พลิกประวัติศาสตร์โลก!เมื่อ AI สวมบทฮีโร่สีเขียวร่นเวลาผลิตวัคซีนโควิด-19 จากหลักปีเหลือหลักเดือน ลดคาร์บอนฟุตพริ้นท์ให้วงการแพทย์

หากย้อนกลับไปในช่วงวิกฤตการณ์การแพร่ระบาดของโควิด-19 ความท้าทายที่ยิ่งใหญ่ที่สุดของมนุษยชาติคือการแข่งกับเวลาเพื่อพัฒนาวัคซีนแต่รู้หรือไม่ว่าเบื้องหลังความสำเร็จที่เข้ามาพลิกโฉมหน้าประวัติศาสตร์การแพทย์ระดับโลกคือการนำปัญญาประดิษฐ์ (AI) มาใช้งานในทุกกระบวนการซึ่งไม่เพียงแต่ช่วยเซฟชีวิตผู้คนแต่ยังเป็นโมเดลสำคัญในการลดการใช้ทรัพยากรและพลังงานมหาศาลในกระบวนการวิจัยและโลจิสติกส์แบบเดิมๆอีกด้วยในการขับเคลื่อนภารกิจนี้ AI ถูกแบ่งออกเป็น 2 กลไกหลักคือ Machine Learning ที่ใช้ประมวลผลฐานข้อมูลโครงสร้างขนาดใหญ่และ Deep Learning โครงข่ายประสาทเทียมอัจฉริยะที่จำลองสมองมนุษย์เพื่อวิเคราะห์ข้อมูลทางชีววิทยาที่ซับซ้อน

1. ถอดรหัสพันธุกรรมย้อนกลับดีไซน์วัคซีน mRNA ในระดับโมเลกุล

ในอดีตการค้นหาแอนติเจนเพื่อกระตุ้นภูมิคุ้มกันต้องใช้การทดลองในห้องปฏิบัติการทางเคมีที่ซ้ำซ้อนและก่อให้เกิดขยะสารเคมีจำนวนมากแต่ AI ได้เข้ามาปฏิวัติผ่านกระบวนการวิทยาวัคซีนย้อนกลับ (Reverse Vaccinology)

• อัลกอริทึมวิเคราะห์ข้อมูลจีโนม (Genomic Data) ของไวรัสที่มีขนาดมหึมาได้อย่างรวดเร็วจนระบุได้ว่า “โปรตีนหนาม” (Spike protein) คือเป้าหมายที่ดีที่สุด
• โมเดลคำนวณของ Deep Learning ช่วยจำลองโครงสร้างโมเลกุลในคอมพิวเตอร์ ทำให้ทั้ง Pfizer-BioNTech และ Moderna คัดเลือกรูปแบบการกระตุ้นภูมิคุ้มกันได้ทันทีโดยแทบไม่ต้องสิ้นเปลืองทรัพยากรในการทดลองสุ่มในแล็บแบบเก่า

2. ปฏิวัติการทดลองทางคลินิกเคลียร์ข้อมูลมหาศาลจาก 1 เดือน เหลือ 22 ชั่วโมง!

ขั้นตอนที่ซับซ้อนและกินพลังงานคนมากที่สุดคือการทดลองทางคลินิก (Clinical Trials) ซึ่ง AI เข้ามาเปลี่ยนเกมใน 3 มิติสำคัญ

1. คัดกรองแม่นยำจัดกลุ่มผู้ทดลองตามปัจจัยเสี่ยงอายุและพื้นที่ทางภูมิศาสตร์ช่วยลดการเดินทางและลดคาร์บอนฟุตพริ้นท์จากการขนส่งผู้ป่วย
2. มอนิเตอร์ความปลอดภัย Real-time อย่างในกรณีของ AstraZeneca มีการใช้ AI ติดตามข้อมูลสุขภาพผู้ร่วมทดลองแบบสดๆตรวจจับผลข้างเคียงได้ทันที
3. Big Data Clean-up (ความเร็วระดับก้าวกระโดด) ปกติหลังจบการทดลองต้องใช้เวลาเคลียร์ข้อมูลดิบกว่า 30 วัน แต่ Pfizer ได้ร่วมมือกับ Saama Technologies พัฒนาเครื่องมือ Machine Learning ชื่อ Smart Data Query (SDQ) ทำให้ข้อมูลหลายสิบล้านจุดพร้อมวิเคราะห์ได้ภายในเวลาเพียง 22 ชั่วโมงเท่านั้น ประหยัดเวลาไปได้ 1 เดือนเต็มๆและลดการใช้พลังงานของระบบประมวลผลไปได้อย่างมหาศาล

