PREVIA ของ NYU Langone ชี้ความเสี่ยง PTSD จากเรื่องเล่าเหตุฉุกเฉิน

NYU Langone Health ประกาศเมื่อวันที่ 9 พฤศจิกายน 2026 ว่าระบบ AI แบบผสานหลายโมเดล PREVIA ได้วิเคราะห์เรื่องเล่าเกี่ยวกับเหตุบาดเจ็บจากแผนกฉุกเฉิน เพื่อประเมินความเสี่ยงของโรคเครียดหลังเหตุการณ์สะเทือนขวัญ (PTSD) ในช่วงหนึ่งเดือน โดยรายงานความไว 95.4% สำหรับการตั้งค่าที่ให้ผลดีที่สุดในการศึกษาผู้ป่วย 145 คน เครื่องมือคัดกรองที่ยังอยู่ในขั้นทดลองนี้ออกแบบมาเพื่อระบุผู้ป่วยที่มีความเสี่ยง โดยไม่เพิ่มแบบสอบถามสุขภาพจิตที่ใช้เวลานานในขั้นตอนรับผู้ป่วยฉุกเฉิน

บทความใน วารสาร Nature Communications ซึ่งตีพิมพ์เมื่อวันที่ 9 พฤศจิกายนเช่นกัน รายงานค่า AUROC 78.5% และค่าความแม่นยำ 46.8% จากการตรวจสอบความถูกต้องแบบไขว้ 3 รอบ และระบุว่าจำเป็นต้องตรวจสอบผลในกลุ่มตัวอย่างขนาดใหญ่ขึ้นที่เป็นอิสระต่อกัน ความไววัดสัดส่วนของผู้ที่ได้รับการวินิจฉัย PTSD ในภายหลังและระบบตรวจพบ ส่วนค่าความแม่นยำวัดสัดส่วนของผู้ป่วยที่ถูกระบุว่ามีความเสี่ยงและพัฒนาเป็น PTSD จริง ขณะที่ AUROC สรุปความสามารถของคะแนนในการแยกผลลัพธ์ทั้งสองกลุ่ม ค่าความแม่นยำดังกล่าวหมายความว่าผลคัดกรองเชิงบวกจำนวนมากอาจเป็นผลบวกลวง ซึ่งอาจเพิ่มภาระเวลาติดตามผลของเจ้าหน้าที่ ภาระให้แก่ผู้ป่วย และต้นทุนในการจัดสรรทรัพยากร แม้ว่าขั้นตอนถัดไปโดยทั่วไปจะเป็นการประเมินสั้น ๆ มากกว่าการแทรกแซงที่รุกล้ำ

PREVIA ออกแบบมาเพื่ออุดช่องว่างในการทำงานจริง โดยจากข้อมูลในการศึกษา แผนกฉุกเฉินในสหรัฐฯ มีเพียงประมาณ 28% ที่คัดกรอง PTSD เป็นประจำ และในกลุ่มนี้มีเพียงสองในสามที่ใช้แบบสอบถามซึ่งผ่านการตรวจสอบความถูกต้องแล้ว การประเมินมาตรฐานต้องแข่งขันกับความต้องการทางการแพทย์เร่งด่วน ขณะที่แพทย์มักมีเวลาดูแลผู้ป่วยแต่ละคนประมาณ 15–20 นาที เดือนแรกหลังเกิดเหตุสะเทือนขวัญเป็นช่วงเวลาสำคัญในการระบุตัวผู้มีความเสี่ยง เพราะเมื่อถึงเวลานั้น ผู้ป่วยจำนวนมากไม่ได้ติดต่อกับโรงพยาบาลอีกต่อไปแล้ว

Katharina Schultebraucks ผู้เขียนอาวุโสและผู้ร่วมอำนวยการด้านจิตเวชศาสตร์เชิงคำนวณที่ NYU Grossman School of Medicine กล่าวว่า “PREVIA สามารถทำหน้าที่เป็นเครื่องมือคัดกรองด้วย AI ที่ระบุผู้ป่วยซึ่งมีความเสี่ยงพร้อมอธิบายเหตุผลได้ โดยไม่เพิ่มเวลาในขั้นตอนรับผู้ป่วยของห้องฉุกเฉินที่มีงานหนาแน่น”

