ปัญหาการสื่อสารทางการแพทย์: ทำไม AI จึงมุ่งเป้าไปที่ปัญหาการสื่อสารของอุตสาหกรรมเภสัชกรรม

การสื่อสารทางการแพทย์ทำงานภายใต้แรงกดดันมาโดยตลอด บริษัทชีวเภสัชภัณฑ์สร้างข้อมูลทางคลินิกมหาศาล ทั้งผลการทดลอง หลักฐานจากโลกจริง และข้อมูลความปลอดภัย ซึ่งต้องส่งถึงผู้รับหลายกลุ่มพร้อมกัน ได้แก่ แพทย์เฉพาะทาง แพทย์ชุมชน ผู้ประสานงานวิทยาศาสตร์การแพทย์ ผู้จ่ายเงิน ผู้ดูแล และผู้ป่วย

ผู้รับแต่ละกลุ่มต้องการกรอบ ภาษา และระดับความลึกทางเทคนิคต่างกัน แต่ตลอดหลายทศวรรษ ผู้เชี่ยวชาญการสื่อสารวิทยาศาสตร์ในหน่วยงานด้านการแพทย์ที่เชื่อมช่องว่างนี้กลับใช้เวลาทำงานส่วนใหญ่อย่างน่าประหลาด ไม่ใช่กับการคิด แต่กับการจัดรูปแบบใหม่

พวกเขาย้ายเนื้อหาสไลด์จากแม่แบบการประชุมหนึ่งไปอีกแม่แบบ สร้างชุดสไลด์ใหม่สำหรับผู้รับต่างกลุ่ม และทำด้วยมือภายใต้เส้นตายข้ามคืนที่คับขันบ่อยครั้ง “เราจัดทำชิ้นงานทั้งหมดให้ลูกค้า แต่บ่อยครั้งก็ใช้เวลามากในการรวบรวมงานนำเสนอแล้วถ่ายโอนจากแม่แบบหนึ่งสู่อีกแม่แบบ” Francine Carrick นักวิทยาศาสตร์ระดับปริญญาเอกที่ทำงานด้านการสื่อสารทางการแพทย์มา 22 ปีกล่าว

“เราใฝ่ฝันถึงโซลูชันที่จะถ่ายทอดวิทยาศาสตร์นั้นให้เรา” เธอเสริม

เมื่อไม่นานมานี้ Carrick เข้าร่วมแพลตฟอร์มนำเสนอ AI Prezent ในตำแหน่งประธาน Prezent Vivo ซึ่งผสาน AI ที่สร้างเฉพาะทางกับผู้เชี่ยวชาญโดเมน เพื่อขับเคลื่อนระบบนิเวศการสื่อสารชีววิทยาศาสตร์ ทั้งบริษัทชีวเภสัชภัณฑ์และพันธมิตรเอเจนซี

ปัญหาที่เธออธิบายไม่ใช่เรื่องเฉพาะกลุ่ม แต่เกิดตรงจุดตัดของแรงกดดันสองด้านที่มีหลักฐานชัด ด้านหนึ่ง ผู้เชี่ยวชาญสุขภาพเกือบ 8 ใน 10 คน ได้รับข้อมูลจากบริษัทเภสัชกรรมมากกว่าก่อน COVID-19 และ 77% บอกว่าปริมาณการสื่อสารดิจิทัลมากเกินไปแล้ว

อีกด้านหนึ่ง บริษัทเภสัชกรรมประสบปัญหาในการส่งเนื้อหาเฉพาะบุคคลที่เกี่ยวข้องตามความต้องการของบุคลากรสุขภาพ ส่วนหนึ่งเพราะระบบเดิมไม่ยืดหยุ่นพอรองรับการปรับเฉพาะบุคคลขั้นสูงในวงกว้าง ท่อส่งเนื้อหาจึงล้นทั้งสองด้าน ผลิตมากเกินไปแต่เข้าถึงผู้รับอย่างมีประสิทธิผลน้อยเกินไป

ปัญหาเนื้อหาแบบโมดูล

ทางออกที่อุตสาหกรรมเสนอมานานคือ “เนื้อหาแบบโมดูล” แนวคิดแบ่งข้อมูลวิทยาศาสตร์เป็นส่วนที่นำกลับมาใช้และประกอบต่างรูปแบบสำหรับผู้รับแต่ละกลุ่มได้

