Inovasi AI dalam Kesehatan: Tantangan dan Masa Depan

Revolusi Kesehatan dengan Artificial Intelligence

Artificial intelligence (AI) adalah bidang transformatif dalam ilmu komputer yang berpotensi merevolusi pengobatan dan penyampaian layanan kesehatan. Tinjauan ini menyoroti kemajuan terbaru dalam aplikasi AI di bidang kesehatan, memberikan peta jalan untuk mengembangkan sistem AI yang efektif, dan mengeksplorasi masa depan sistem kesehatan yang ditingkatkan oleh AI. Sistem kesehatan di seluruh dunia berusaha mencapai ’empat tujuan utama’: meningkatkan kesehatan populasi, meningkatkan pengalaman perawatan pasien, meningkatkan pengalaman pengasuh, dan mengurangi biaya perawatan. Tantangan yang ditimbulkan oleh populasi yang menua, penyakit kronis, dan meningkatnya biaya perawatan kesehatan memerlukan inovasi. Pandemi COVID-19 semakin menyoroti kekurangan tenaga kerja dan ketidaksetaraan dalam akses perawatan.

AI dan teknologi menawarkan solusi untuk tantangan ini. Konvergensi data multi-modal (genomik, ekonomi, demografi, klinis, fenotip) dengan inovasi dalam teknologi seluler, IoT, daya komputasi, dan keamanan data mengubah penyampaian layanan kesehatan. Cloud computing, khususnya, memfasilitasi integrasi AI ke dalam layanan kesehatan arus utama dengan memungkinkan analisis cepat dan hemat biaya dari kumpulan data besar.

Peran Artificial Intelligence dalam Kesehatan

AI melibatkan pembuatan mesin cerdas yang meniru fungsi kognitif manusia seperti pembelajaran dan pemecahan masalah. Sistem AI dapat mengantisipasi masalah, beroperasi secara cerdas, dan beradaptasi seiring dengan bertambahnya data. AI mencakup subbidang seperti machine learning (ML) dan pembelajaran mendalam (DL). ML melibatkan algoritma yang meningkat melalui pengalaman dan dapat dikategorikan menjadi pembelajaran terawasi, tidak terawasi, dan pembelajaran penguatan (RL). DL menggunakan algoritma berlapis-lapis yang terpapar pada banyak contoh, meningkatkan pengenalan gambar dan suara.

Meskipun ada fokus yang signifikan, adopsi AI dalam praktik klinis masih terbatas, dengan banyak produk AI kesehatan masih dalam pengembangan. Sistem AI yang efektif harus mempertimbangkan konteks lokal, alur kerja klinis, kebutuhan pengguna, kepercayaan, keselamatan, dan implikasi etis. AI harus meningkatkan dan melengkapi kecerdasan manusia daripada menggantikannya.

Inovasi dan Implementasi AI dalam Kesehatan

AI dalam kesehatan bertujuan untuk meningkatkan interaksi manusia, dengan fokus pada efisiensi dan efektivitas. Inovasi akan muncul dari pemahaman perjalanan pasien dan jalur perawatan. Pendekatan yang berfokus pada masalah dan berpusat pada manusia sangat penting untuk membangun sistem yang andal yang ditingkatkan oleh AI. Ini melibatkan perancangan solusi AI untuk masalah yang tepat, melibatkan pemangku kepentingan, dan membentuk tim multidisiplin. Tim-tim ini mendefinisikan masalah, tujuan, dan metrik keberhasilan, menggabungkan pemahaman etnografis dengan AI.

Proses dimulai dengan mengidentifikasi masalah utama melalui penelitian kualitatif, memahami kebutuhan, kendala, dan alur kerja. Selanjutnya, tentukan masalah mana yang dapat diselesaikan oleh AI dan pastikan kumpulan data yang berlaku tersedia. Sistem AI harus terintegrasi ke dalam alur kerja yang ada, menguji eksperimen baru dengan umpan balik pemangku kepentingan untuk pembelajaran cepat dan perubahan bertahap. Eksperimen membantu mendefinisikan tujuan AI, pengguna akhir, dan implikasi etis.