จากเรื่องเล่าข้างเตียงสู่คะแนนความเสี่ยง

ผู้ประสานงานการวิจัยขอให้ผู้ป่วยที่ศูนย์รักษาผู้บาดเจ็บระดับ 1 สองแห่งในนครนิวยอร์กบรรยายเหตุการณ์ที่ทำให้ต้องมารับการรักษาที่แผนกฉุกเฉิน ผู้เข้าร่วมได้รับการลงทะเบียนภายใน 24 ชั่วโมงหลังเกิดเหตุสะเทือนขวัญ และได้รับเวลาไม่เกิน 3 นาทีในการตอบคำถาม โดยมี iPad บันทึกวิดีโอ เรื่องเล่ามีความยาวเฉลี่ยประมาณ 374 คำ Whisper ถอดเสียงคำพูดของผู้ป่วย และเจ้าหน้าที่วิจัยที่ใช้ภาษาอังกฤษเป็นภาษาแม่ตรวจทานบทถอดเสียง ผลลัพธ์ด้าน PTSD เมื่อครบหนึ่งเดือนประเมินด้วย Clinician-Administered PTSD Scale for DSM-5 ซึ่งเป็นการสัมภาษณ์เพื่อวินิจฉัยทางคลินิก

PREVIA แบ่งการประมวลผลบทถอดเสียงออกเป็น 3 ชั้น ในชั้นแรก Llama และ Mistral ประเมินอาการเครียดหลังเหตุการณ์สะเทือนขวัญในระยะเริ่มต้น ปฏิกิริยาระหว่างเหตุการณ์สะเทือนขวัญ ปัจจัยเสี่ยง และปัจจัยคุ้มครองโดยแยกกันทำงาน DeepSeek ประมวลผลการประเมินทั้ง 8 รายการของโมเดลทั้งสองให้เป็นบทสรุปที่มีโครงสร้าง ขณะที่นำคะแนนตัวเลขจากโมเดลทั้งสองมาเฉลี่ยโดยให้น้ำหนักเท่ากัน ผู้ประเมินขั้นสุดท้ายจะนำบทสรุปมารวมกับข้อมูลอายุ เพศ ประเภทของเหตุสะเทือนขวัญ และความชุกของ PTSD เพื่อสร้างคะแนนความเสี่ยงตั้งแต่ 0 ถึง 100 พร้อมคำอธิบายสั้น ๆ

กระบวนการนี้ใช้พรอมป์ต์แบบ zero-shot โดยไม่มีการฝึกพารามิเตอร์หรือ ปรับแต่งโมเดลด้วยข้อมูลตัวอย่างในการศึกษา ใช้การตรวจสอบความถูกต้องแบบไขว้เพื่อปรับและประเมินเกณฑ์การจำแนกประเภท

ประสิทธิภาพเมื่อเทียบกับโมเดลที่เรียบง่ายกว่าและผู้เชี่ยวชาญหนึ่งคน

บทความรายงานว่า โดยรวมแล้ว PREVIA ให้ประสิทธิภาพใกล้เคียงกับการตั้งค่า zero-shot แบบโมเดลเดี่ยวของ O3, Llama และ Mistral ในตัวชี้วัดหลายรายการ โดยข้อได้เปรียบที่ชัดเจนที่สุดของ PREVIA อยู่ที่ความไว สำหรับ PTSD ระดับต่ำกว่าเกณฑ์วินิจฉัย ซึ่งหมายถึงมีอาการที่มีนัยสำคัญทางคลินิกแต่ยังไม่ถึงเกณฑ์วินิจฉัยครบถ้วน PREVIA มีความไว 89.7% และคะแนน F1 69.4% ซึ่งเป็นตัวชี้วัดที่รวมค่าความแม่นยำกับความไวเข้าด้วยกัน

การศึกษารายงานผลเปรียบเทียบแยกต่างหากจากเรื่องเล่าที่สุ่มเลือก 30 เรื่อง โดยแบ่งชั้นตัวอย่างให้มีผู้ป่วย PTSD 9 ราย ซึ่ง PREVIA มีความไว 100% และค่า AUROC 84.4% แพทย์เวชศาสตร์ฉุกเฉินหนึ่งคนมีความไว 88.9% และค่า AUROC 83.9% โดยทั้งสองฝ่ายมีค่าความแม่นยำ 50% แพทย์ผู้นี้มีประสบการณ์ด้านเวชศาสตร์ฉุกเฉินมากกว่า 24 ปี และมีประสบการณ์เฉพาะทางด้านการวิจัย PTSD การออกแบบที่ใช้ผู้ประเมินเพียงคนเดียวทำให้ยังไม่อาจสรุปได้ว่าผลเปรียบเทียบนี้ใช้ได้กับผู้มีประสบการณ์ระดับต่าง ๆ และบริบททางคลินิกที่หลากหลายหรือไม่