ในทางทฤษฎีแนวคิดนี้สง่างาม แต่ในทางปฏิบัติ โมเดลภาษาขนาดใหญ่กำลังถูกใช้เพื่อเตรียมต้นฉบับ ย่อชุดข้อมูลหลักฐานโลกจริงเป็นบทสรุป และพัฒนาโมดูลการศึกษาสำหรับบุคลากรสุขภาพ เครื่องมือเหล่านี้เพิ่งพ้นสถานะการพิสูจน์แนวคิดเมื่อไม่นาน

Carrick อธิบายความท้าทายอย่างตรงไปตรงมาว่า “วิธีที่เรานำเสนอต่อแพทย์วิชาการ เทียบกับแพทย์ชุมชน ผู้ดูแล หรือผู้ป่วยนั้นแตกต่างกันมาก ๆ”

“ในรูปแบบเดิม การนำข้อมูลมาปรับเฉพาะนั้นใช้แรงงานมากและใช้เวลา” กล่าวอีกอย่าง คอขวดไม่ใช่ความเชี่ยวชาญของนักสื่อสาร แต่คือปริมาณงาน เพราะข้อมูลใหม่มาถึงเร็วกว่าที่ทีมจะบรรจุใหม่ด้วยมือได้

หลังการทดลอง AI อย่างแพร่หลายในปี 2024 บริษัทถูกกดดันให้แสดงผลตอบแทนจริงจากการลงทุน จึงเร่งนำโซลูชัน AI แนวดิ่งที่สร้างเฉพาะเวิร์กโฟลว์มาใช้

นี่คือข้อโต้แย้งที่ Prezent เสนอผ่านเอเจนต์ Astrid AI ว่าระบบที่สร้างเฉพาะชีววิทยาศาสตร์และฝึกด้วยข้อกำหนดการปฏิบัติตาม กฎระเบียบ และศัพท์วิทยาศาสตร์ของชีวเภสัชภัณฑ์ จะทำได้ดีกว่าเครื่องมือทั่วไปที่นำมาดัดแปลง

คำถามเรื่องความเฉพาะทาง

คำถามว่าบริบทชีววิทยาศาสตร์ต้องใช้ AI ที่สร้างเฉพาะจริงหรือเป็นเพียงกรอบการตลาดในตลาดแข่งขันสูงนั้นสมเหตุสมผล

อย่างไรก็ตาม สิ่งที่ชัดคือ FDA ติดตามอย่างใกล้ชิด หลังเผยแพร่แนวทางปี 2025 ว่าด้วย AI เพื่อสนับสนุนการตัดสินใจด้านกฎระเบียบสำหรับยาและผลิตภัณฑ์ชีวภาพ หน่วยงานได้รับคำขอที่มีองค์ประกอบ AI มากกว่า 500 รายการ การตรวจสอบระดับนี้เป็นเหตุผลจริงในการใช้เครื่องมือ AI ที่มีการปฏิบัติตามในตัว เพราะความผิดพลาดในสภาพแวดล้อมกำกับดูแลต่างเชิงคุณภาพจากความผิดพลาดในสไลด์การตลาด

ตลาด AI สุขภาพในวงกว้างสะท้อนความเชื่อมั่นที่เพิ่มขึ้น โดยตลาดโลกคาดว่าจะเติบโตจาก 26.6 พันล้านดอลลาร์ในปี 2024 เป็น 187.7 พันล้านดอลลาร์ในปี 2030 และอุตสาหกรรมสุขภาพกำลังติดตั้ง AI เร็วกว่าภาคเศรษฐกิจโดยรวมมากกว่าสองเท่า

ภายในตลาดนั้น บริษัทเภสัชกรรมและเทคโนโลยีชีวภาพยังเน้น R&D มากที่สุด โดย 54% ให้ความสำคัญกับนวัตกรรมและการพัฒนายา แม้งานเชิงพาณิชย์รวมถึงการสื่อสารกำลังขึ้นสู่วาระมากขึ้น

คำถามเรื่องความเชี่ยวชาญของมนุษย์

การมาถึงของ AI ในบริการวิชาชีพมักสร้างคำถามเดิมว่าเกิดอะไรขึ้นกับคนที่ทำงานนี้อยู่ ในการสื่อสารทางการแพทย์ซึ่งต้องมีความคล่องวิทยาศาสตร์จริง คำตอบมีความละเอียดอ่อนกว่าภาพการแทนที่

