Looloo Health สร้างงานวิจัยด้าน AI Medical Scribe พร้อมส่งผลงานสู่เวทีวิชาการระดับโลกด้าน NLP

Looloo Health by Looloo Technology เดินหน้าพัฒนางานวิจัยด้านปัญญาประดิษฐ์สำหรับการแพทย์ ภายใต้ชื่อ “ASCRIBE: Atomic and Significance-Based Reasoning for Thai Clinical SOAP Note Generation” ซึ่งมุ่งมั่นพัฒนาเทคโนโลยี AI Medical Scribe สำหรับช่วยสร้างเวชระเบียนทางการแพทย์จากบทสนทนาระหว่างแพทย์และผู้ป่วย โดยงานวิจัยชิ้นนี้ได้มีการส่งเข้าร่วมงาน WiNLP@EMNLP 2026 ซึ่งเป็นเวทีวิชาการระดับโลกด้าน Natural Language Processing (NLP)

งานวิจัย ASCRIBE มีเป้าหมายสำคัญในการแก้ปัญหาการจัดทำเวชระเบียน ซึ่งเป็นหนึ่งในภาระงานด้านเอกสารที่บุคลากรทางการแพทย์ต้องใช้เวลาในการดำเนินการ โดยนำเทคโนโลยี Large Language Model (LLM) เข้ามาช่วยวิเคราะห์บทสนทนาและสร้างเวชระเบียนทางการแพทย์ในรูปแบบที่มีโครงสร้าง

พัฒนา AI ให้คิดอย่างเป็นระบบ ก่อนสร้างเวชระเบียน

จุดเด่นสำคัญของ ASCRIBE คือการออกแบบ Reasoning Framework ที่แตกต่างจากแนวทางการให้ LLM สรุปบทสนทนาโดยตรง โดยระบบจะย่อยข้อมูลจากบทสนทนาออกเป็นประเด็นต่างๆ และประเมินความสำคัญทางการแพทย์ของแต่ละประเด็น ก่อนนำข้อมูลที่ผ่านการคัดเลือกมาเรียบเรียงเป็นเวชระเบียนทางการแพทย์

แนวทางนี้มีเป้าหมายเพื่อทำให้กระบวนการประมวลผลของโมเดล มีลักษณะใกล้เคียงกับกระบวนการคิดของแพทย์มากขึ้น โดยมีการแยกแยะข้อมูลเป็นประเด็นย่อย → ประเมินความสำคัญทางการแพทย์ → เรียบเรียงเป็นเวชระเบียนทางการแพทย์ในรูปแบบ SOAP Note ซึ่งแนวทางนี้ช่วยให้โมเดลสามารถให้ความสำคัญกับข้อมูลที่มีความหมายต่อการรักษา ก่อนนำไปสร้างเป็นเวชระเบียน

เปิด Dataset แก้ปัญหา Data Scarcity ของข้อมูลการแพทย์ภาษาไทย

นอกจากการพัฒนาโมเดลและแนวทางการประมวลผลแล้ว อีกหนึ่งองค์ประกอบสำคัญของงานวิจัยคือการเปิด Dataset สู่สาธารณะ เพื่อช่วยลดข้อจำกัดด้าน Data Scarcity หรือการขาดแคลนชุดข้อมูลสำหรับงานวิจัย AI ด้านการแพทย์ภาษาไทย และสนับสนุนให้นักวิจัยสามารถนำข้อมูลไปใช้พัฒนาและต่อยอดงานวิจัยในอนาคต

Looloo Health ได้เผยแพร่ Dataset หลัก 2 ชุด ได้แก่

1. ThaiClinicBench เป็น Benchmark Dataset สำหรับประเมินประสิทธิภาพของระบบสรุปบทสนทนาทางการแพทย์ภาษาไทย ประกอบด้วยบทสนทนาจากเคสการรักษาจริงจำนวน 44 เคส พร้อมเวชระเบียนทางการแพทย์ที่เขียนและกำกับโดยแพทย์ผู้เชี่ยวชาญ ชุดข้อมูลดังกล่าวสามารถใช้เป็นข้อมูลสำหรับการทดสอบและเปรียบเทียบประสิทธิภาพของระบบ AI Medical Scribe และโมเดลภาษาสำหรับการแพทย์ภาษาไทย
2. S-ICOPD เป็น Synthetic Training Dataset จำนวน 295 เคส ซึ่งประกอบด้วยบทสนทนาและเวชระเบียนทางการแพทย์ที่สร้างขึ้นโดยอ้างอิงโครงสร้างของข้อมูลทางการแพทย์จริง โดยมีเป้าหมายเพื่อให้นักวิจัยสามารถนำข้อมูลไปใช้สำหรับ Fine-tune โมเดลขนาดเล็กได้ โดยลดข้อจำกัดที่เกี่ยวข้องกับความเป็นส่วนตัวของข้อมูลผู้ป่วยจริง

Private LLM ประสิทธิภาพใกล้เคียงกับ LLM ชั้นนำ

สำหรับผลลัพธ์จากงานวิจัยพบว่า Private LLM ที่ทีมพัฒนาขึ้นสามารถสร้างเวชระเบียนทางการแพทย์ได้ด้วยประสิทธิภาพในระดับใกล้เคียงกับ LLM ชั้นนำอย่าง Gemini 3.1 Pro และ GPT-5.4 ซึ่งผลลัพธ์นี้ก็ได้สะท้อนให้เห็นถึงความเป็นไปได้ในการพัฒนา AI Medical Scribe ในรูปแบบ Private LLM ที่สามารถติดตั้งและทำงานภายในระบบของโรงพยาบาลได้ ซึ่งมีส่วนช่วยลดความกังวลเกี่ยวกับการนำข้อมูลผู้ป่วยออกนอกเครือข่าย และเป็นอีกแนวทางหนึ่งในการนำ AI มาประยุกต์ใช้กับข้อมูลทางการแพทย์ที่มีความละเอียดอ่อน

จากงานวิจัยสู่การสร้างองค์ความรู้เพื่อวงการ AI การแพทย์ไทย

Looloo Health มองว่าการพัฒนา AI สำหรับการแพทย์ไม่ได้จำกัดอยู่เพียงการสร้างโมเดลที่มีประสิทธิภาพสูงขึ้น แต่ยังรวมถึงการสร้างองค์ความรู้ เครื่องมือ และข้อมูลที่เปิดโอกาสให้นักวิจัยและผู้พัฒนาเทคโนโลยีรายอื่นสามารถนำไปศึกษาและต่อยอดได้

การเปิดเผย Dataset ของ ASCRIBE จึงเป็นอีกหนึ่งแนวทางในการสนับสนุนระบบงานวิจัยด้าน AI การแพทย์ในประเทศไทย โดยเฉพาะการพัฒนาเทคโนโลยีที่เกี่ยวข้องกับภาษาไทย ซึ่งยังมีข้อจำกัดด้านข้อมูลเมื่อเทียบกับภาษาอื่นๆ

ผู้ที่สนใจสามารถศึกษางานวิจัยและเข้าถึง Dataset ได้ผ่าน arXiv และ GitHub ของโครงการ ASCRIBE