เจาะลึกการใช้ AI วิเคราะห์ความคิดเห็นผู้ป่วยในโรงพยาบาลออสเตรเลีย

ระบบสุขภาพส่วนใหญ่ในออสเตรเลียต่างเก็บสะสมความคิดเห็นของผู้ป่วยมานานหลายปี โดยส่วนใหญ่มักนำคะแนนแบบ Likert มาสรุปผลใส่ในรายงานประจำไตรมาส ส่วนข้อความความคิดเห็นอิสระ (Free text) มักถูกอ่านผ่านๆ โดยผู้จัดทำรายงานและปล่อยให้ส่วนที่เหลือถูกจัดเก็บเข้าคลัง บทความนี้เป็นส่วนหนึ่งของซีรีส์ Practical AI in Health ซึ่งแนะนำโปรเจกต์ AI แรกเริ่มที่มีต้นทุนต่ำ เป็นที่ประจักษ์ต่อคณะกรรมการบริหาร และอยู่นอกเหนือจากการตัดสินใจทางคลินิก

หากคุณบริหารโรงพยาบาลในออสเตรเลีย คุณน่าจะเก็บข้อมูล AHPEQS ซึ่งเป็นชุดคำถามประสบการณ์ผู้ป่วย 12 ข้อของ ACSQHC ที่มีช่องให้พิมพ์ข้อความแสดงความคิดเห็นอิสระอยู่แล้ว โดยการศึกษาการนำไปใช้งานครั้งหนึ่งครอบคลุมแบบสำรวจถึง 86,180 ชุด จากโรงพยาบาลเอกชน 36 แห่ง เป็นระยะเวลา 18 เดือน นั่นหมายความว่าไม่ต้องเก็บข้อมูลใหม่ใดๆ เพิ่มเติมสำหรับการทำโปรเจกต์วิเคราะห์ธีม เพราะชุดข้อมูลนั้นมีอยู่พร้อมแล้ว

ปริมาณข้อมูลคือสิ่งสำคัญที่ต้องรู้ก่อนเริ่มขอบเขตงานใดๆ ในการวิเคราะห์แบบสำรวจผู้ป่วยในของระบบสุขภาพระดับภูมิภาค พบว่า 43.4% ของผู้ป่วยที่เป็นผู้ใหญ่ และ 46.9% ของผู้ดูแลผู้ป่วยเด็ก ได้เขียนข้อความความคิดเห็นอิสระ และการทำ Topic modelling กับข้อความเหล่านั้นสามารถสร้างหัวข้อได้ถึง 86 หัวข้อสำหรับผู้ใหญ่ และ 35 หัวข้อสำหรับเด็ก ซึ่งรวมถึงประเด็นการดูแลรักษาที่ไม่มีคำถามใดในแบบสำรวจเดิมเคยถามถึงเลย นี่คือเหตุผลสำคัญว่าทำไมจึงควรทำโปรเจกต์นี้ เนื่องจากคำถามแบบปิดสามารถวัดผลได้เฉพาะสิ่งที่ผู้สร้างแบบถามคิดจะถามเท่านั้น

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ในส่วนของข้อร้องเรียนถือเป็นข้อมูลอีกส่วนที่มีความอ่อนไหวสูง โดยสำนักงาน Ahpra ได้รับเรื่องร้องเรียนเกี่ยวกับผู้ประกอบวิชาชีพจำนวน 13,327 ครั้งในปี 2024/25 ซึ่งเพิ่มขึ้น 19% จากปีก่อนหน้า โดยการดูแลทางคลินิกคิดเป็น 35% ของเรื่องร้องเรียนทั้งหมด และปัญหาการสื่อสารตามมาเป็นอันดับสองที่ 4,313 ครั้ง ปัญหาการสื่อสารเหล่านี้คือสัญญาณเตือนที่มักจะปรากฏในช่องข้อความความคิดเห็นอิสระล่วงหน้าหลายเดือนก่อนที่จะถูกร้องเรียนผ่านช่องทางที่เป็นทางการ