3. โลจิสติกส์อัจฉริยะคาดการณ์คอขวดนำส่งวัคซีนแบบไร้รอยต่อ

เมื่อวัคซีนผ่านการอนุมัติโจทย์ต่อมาคือความท้าทายด้านสิ่งแวดล้อมและห่วงโซ่อุปทาน เนื่องจากวัคซีน mRNA จำเป็นต้องเก็บในอุณหภูมิต่ำจัดหากระบบขนส่งล้มเหลววัคซีนจะกลายเป็นขยะทางการแพทย์ทันที

• Deep Learning ถูกนำมาใช้จำลองสถานการณ์เพื่อคาดการณ์ปัญหาคอขวดในโรงงาน ป้องกันการหยุดชะงักของการผลิต
• ระบบ AI ทำหน้าที่ติดตามอุณหภูมิแบบเรียลไทม์ตลอดเส้นทางการขนส่งช่วยลดการสูญเสียทรัพยากรยาและพลังงานในระบบห้องเย็น (Cold Chain Supply) ได้อย่างแม่นยำ

มุมมองเชิงสิ่งแวดล้อมและคำแนะนำเพื่อความยั่งยืน (Green Technology Insight)

ความสำเร็จของ AI ในวิกฤตโควิด-19 กำลังกลายเป็นจุดเริ่มต้นของ Green Pharma บริษัทยาที่เป็นมิตรต่อสิ่งแวดล้อมในอนาคตเนื่องจากกระบวนการคิดค้นยาแบบดั้งเดิมปล่อยก๊าซเรือนกระจกสูงมากการเปลี่ยนผ่านสู่ดิจิทัลด้วย AI จึงส่งผลดีต่อสิ่งแวดล้อมดังนี้

• ลดขยะทางชีวภาพ (Zero Lab Waste) การจำลองโครงสร้างโมเลกุลบนคอมพิวเตอร์ (In silico) ช่วยลดการใช้หลอดทดลองสารเคมีอันตรายและลดการทดลองในสัตว์
• ประหยัดพลังงานในศูนย์ข้อมูลแม้ซูเปอร์คอมพิวเตอร์จะใช้ไฟมากแต่การร่นเวลาจาก 1 เดือนเหลือ 22 ชั่วโมง ช่วยลดระยะเวลาการรันระบบคอมพิวเตอร์ขนาดใหญ่ลงอย่างมีนัยสำคัญ
• ก้าวต่อไปสู่สังคมน่าอยู่ปัจจุบันบริษัทยักษ์ใหญ่กำลังต่อยอด AI ไปสู่การยกระดับความรอบรู้ด้านสุขภาพ (Health Literacy) เช่น การใช้ AI แปลงฉลากยาและคู่มือทางการแพทย์ที่เข้าใจยากให้กลายเป็นภาษาง่ายๆเพื่อลดความผิดพลาดในการใช้ยาและลดขยะเหลือทิ้งจากยาหมดอายุในชุมชน

การผสานพลังระหว่างเทคโนโลยีความเร็วสูงและความละเอียดอ่อนทางชีวภาพไม่เพียงแต่ทำให้เราพร้อมรับมือกับโรคระบาดใหม่ๆแต่ยังเป็นกุญแจสำคัญในการรักษาโลกใบนี้ให้ยั่งยืนไปพร้อมกันครับ

(ที่มาของข้อมูล: VaccinesWork, Gavi, pfizer)