Carrick มองว่าข้อจำกัดของความเชี่ยวชาญมนุษย์ไม่ใช่ความรู้ แต่คือแบนด์วิดท์ “มันทำให้ความเชี่ยวชาญของมนุษย์ทำงานได้และเร็วขึ้นหลายระดับ” เธอกล่าว “มันทำให้ความเชี่ยวชาญ ข้อมูลเชิงลึก และความรู้ของมนุษย์ถูกแบ่งปันกับผู้รับมากขึ้นได้ทันท่วงทีขึ้น”

มุมมองนี้สอดคล้องกับภาพผลกระทบของ AI ต่องานความรู้ที่มีทักษะซึ่งซับซ้อนขึ้น ผลสำรวจแพทย์ชี้ถึงความยืดหยุ่นแทนการแทนที่ หลายคนเชื่อว่า AI จะเปลี่ยนงานแต่ไม่กำจัดบทบาทของตน

อุปมากับการสื่อสารทางการแพทย์ไม่สมบูรณ์ แต่โครงสร้างคล้ายกัน สิ่งที่ AI ทำได้ในปัจจุบันคือเร่งงานประจำ สิ่งที่ทำไม่ได้คือแทนวิจารณญาณวิทยาศาสตร์ สัญชาตญาณต่อผู้รับ และการคิดเชิงกลยุทธ์ที่นิยามงานมูลค่าสูง

งานวิจัย EPG Health พบว่าผู้ตอบแบบสอบถามจากอุตสาหกรรมเภสัชกรรมเกือบ 60% ระบุว่าข้อมูลเชิงลึกของบุคลากรสุขภาพเป็นลำดับแรกของการมีส่วนร่วมเชิงกลยุทธ์ และผู้ประสานงานวิทยาศาสตร์การแพทย์แซง Salesforce เป็นช่องทางสำคัญที่สุดในการส่งข้อมูลถึงบุคลากรสุขภาพ

นี่เป็นสัญญาณว่าอุตสาหกรรมกำลังมุ่งสู่การสื่อสารที่เน้นความสัมพันธ์มากขึ้นและออกอากาศกว้างน้อยลง ซึ่งต้องใช้วิจารณญาณมนุษย์มากขึ้น ไม่ใช่น้อยลง แม้ AI จะรับชั้นการผลิต

สิ่งที่การเปลี่ยนแปลงต้องการจริง

คำถามที่ยากกว่าไม่ใช่ว่า AI จะมีบทบาทหรือไม่ เพราะตัดสินไปแล้ว แต่คือเครื่องมือที่สร้างขึ้นเหมาะกับความซับซ้อนของโดเมนจริงหรือไม่

Carrick กล่าวถึงสิ่งที่ Prezent เรียกว่า “ลายนิ้วมือ” คือความชอบการสื่อสารเฉพาะกลุ่มผู้รับที่เข้ารหัสและนำไปใช้เมื่อปรับเนื้อหา แนวคิดนี้สะท้อนความท้าทายพื้นฐานกว่า นั่นคือเป้าหมาย “เนื้อหาที่ถูกต้อง ในเวลาที่ถูกต้อง ผ่านช่องทางที่ถูกต้อง ถึงผู้รับที่ถูกต้อง” ซึ่งเป็นคำขวัญมานาน ยังเป็นความใฝ่ฝันมากกว่าการปฏิบัติจริง

การทำให้สำเร็จต้องใช้ไม่เพียงงานเขียนวิทยาศาสตร์ที่ดี แต่ต้องมีความรู้อย่างเป็นระบบว่าผู้รับต่างกลุ่มประมวลผลข้อมูลต่างชนิดอย่างไร

คำถามที่ยังเปิดอยู่คือ AI จะเข้ารหัสความรู้นั้นได้อย่างน่าเชื่อถือหรือไม่ และทำได้โดยรักษาความถูกต้องวิทยาศาสตร์กับการปฏิบัติตามกฎระเบียบซึ่งแยกการสื่อสารทางการแพทย์จากอุตสาหกรรมเนื้อหาอื่นหรือไม่

ไม่ว่าอย่างไร สิ่งที่ไม่เป็นคำถามอีกคือรูปแบบเก่าซึ่งเต็มไปด้วยการจัดรูปแบบข้ามคืนและย้ายแม่แบบด้วยมือ ไม่เคยยั่งยืนสำหรับความเร็วที่ชีวเภสัชภัณฑ์ยุคใหม่ต้องการ

ผู้ปฏิบัติงานเห็นปัญหานี้มาหลายปี แต่เครื่องมือแก้ไขเพิ่งเริ่มใช้งานได้จริงในตอนนี้ ด้วย AI