Evaluasi dan Skalabilitas Sistem AI

Evaluasi alat AI sangat penting, dengan fokus pada validitas statistik, utilitas klinis, dan utilitas ekonomi. Validitas statistik menilai akurasi, keandalan, dan ketahanan. Utilitas klinis melibatkan evaluasi waktu nyata untuk menunjukkan efektivitas dan generalisasi. Utilitas ekonomi mengukur manfaat bersih relatif terhadap biaya. Skalabilitas sistem AI memerlukan perhatian pada penerapan, pembaruan model, sistem regulasi, dan lingkungan penggantian biaya. Pemantauan dan pemeliharaan berkelanjutan diperlukan untuk mengelola risiko dan kejadian buruk.

AI dapat membantu layanan kesehatan mencapai ’empat tujuan utama’ dengan menstandarisasi perawatan terhubung, diagnostik presisi, terapi, dan pengobatan presisi. Aplikasi AI dalam kesehatan berkembang pesat, termasuk penemuan obat, konsultasi virtual, diagnosis penyakit, prognosis, manajemen pengobatan, dan pemantauan kesehatan. Sistem AI mulai mengotomatisasi tugas-tugas berulang dan menunjukkan kemajuan dalam diagnostik presisi. Perkembangan masa depan akan mencakup algoritma yang efisien, penggunaan data yang tidak berlabel, dan menggabungkan berbagai jenis data.

Masa Depan Kesehatan dengan AI

Dalam jangka panjang, sistem AI akan menjadi lebih cerdas, memungkinkan sistem kesehatan yang ditingkatkan oleh AI mencapai keadaan pengobatan presisi melalui perawatan yang ditingkatkan oleh AI dan perawatan terhubung. Layanan kesehatan akan beralih dari bentuk pengobatan tradisional yang satu ukuran untuk semua ke model manajemen penyakit yang preventif, personal, dan berbasis data yang mencapai hasil pasien yang lebih baik dalam sistem penyampaian yang lebih hemat biaya. AI dapat secara signifikan mengurangi ketidakefisienan dalam layanan kesehatan, meningkatkan aliran pasien dan pengalaman, serta meningkatkan pengalaman pengasuh dan keselamatan pasien melalui jalur perawatan. Misalnya, AI dapat diterapkan untuk pemantauan jarak jauh pasien untuk mengidentifikasi dan memberikan perawatan tepat waktu bagi pasien yang berisiko memburuk. Dalam jangka panjang, klinik kesehatan, rumah sakit, layanan perawatan sosial, pasien, dan pengasuh diharapkan terhubung ke infrastruktur digital tunggal yang dapat dioperasikan menggunakan sensor pasif dalam kombinasi dengan kecerdasan ambien.

Chatbot AI digunakan oleh pasien untuk mengidentifikasi gejala dan brandomendasikan tindakan lebih lanjut di lingkungan perawatan komunitas dan primer. Chatbot AI dapat diintegrasikan dengan perangkat yang dapat dikenakan untuk memberikan wawasan kepada pasien dan pengasuh dalam meningkatkan perilaku, tidur, dan kesehatan umum. Sensor ambien tanpa perlu periferal juga muncul, seperti Emerald, sensor nirkabel tanpa sentuhan dan platform machine learning untuk pemantauan jarak jauh tidur, pernapasan, dan perilaku, serta Google Nest, yang mengklaim memantau tidur menggunakan sensor gerak dan suara.

Potensi AI dalam Administrasi Kesehatan

Sistem AI yang memanfaatkan teknologi pemrosesan bahasa alami (NLP) memiliki potensi untuk mengotomatisasi tugas administratif seperti mendokumentasikan kunjungan pasien dalam catatan kesehatan elektronik, mengoptimalkan alur kerja klinis, dan memungkinkan klinisi untuk lebih fokus pada perawatan pasien. Klasifikasi otomatis gambar medis adalah aplikasi AI terkemuka saat ini. Studi telah menunjukkan kemampuan AI untuk memenuhi atau melampaui kinerja ahli manusia dalam diagnosis berbasis gambar dari beberapa spesialisasi medis, termasuk pneumonia dalam radiologi, dermatologi, patologi, dan kardiologi.

