระดูกซี่โครงหักด้วยโมเดลพื้นฐาน (foundation model) เพราะนั่นเป็นอุปกรณ์คัดกรองภาพที่ทำงานเฉพาะทางแคบ ๆ ถูกกำกับดูแล และผ่านการตรวจสอบความถูกต้อง (validate) มาแล้ว ไม่ใช่แชตบอตทั่วไป