Bacaan 6 menit
Kecerdasan buatan digunakan dalam layanan kesehatan untuk segala hal, mulai dari menjawab pertanyaan pasien hingga membantu operasi dan mengembangkan obat-obatan baru.
Menurut Statista, pasar layanan kesehatan kecerdasan buatan (AI), yang bernilai $11 miliar pada tahun 2021, diproyeksikan bernilai $187 miliar pada tahun 2030. Peningkatan besar-besaran tersebut berarti kita mungkin akan terus melihat perubahan besar dalam cara beroperasi penyedia medis, rumah sakit, perusahaan farmasi dan bioteknologi, dan lainnya dalam industri layanan kesehatan.
Algoritma machine learning (ML) yang lebih baik, akses data yang lebih banyak, perangkat keras yang lebih murah, dan ketersediaan 5G telah berkontribusi pada peningkatan penerapan AI di industri layanan kesehatan, sehingga mempercepat laju perubahan. Teknologi AI dan ML dapat menyaring sejumlah besar data kesehatan, mulai dari catatan kesehatan dan studi klinis hingga informasi genetik, dan menganalisisnya jauh lebih cepat dibandingkan manusia.
Organisasi layanan kesehatan menggunakan AI untuk meningkatkan efisiensi semua jenis proses, mulai dari tugas-tugas back-office hingga perawatan pasien. Berikut ini adalah beberapa contoh bagaimana AI dapat digunakan untuk memberi manfaat bagi staf dan pasien:
Sebuah studi baru-baru ini menemukan bahwa 83% pasien melaporkan komunikasi yang buruk sebagai bagian terburuk dari pengalaman mereka, yang menunjukkan besarnya kebutuhan akan komunikasi yang lebih jelas antara pasien dan penyedia layanan. Teknologi AI seperti pemrosesan bahasa alami (NLP), analisis prediktif, dan pengenalan suara dapat membantu penyedia layanan kesehatan melakukan komunikasi yang lebih efektif dengan pasien. Misalnya, AI dapat memberikan informasi yang lebih spesifik tentang pilihan perawatan pasien, memungkinkan penyedia layanan kesehatan untuk melakukan percakapan yang lebih bermakna dengan pasien untuk pengambilan keputusan bersama.
Menurut Harvard School of Public Health, meskipun baru tahap awal, menggunakan AI untuk membuat diagnosis dapat mengurangi biaya perawatan hingga 50% dan meningkatkan hasil kesehatan hingga 40%.
Salah satu contoh penggunaan adalah dari University of Hawaii, di mana tim peneliti menemukan bahwa menerapkan teknologi AI pembelajaran mendalam dapat meningkatkan prediksi risiko kanker payudara. Penelitian lebih lanjut diperlukan, tetapi peneliti utama menunjukkan bahwa algoritma AI dapat dilatih pada serangkaian gambar yang jauh lebih lengkap daripada seorang ahli radiologi, sebanyak satu juta atau lebih gambar radiologi. Selain itu, algoritma tersebut dapat direplikasi tanpa biaya kecuali biaya untuk perangkat keras.
Sebuah kelompok MIT mengembangkan algoritma ML untuk menentukan kapan seorang pakar manusia dibutuhkan. Dalam beberapa kasus, seperti mengidentifikasi kardiomegali pada sinar-X dada, mereka menemukan bahwa model hybrid manusia dan AI memberikan hasil terbaik.
Studi lain yang diterbitkan menemukan bahwa AI mengenali kanker kulit lebih baik daripada dokter berpengalaman. Peneliti AS, Jerman, dan Prancis menggunakan pembelajaran mendalam pada lebih dari 100.000 gambar untuk mengidentifikasi kanker kulit. Dengan membandingkan hasil AI dengan 58 dokter kulit internasional, mereka menemukan bahwa AI bekerja lebih baik.
Seiring dengan makin populernya monitor kesehatan dan kebugaran, makin banyak orang yang menggunakan aplikasi yang melacak dan menganalisis detail tentang kesehatan mereka. Mereka dapat berbagi kumpulan data real-time ini dengan dokter mereka untuk memantau masalah kesehatan dan memberikan peringatan jika ada masalah.
Solusi AI, seperti aplikasi big data, algoritma machine learning, dan algoritma pembelajaran mendalam, juga dapat digunakan untuk membantu manusia menganalisis kumpulan data yang besar untuk membantu pengambilan keputusan klinis dan lainnya. AI juga dapat digunakan untuk membantu mendeteksi dan melacak penyakit menular, seperti COVID 19, tuberkulosis, dan malaria.
Salah satu manfaat penggunaan AI untuk sistem kesehatan adalah membuat pengumpulan dan berbagi informasi lebih mudah. AI dapat membantu penyedia melacak data pasien dengan lebih efisien.
Salah satu contohnya adalah diabetes. Menurut Pusat Pengendalian dan Pencegahan Penyakit, 10% populasi AS menderita diabetes. Pasien sekarang dapat menggunakan perangkat wearable dan perangkat pemantauan lainnya yang memberikan masukan tentang kadar glukosa mereka kepada diri mereka sendiri dan tim medis mereka. AI dapat membantu penyedia layanan mengumpulkan informasi tersebut, menyimpan, dan menganalisisnya, serta memberikan insight berbasis data dari banyak orang. Penggunaan informasi ini dapat membantu profesional kesehatan menentukan cara mengobati dan mengelola penyakit dengan lebih baik.
