จุดเริ่มต้นของ Health Dashboard รอบนี้ไม่ได้มาจากความอยากทำเว็บ หรืออยากมีกราฟสุขภาพสวย ๆ เพิ่มอีกชุด แต่มาจากความรู้สึกง่าย ๆ ว่า ข้อมูลสุขภาพของตัวเองกระจายอยู่หลายที่เกินไปแล้ว แค่จะดูว่าร่างกายวันนี้เป็นยังไง ผมต้องเปิดหลายแอปพร้อมกัน

  • Whoop: recovery, HRV, sleep, strain
  • Apple Fitness: movement, workout, steps, energy
  • Fitdays: weight, body fat, muscle mass, body water, visceral fat, BMR และค่า BIA อื่น ๆ

พอข้อมูลอยู่คนละแอป สิ่งที่เห็นจึงเป็นแค่ชิ้นส่วน ไม่ใช่ภาพรวมของร่างกายในวันเดียวกัน ผมเลยเริ่มคิดว่า ถ้าเรื่องงานเรายังมี dashboard ไว้ดู operation, incident, workload, cost, backlog และ trend ได้ แล้วทำไมร่างกาย ซึ่งเป็นระบบที่เราต้องใช้งานทุกวัน กลับไม่มี dashboard ที่ช่วยให้เราตัดสินใจได้ดีขึ้นบ้าง

สิ่งที่ผมอยากได้ไม่ใช่ dashboard ที่โชว์ตัวเลขเยอะ ๆ แต่เป็น dashboard ที่ช่วยตอบคำถามง่าย ๆ เช่น วันนี้ควรซ้อมหนัก หรือควรพัก, recovery ที่ตกเกิดจากนอนน้อย ซ้อมหนัก หรือสะสมความล้ามาหลายวัน, น้ำหนักที่ขึ้นมาจากไขมัน น้ำ หรือกล้ามเนื้อ, ช่วงนี้กินพอไหม โปรตีนพอไหม พลังงานเกินหรือขาด และร่างกายกำลังดีขึ้นจริง หรือแค่เรารู้สึกไปเอง

flow การสร้าง health data pipeline จาก Whoop Apple Fitness Fitdays และรูปอาหารผ่าน Line เข้าสู่ AI engine daily health log และ health dashboard
Journey ของระบบนี้ไม่ใช่แค่เอาข้อมูลมาแปะรวมกัน แต่คือการสร้าง pipeline จากชีวิตจริง ไปสู่ข้อมูลที่อ่านได้ แล้วค่อยแปลงเป็น signal สำหรับตัดสินใจรายวัน

Journey ที่ผมวางไว้จึงเริ่มจากการรวมข้อมูลหลายแหล่งเข้ามาอยู่ในระบบเดียวก่อน ฝั่ง Whoop จะต่อผ่าน API เพื่อดึงข้อมูล recovery, HRV, resting heart rate, sleep, respiratory rate, SpO2 และ strain เข้ามาเป็น daily signal ส่วน Apple Fitness ใช้เป็นฝั่ง activity และ movement เช่น steps, workout, energy burn และ VO2 max

ส่วน Fitdays ยังไม่มี API ที่เหมาะกับ workflow ผม เลยใช้วิธีที่ practical กว่า คือส่งรูป report เข้า Line แล้วให้ engine ช่วยแกะค่าต่าง ๆ ออกมา เช่น

  • weight
  • BMI
  • body fat
  • muscle mass
  • body water
  • visceral fat
  • BMR
  • WHR
  • segmental data
ตัวอย่าง Fitdays body composition analysis report ที่ใช้เป็น input ให้ AI engine ช่วยอ่านค่า BIA รายวัน
Fitdays report มีข้อมูลเยอะมาก แต่ถ้าอยู่แค่ในรูปหรือแอปเดียว มันยังเอาไปเทียบกับ sleep, recovery, food และ activity ได้ยาก

อีกส่วนหนึ่งคือ food intake ผมอยากให้มันเข้ากับชีวิตจริง ไม่ใช่ต้องมานั่งกรอกละเอียดทุกมื้อ เลยวางแนวคิดว่า ถ่ายรูปอาหารแล้วส่งเข้า Line จากนั้นให้ AI nutrition engine ช่วยอ่านภาพ แยกรายการอาหาร ประเมินพลังงาน โปรตีน คาร์บ ไขมัน ไฟเบอร์ และบันทึกเป็น daily food log แบบมี confidence level

ข้อมูลพวกนี้ไม่จำเป็นต้องแม่นระดับ lab แต่ต้องดีพอให้เห็น direction เช่น วันนี้โปรตีนขาดไหม พลังงานเกินไหม กินเค็มหรือของทอดเยอะไหม และควรปรับมื้อต่อไปอย่างไร