ข้อกำหนดด้านการตรวจสอบความถูกต้องและการนำไปใช้งาน

ผู้เข้าร่วมเป็นผู้ใหญ่ที่พูดภาษาอังกฤษ มีอาการทางการแพทย์คงที่ และมีอายุ 18–80 ปี โดยผู้หญิงคิดเป็น 31% ของกลุ่มตัวอย่าง การศึกษาไม่รวมผู้ป่วยที่มีอาการทางการแพทย์ไม่คงที่ ซึ่งอาจทำให้ผู้ป่วยบางส่วนที่มีความเสี่ยงสูงที่สุดต่อ PTSD เรื้อรังไม่ได้รับการพิจารณา ผู้วิจัยระบุว่า งานในอนาคตควรทดสอบระบบในภาษาอื่น ศึกษาแนวโน้มของ PTSD ในระยะยาว ภาวะร่วม เช่น ภาวะซึมเศร้า และการผสานระบบเข้ากับดุลยพินิจของแพทย์และขั้นตอนการทำงานในแผนกฉุกเฉิน

ผู้วิจัยเสนอขั้นตอนการทำงานทางคลินิกที่จับคู่การบันทึกเสียงสั้น ๆ เข้ากับข้อมูลประชากรและข้อมูลเหตุสะเทือนขวัญจากเวชระเบียนอิเล็กทรอนิกส์ จากนั้นจึงส่งคืนคะแนนความเสี่ยงและคำอธิบาย โดยไม่ต้องให้แพทย์ป้อนข้อมูลเพิ่มเติม การศึกษานี้ไม่ได้พิสูจน์ว่าการคัดกรองดังกล่าวช่วยให้ผลลัพธ์ด้านสุขภาพของผู้ป่วยดีขึ้น PREVIA ทำงานในสภาพแวดล้อมการประมวลผลสมรรถนะสูงที่เป็นไปตามข้อกำหนด HIPAA โดยใช้ GPU NVIDIA A100 การติดตั้งและโฮสต์ระบบเองช่วยให้ควบคุม ข้อมูลผู้ป่วยได้ แต่การนำไปใช้ขึ้นอยู่กับว่าโรงพยาบาลมีโครงสร้างพื้นฐานด้านการประมวลผลและการกำกับดูแลที่เหมาะสมหรือไม่

คลังเก็บ PREVIA สาธารณะมีขั้นตอนการทำงานและพรอมป์ต์สำหรับโมเดลแบบเปิดเผยน้ำหนักที่ทำงานในเครื่องอย่างครบถ้วน รวมถึงเรื่องเล่าจำลอง 5 เรื่องสำหรับการสาธิตตั้งแต่ต้นจนจบ เรื่องเล่าทางคลินิกและการประเมินทางจิตเวชที่ระบุตัวบุคคลได้ยังคงถูกจำกัดการเข้าถึงด้วยเหตุผลด้านความเป็นส่วนตัวและความยินยอม ดังนั้น การสาธิตจึงทดสอบการทำงานได้ แต่ไม่สามารถทำซ้ำผลเชิงปริมาณของบทความวิจัยได้

คุณูปการโดยตรงของ PREVIA คือแนวทางคัดกรองที่ตรวจสอบได้อย่างเป็นอิสระ ซึ่งพัฒนาจากการพบแพทย์ฉุกเฉินตามปกติและผลลัพธ์ที่แพทย์ประเมิน คุณค่าทางคลินิกของแนวทางนี้ในขั้นต่อไปขึ้นอยู่กับการตรวจสอบความถูกต้องโดยอิสระ กล่าวคือ กลุ่มตัวอย่างขนาดใหญ่ขึ้นจะยังคงรักษาความไวในการตรวจพบได้หรือไม่ หน่วยบริการจะจัดการผลบวกลวงได้หรือไม่ และโรงพยาบาลจะนำการบันทึกเสียง การติดตามผล และการประมวลผลที่ปลอดภัยมาใช้ได้หรือไม่ โดยไม่รบกวนการดูแลฉุกเฉิน