Information Literacy & AI in Medicine: รู้เท่าทัน กรองได้ ใช้เป็น
วิชา FMMD 1105 · Week 2 | ปี 1 เทอม 1 · Princess Srisavangavadhana Faculty of Medicine
Part 1 — The Augmented Physician: ภาวะข้อมูลล้นเกิน (Information Overload)
ในฐานะนักศึกษาแพทย์ คุณกำลังก้าวเข้าสู่วิชาชีพที่ "ความถูกต้องของข้อมูล" คือความเป็นความตาย ปัญหาไม่ใช่การขาดข้อมูล — ตรงกันข้าม เราจมอยู่กับ Information Overload ที่ประกอบด้วย Fake News, Clickbait, Misinformation และ Data Dump รายวัน
อาการของโรค Information Overload มี 3 ประการ:
- Misinformation — รับข้อมูลที่บิดเบือนโดยไม่รู้ตัว
- Unintentional Plagiarism — คัดลอกผลงานผู้อื่นโดยไม่ตั้งใจ เพราะประมวลข้อมูลเร็วเกินจนลืมใส่ reference
- Cognitive Erosion — การพึ่งพาเทคโนโลยีจนสูญเสียทักษะการคิด
The Diagnostic Funnel: กรองข้อมูลให้เป็น "Clinically Safe Data"
เปรียบ Information Literacy เหมือน Diagnostic Funnel — Raw Data ที่เข้ามามากมาย ต้องผ่าน filter 5 ชั้นก่อนจะกลายเป็นข้อมูลที่ปลอดภัยพอสำหรับการตัดสินใจทางคลินิก:
| ชั้น | มิติ | คำถามที่ต้องถาม |
|---|---|---|
| 1 | Authority (ความน่าเชื่อถือ) | ใครเขียน? มีชื่อเสียงและได้รับการยอมรับหรือไม่? |
| 2 | Objectivity (ความเป็นกลาง) | ข้อมูลมีอคติหรือไม่? เป็นความจริงหรือแค่ความเห็น? |
| 3 | Accuracy (ความถูกต้อง) | ตรวจสอบเทียบเคียงได้หรือไม่? มีการอ้างอิงที่ถูกต้องหรือไม่? |
| 4 | Currency (ความเป็นปัจจุบัน) | ข้อมูลอัปเดตล่าสุดเมื่อใด? ล้าสมัยไปแล้วหรือเปล่า? |
| 5 | Relevance (ความสอดคล้อง) | ข้อมูลนี้ตอบโจทย์สิ่งที่เรากำลังค้นหาหรือไม่? |
กรณีศึกษา — The Lancet Retraction: บริษัท Surgisphere อ้างว่ามีฐานข้อมูลผู้ป่วย COVID-19 ขนาดใหญ่จากทั่วโลก → งานวิจัยพิมพ์ใน The Lancet (ระดับโลก) โดยขาดการตรวจสอบ Accuracy และ Authority → WHO และนานาชาติปรับเปลี่ยนนโยบายการรักษาทันที → ผู้เชี่ยวชาญตรวจสอบพบความผิดปกติ → Retraction เกิดขึ้น
Key Takeaway: ข้อมูลที่ผิดพลาดเพียงจุดเดียว สามารถสร้างผลกระทบระดับนโยบายสาธารณสุขระดับโลกได้