เมื่อข้อมูลเริ่มเข้ามา Dashboard จะถูกออกแบบเป็นหลาย engine ย่อย ไม่ใช่แค่หน้ารายงานเดียว

  • Recovery Engine: ดูว่าร่างกายพร้อมแค่ไหน
  • Sleep Engine: ดูคุณภาพและปริมาณการนอน
  • Body Engine: ดูแนวโน้มน้ำหนักและ body composition
  • Fuel Engine: ดูอาหารและพลังงาน
  • Activity Engine: ดู movement และ training load
  • Energy Engine: ประเมิน BMR + NEAT + TEF + EAT เป็น TDEE คร่าว ๆ

สิ่งสำคัญคือ dashboard นี้ต้องไม่ตัดสินจากวันเดียว เพราะข้อมูลสุขภาพรายวันมี noise เยอะมาก โดยเฉพาะค่า BIA จากเครื่องชั่งที่แปรผันตามน้ำในร่างกาย เวลาออกกำลังกาย อาหารเค็ม และเวลาชั่ง ผมเลยตั้งใจให้ dashboard อ่านข้อมูลแบบ trend มากกว่าคำตัดสิน เช่น 7-day direction, today vs yesterday, watch items และ recommendation แบบระมัดระวัง

ถ้า recovery เหลือง HRV ต่ำ sleep สั้น dashboard ไม่ควรบอกให้ไปซ้อมหนัก แต่มันควรบอกว่า วันนี้เป็น recovery-biased day หรือ easy movement day มากกว่า

ในเชิงขั้นตอนการทำโครงการ ผมเริ่มจากนิยามคำถามก่อน ไม่ได้เริ่มจากเทคโนโลยี

  1. อยากให้ dashboard ช่วยตัดสินใจเรื่องอะไร
  2. ต้องใช้ข้อมูลจากแหล่งไหนบ้าง
  3. ข้อมูลแต่ละชนิดเข้าระบบอย่างไร
  4. ต้องมี engine อะไรช่วยแปลข้อมูล
  5. จะแสดงผลอย่างไรให้ตัดสินใจง่าย
  6. อะไรควรเป็น signal, trend, warning หรือ recommendation

AI เข้ามาช่วยหลายชั้นมาก ตั้งแต่ช่วยออกแบบ data model, วาง dashboard structure, เขียน parser สำหรับข้อมูลจาก Fitdays image, ช่วยคิด prompt สำหรับ food nutrition extraction, ช่วยสร้าง rule engine เบื้องต้น, ช่วยออกแบบ UI ให้อ่านง่าย และช่วย refactor ให้ข้อมูลจากหลายแหล่งมารวมกันได้แบบเป็นระบบ

สำหรับผม AI ไม่ได้มาแทนการตัดสินใจเรื่องสุขภาพ แต่มันช่วยลดแรงเสียดทานในการสร้างระบบ ทำให้ไอเดียที่เมื่อก่อนต้องใช้เวลานาน กลายเป็น prototype ที่จับต้องได้เร็วขึ้นมาก

Stack ที่เลือกก็พยายามไม่ซับซ้อนเกินจำเป็น

  • Dashboard: เว็บแบบ lightweight ดูง่าย deploy ง่าย
  • Data: structured daily log เพื่อให้ trace ได้
  • Input channel: Line เพราะเข้ากับชีวิตจริงที่สุด
  • AI engine: ใช้ extract, normalize และช่วยสรุปข้อมูล
  • Rule layer: แปลงข้อมูลเป็น signal, trend, watch item และ recommendation

ถ้ามองเป็น infra stack แบบซ้อนอยู่ใต้ journey ด้านบน ระบบนี้คือ Line Bot และ API ingestion เป็นประตูนำข้อมูลเข้า, AI extraction engine เป็นชั้นแปลงรูปและข้อมูลดิบให้กลายเป็น structured data, daily health log เป็น source of truth รายวัน, rule/signal engine เป็นชั้นแปลผล และ dashboard เป็น presentation layer ที่ทำให้ข้อมูลถูกใช้ตัดสินใจได้จริง

สุดท้าย Health Dashboard สำหรับผมไม่ใช่เครื่องมือแทนหมอ ไม่ใช่ medical diagnosis และไม่ใช่การทำให้ชีวิตกลายเป็น spreadsheet แต่มันคือ operating dashboard ส่วนตัว เป็นระบบที่ช่วยให้เราคุยกับร่างกายตัวเองด้วยข้อมูลมากขึ้น ใจเย็นขึ้น และตัดสินใจดีขึ้น

เพราะบางครั้งร่างกายไม่ได้พังในวันเดียว มันค่อย ๆ ส่ง signal เล็ก ๆ มานานแล้ว เพียงแต่ที่ผ่านมา ข้อมูลพวกนั้นกระจายอยู่คนละที่ จนเราไม่เคยเห็นมันเป็นเรื่องเดียวกัน