Organisasi juga mulai menggunakan AI untuk membantu meningkatkan keamanan obat. Perusahaan SELTA SQUARE, misalnya, sedang melakukan inovasi proses farmakovigilans (PV), disiplin yang diamanatkan secara hukum untuk mendeteksi dan melaporkan efek samping dari obat-obatan, kemudian menilai, memahami, dan mencegah efek tersebut. PV menuntut upaya dan ketekunan yang signifikan dari produsen farmasi karena dilakukan mulai dari fase uji klinis hingga ketersediaan obat seumur hidup. Selta Square menggunakan kombinasi AI dan otomatisasi untuk membuat proses PV lebih cepat dan lebih akurat, yang membantu membuat obat-obatan lebih aman bagi orang-orang di seluruh dunia.
Terkadang, AI dapat mengurangi kebutuhan untuk menguji senyawa obat potensial secara fisik, yang merupakan penghematan biaya yang sangat besar. Simulasi molekuler dengan fidelitas tinggi dapat berjalan di komputer tanpa menimbulkan biaya tinggi metode penemuan tradisional.
AI juga memiliki potensi untuk membantu manusia memprediksi toksisitas, bioaktivitas, dan karakteristik molekul lainnya atau menciptakan molekul obat yang sebelumnya tidak diketahui dari awal.
Seiring dengan makin pentingnya AI dalam penyediaan layanan kesehatan dan makin banyaknya aplikasi medis AI yang dikembangkan, tata kelola etika dan regulasi harus ditetapkan. Berbagai isu yang menjadi perhatian termasuk kemungkinan bias, kurangnya transparansi, masalah privasi terkait data yang digunakan untuk melatih model AI, serta masalah keamanan dan tanggung jawab.
“Tata kelola AI diperlukan, terutama untuk aplikasi klinis teknologi,” kata Laura Craft, VP Analyst di Gartner. “Namun, karena teknik AI baru sebagian besar merupakan wilayah baru bagi sebagian besar [organisasi penyedia layanan kesehatan], ada kekurangan aturan, proses, dan pedoman umum untuk diikuti oleh para pengusaha yang bersemangat ketika merancang proyek percontohan mereka.”
Organisasi Kesehatan Dunia (WHO) menghabiskan waktu 18 bulan untuk berdiskusi dengan para pakar terkemuka di bidang etika, teknologi digital, hukum, dan hak asasi manusia serta berbagai anggota Kementerian Kesehatan untuk menghasilkan laporan yang diberi judul Ethics & Governance of Artificial Intelligence for Health. Laporan ini mengidentifikasi tantangan etika dalam penggunaan AI dalam layanan kesehatan, mengidentifikasi risiko, dan menguraikan enam prinsip konsensus untuk memastikan AI berfungsi demi kepentingan masyarakat:
Laporan WHO juga memberikan rekomendasi yang memastikan pengaturan AI untuk layanan kesehatan memaksimalkan janji teknologi dan membuat petugas kesehatan bertanggung jawab dan responsif terhadap komunitas dan orang-orang yang bekerja dengan mereka.
AI memberikan peluang untuk membantu mengurangi kesalahan manusia, membantu para profesional medis dan staf, serta menyediakan layanan pasien 24/7. Seiring dengan terus berkembangnya alat AI, terdapat potensi untuk menggunakan AI lebih banyak lagi dalam membaca gambar medis, sinar-X dan pemindaian, mendiagnosis masalah medis, serta membuat rencana perawatan kesehatan.
Aplikasi AI terus membantu menyederhanakan berbagai tugas, mulai dari menjawab telepon hingga menganalisis tren kesehatan masyarakat (dan kemungkinan besar, aplikasi tersebut belum dipertimbangkan). Misalnya, alat AI di masa mendatang dapat mengotomatiskan atau menambah lebih banyak pekerjaan dokter dan anggota staf. Hal ini akan membebaskan manusia untuk menghabiskan lebih banyak waktu untuk layanan kesehatan profesional tatap muka yang lebih efektif dan penuh kasih sayang.
Ketika pasien membutuhkan bantuan, mereka tidak ingin (atau tidak bisa) menunggu. Sumber daya fasilitas kesehatan terbatas, sehingga bantuan tidak selalu tersedia secara instan atau 24/7 dan bahkan penundaan sedikit saja dapat membuat frustrasi dan perasaan terisolasi atau menyebabkan kondisi tertentu memburuk.
Chatbot layanan kesehatan AI dari IBM® watsonx Assistant™ dapat membantu penyedia layanan melakukan dua hal: membantu memusatkan waktu mereka di tempat yang membutuhkannya dan mendukung pasien yang masuk untuk mendapatkan jawaban cepat atas pertanyaan sederhana.
IBM watsonx Assistant dibangun berbasis model pembelajaran mendalam, machine learning, dan pemrosesan bahasa alami (NLP) untuk memahami pertanyaan, mencari jawaban terbaik, dan menyelesaikan transaksi dengan menggunakan AI percakapan.
Dapatkan pembaruan email tentang kemajuan AI, strategi, cara, perspektif pakar, dan banyak lagi.
IBM web domains
ibm.com, ibm.org, ibm-zcouncil.com, insights-on-business.com, jazz.net, mobilebusinessinsights.com, promontory.com, proveit.com, ptech.org, s81c.com, securityintelligence.com, skillsbuild.org, softlayer.com, storagecommunity.org, think-exchange.com, thoughtsoncloud.com, alphaevents.webcasts.com, ibm-cloud.github.io, ibmbigdatahub.com, bluemix.net, mybluemix.net, ibm.net, ibmcloud.com, galasa.dev, blueworkslive.com, swiss-quantum.ch, blueworkslive.com, cloudant.com, ibm.ie, ibm.fr, ibm.com.br, ibm.co, ibm.ca, community.watsonanalytics.com, datapower.com, skills.yourlearning.ibm.com, bluewolf.com, carbondesignsystem.com