การสรุปบันทึกเวชระเบียนจิตบำบัดความคิดและพฤติกรรมอัตโนมัติโดยใช้เทคโนโลยีปัญญาประดิษฐ์

Abstract

การบันทึกเวชระเบียนจิตเวชภายหลังการบำบัดด้วยความคิดและพฤติกรรม เป็นกระบวนการที่มีความ สำคัญทางคลินิกอย่างยิ่ง ซึ่งผู้บำบัดต้องใช้เวลาเฉลี่ย 15–25 นาทีต่อครั้ง งานสารนิพนธ์ฉบับนี้นำเสนอ "RecapMind" ซึ่งเป็นระบบต้นแบบพิสูจน์แนวคิดสำหรับการสรุปเวช ระเบียนจิตเวชแบบ อัตโนมัติ พัฒนาบน สถาปัตยกรรม Dynamic Few-Shot Retrieval-Augmented Generation (RAG) ทำงานร่วมกับโมเดลภาษา ขนาดเล็กที่ สามารถประมวลผล แบบออฟไลน์บนทรัพยากรฮาร์ดแวร์ทั่วไปของโรงพยาบาลได้ ระเบียบวิธีวิจัยเริ่มต้นจากการสร้างชุดข้อมูลมาตรฐานจำลอง จำนวน 10 กรณี ซึ่งครอบคลุมปัญหา สุขภาพจิตที่พบบ่อยในบริบทประเทศไทยผ่าน กระบวนการสังเคราะห์โดยผู้เชี่ยวชาญ และการทบทวนแบบ ปกปิดโดยผู้ประเมินสองท่าน ได้ค่าความ สอดคล้อง (Cohen's Kappa) เฉลี่ย 0.86 จากนั้นขยายชุดข้อมูล ด้วยเทคนิค Data augmentation 4 รูปแบบจนได้ 150 กรณี โดยแบ่งเป็น Training set 140 กรณี และ Held-out Test set 10 กรณี ที่สุ่มแบบแบ่งชั้นภูมิ จากชุด 150 กรณี ข้อมูล ทั้งหมดผ่านกระบวนการเตรียม ข้อมูล 6 ขั้นตอน (D1–D6) โดยมีการควบคุมคุณภาพในทุกขั้นตอน ผลการประเมินผ่านตัวชี้วัดทางคลินิก 9 ประเภทบน Held-out Test set (n = 10 กรณี) พบว่าโมเดล Dynamic Few-Shot RAG บรรลุเป้าหมายทุกตัวชี้วัดในระยะ Phase 1 PoC ได้แก่ Clinical Concept Coverage (CCC) ร้อยละ 88.3 (95% CI [85.6, 91.0]), Key Clinical Entity Retention (KCER) ร้อยละ 91.7, Risk Detection Recall (RDR) ร้อยละ 100, False Safety Rate (FSR) ร้อยละ 0, BERTScore-F1 เท่ากับ 0.834, Clinical Coherence Rating (CCR) เท่ากับ 4.36/5.0 และลดระยะเวลาบันทึกเวชระเบียนได้ประมาณ ร้อยละ 62 โมเดล Fine-tuned GGUF Q4_K_M แสดงประสิทธิภาพทางคลินิกในระดับใกล้เคียงกัน (CCC = 85.1%, CCR = 4.14/5.0) พร้อมความสามารถประมวลผลออฟไลน์ ทั้งนี้ระบบบูรณาการกระบวนการตรวจ สอบโดยมนุษย์ (Human-in-the-Loop: HITL) เป็นมาตรการบังคับและดำเนินการภายใต้ สถาปัตยกรรม ความมั่นคงปลอดภัย 5 ลำดับชั้น สอดคล้องกับพระราชบัญญัติคุ้มครอง ข้อมูลส่วนบุคคล พ.ศ. 2562