“การคาดการณ์ผลกระทบต่อสุขภาพจากการเปลี่ยนแปลงสภาพภูมิอากาศด้วย Machine Learning”
บทสัมภาษณ์ : รองศาสตราจารย์ ดร.อาทิตย์ โพธิ์ศรี
อาจารย์ประจำภาควิชาวิทยาศาสตร์อนามัยสิ่งแวดล้อม คณะสาธารณสุขศาสตร์ มหาวิทยาลัยมหิดล
ในยุคที่ “การเปลี่ยนแปลงสภาพภูมิอากาศ” กลายเป็นความท้าทายระดับโลก ผลกระทบที่เกิดขึ้นไม่ได้จำกัดอยู่เพียงสิ่งแวดล้อมอีกต่อไป แต่กำลังส่งผลโดยตรงต่อ “สุขภาพของมนุษย์” อย่างชัดเจน ไม่ว่าจะเป็นอุณหภูมิที่สูงขึ้น คลื่นความร้อนที่รุนแรงและเกิดถี่ขึ้น รวมถึงความแปรปรวนของปริมาณน้ำฝนที่นำไปสู่ทั้งภัยแล้งและน้ำท่วม ปรากฏการณ์เหล่านี้ไม่เพียงสร้างความเสียหายต่อระบบนิเวศ แต่ยังเพิ่มความเสี่ยงต่อการเจ็บป่วย การเข้ารับการรักษาในโรงพยาบาล และการเสียชีวิตของประชาชน โดยเฉพาะในกลุ่มเปราะบาง เช่น ผู้สูงอายุ เด็ก และผู้มีโรคประจำตัว
ด้วยช่องว่างขององค์ความรู้และความสำคัญของการคาดการณ์ คือแม้ว่างานวิจัยในปัจจุบันจะสามารถอธิบาย “ความสัมพันธ์” ระหว่างปัจจัยด้านภูมิอากาศ กับ ผลกระทบด้านสุขภาพ ได้ในระดับหนึ่ง แต่ยังขาดความสามารถในการ “คาดการณ์ล่วงหน้า” (forecast) ว่าในอนาคตจะเกิดผลกระทบมากน้อยเพียงใด การคาดการณ์ดังกล่าวมีความสำคัญอย่างยิ่ง เพราะจะสามารถนำไปใช้ในการวางแผนเชิงนโยบาย และ มาตรการด้านสาธารณสุข เพื่อป้องกันและลดความสูญเสียที่จะเกิดขึ้นได้
จึงเป็นจุดเริ่มต้นของการนำ “Machine Learning” หรือ “การเรียนรู้ของเครื่อง” เข้ามาเป็นเครื่องมือสำคัญในการวิเคราะห์และพยากรณ์ผลกระทบด้านสุขภาพ
แนวคิดหลักของงานวิจัย คือ การนำข้อมูลหลากหลายมาผสมผสานกัน ไม่ว่าจะเป็นข้อมูลด้านอุตุนิยมวิทยา เช่น อุณหภูมิ ปริมาณน้ำฝน ความชื้น และความกดอากาศ รวมถึงข้อมูลด้านเศรษฐกิจและสังคม และโครงสร้างประชากร เช่น อายุ เพศ และกลุ่มเสี่ยง จากนั้นนำข้อมูลทั้งหมดเข้าสู่ระบบ Machine Learning เพื่อให้โมเดล “เรียนรู้” ความสัมพันธ์ และสามารถคาดการณ์ผลกระทบด้านสุขภาพในอนาคตได้ โดยเป้าหมายคือให้สามารถคาดการณ์ได้อย่างแม่นยำในช่วงเวลา เช่น 1 สัปดาห์ 1 เดือน หรือ 1 ปีข้างหน้า
กระบวนการวิจัย ออกแบบเป็น 2 ขั้นตอนสำคัญ โดยเริ่มจากการใช้แบบจำลองทางสถิติและระบาดวิทยา (Statistical & Epidemiological Models) เพื่อคัดเลือกตัวแปรที่มีความสัมพันธ์กับสุขภาพอย่างมีนัยสำคัญ ก่อนจะนำตัวแปรเหล่านั้นเข้าสู่ระบบ Machine Learning เพื่อพัฒนาเป็นโมเดลสำหรับการคาดการณ์
ขณะนี้โมเดลดังกล่าวอยู่ในขั้นตอนการพัฒนาและทดสอบความแม่นยำ โดยใช้ตัวชี้วัดทางสถิติ เช่น ค่า R² เพื่อประเมินประสิทธิภาพของการคาดการณ์ เป้าหมายคือการสร้างโมเดลที่มีความแม่นยำเพียงพอสำหรับการนำไปใช้งานจริง (การประเมินความแม่นยำของโมเดล คือใช้ตัวชี้วัดทางสถิติ ค่า R² (R-squared) โดยค่า R² ที่ใกล้ 1 แสดงว่าโมเดลมีความแม่นยำสูง สามารถสะท้อนข้อมูลจริงได้ดี หากโมเดลยังมีความแม่นยำต่ำ จะต้องมีการปรับปรุงและพัฒนาเพิ่มเติมก่อน)
ในอนาคต หากโมเดลนี้พัฒนาได้สำเร็จ
จะสามารถนำไปใช้เป็นเครื่องมือสำคัญในการวางแผนด้านสาธารณสุข ไม่ว่าจะเป็นการเตรียมความพร้อมของระบบบริการสุขภาพ การแจ้งเตือนล่วงหน้า หรือการกำหนดมาตรการลดความเสี่ยงในพื้นที่ที่มีความเปราะบาง
โครงการวิจัยนี้เป็นความร่วมมือ ระหว่าง กรมอนามัย กระทรวงสาธารณสุข และสถาบันการศึกษา รวมถึงมีแผนขยายความร่วมมือในระดับนานาชาติ โดยจะเริ่มที่ประเทศในภูมิภาคเอเชีย ซึ่งแต่ละประเทศเผชิญผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศแตกต่างกัน เช่น พายุในฟิลิปปินส์ หรือคลื่นความร้อนและน้ำท่วมในประเทศไทย เพื่อพัฒนาโมเดลที่เหมาะสมกับบริบทของแต่ละพื้นที่
ท้ายที่สุด การนำเทคโนโลยีอย่าง Machine Learning มาใช้จะไม่เป็นเพียงนวัตกรรมทางวิชาการ แต่เป็นก้าวสำคัญในการเปลี่ยน “ข้อมูล” ให้กลายเป็น “เครื่องมือปกป้องชีวิต” ในโลกที่กำลังเปลี่ยนแปลงอย่างรวดเร็ว เพราะการรู้ล่วงหน้า อาจหมายถึงการช่วยชีวิตคนหมู่มากและเพิ่มโอกาสในการอยู่รอดได้มากกว่าที่เคย
Update : 4 มิถุนายน 2569