Kunci untuk mengurangi kehilangan penglihatan terkait diabetes yang dapat dicegah di seluruh dunia adalah menyaring individu untuk deteksi dan pengobatan retinopati diabetik yang cepat. Studi penelitian tentang algoritma AI otomatis untuk retinopati diabetik telah menunjukkan kinerja diagnostik yang kuat dan hemat biaya. Pusat Layanan Medicare & Medicaid menyetujui penggantian biaya Medicare untuk penggunaan algoritma AI yang disetujui FDA ‘IDx-DR,’ yang menunjukkan sensitivitas dan spesifisitas tinggi untuk mendeteksi retinopati diabetik yang lebih dari ringan.

AI dalam Pengobatan Kanker

Aplikasi AI penting adalah membantu klinisi dengan tugas persiapan gambar dan perencanaan untuk pengobatan kanker radioterapi. Teknologi sumber terbuka berbasis AI InnerEye dapat mengurangi waktu persiapan untuk kanker kepala dan leher, serta prostat hingga 90%, mengurangi waktu tunggu untuk memulai pengobatan radioterapi yang berpotensi menyelamatkan nyawa. Aplikasi potensial untuk toolkit pembelajaran mendalam InnerEye termasuk radiologi kuantitatif untuk memantau perkembangan tumor, perencanaan operasi, dan perencanaan radioterapi.

Untuk membuat kemajuan menuju terapi presisi, kita perlu meningkatkan pemahaman kita tentang penyakit secara signifikan. Peneliti di seluruh dunia sedang mengeksplorasi dasar seluler dan molekuler penyakit, mengumpulkan kumpulan data multimodal yang dapat mengarah pada biomarker digital dan biologis untuk diagnosis, keparahan, dan perkembangan. Aplikasi AI masa depan termasuk imunomik/biologi sintetis dan penemuan obat. Melalui penerapan alat AI pada kumpulan data multimodal, kita mungkin dapat lebih memahami dasar seluler penyakit dan pengelompokan penyakit serta populasi pasien untuk memberikan strategi pencegahan yang lebih terarah. Ini akan menjadi revolusioner untuk berbagai standar perawatan, terutama dalam kanker dan penyakit neurologis.

AI dalam Penyakit Langka dan Terapi Gen

AI siap merevolusi ruang penyakit langka dengan mempersonalisasi perawatan untuk individu. Ini akan meningkatkan desain uji klinis, mengoptimalkan pembuatan obat, dan memperbaiki proses optimasi kombinatorial dalam layanan kesehatan. Kemajuan terbaru oleh DeepMind dan AlphaFold telah membuka jalan untuk pemahaman yang lebih baik tentang proses penyakit, memprediksi struktur protein, dan mengembangkan terapi yang ditargetkan untuk penyakit langka dan umum.

Selama dekade terakhir, biologi sintetis telah melihat perkembangan seperti pengeditan gen CRISPR dan terapi kanker yang dipersonalisasi. Namun, siklus pengembangan untuk terapi canggih ini tetap tidak efisien dan mahal. Dengan akses yang lebih baik ke data genomik, proteomik, glikomik, metabolomik, dan bioinformatika, AI akan menangani kompleksitas yang lebih besar, mengubah pemahaman dan pendekatan kita terhadap biologi. Ini akan meningkatkan efisiensi penemuan obat dengan memprediksi agen yang efektif lebih awal dan mengantisipasi efek samping obat, mendemokratisasi akses ke terapi canggih dengan biaya lebih rendah.

AI untuk Masa Depan Kesehatan yang Lebih Baik

Dalam jangka panjang, profesional kesehatan akan menggunakan AI untuk meningkatkan perawatan, memberikan perawatan yang lebih aman, standar, dan efektif. Misalnya, klinisi dapat menggunakan ‘konsultasi digital AI‘ untuk memeriksa model ‘kembar digital’ pasien, menguji intervensi dalam lingkungan digital sebelum aplikasi dunia nyata.

Tantangan adopsi AI dalam layanan kesehatan termasuk kualitas dan akses data, infrastruktur teknis, kapasitas organisasi, dan praktik etis. Meskipun tantangan ini, AI memiliki potensi untuk membuat layanan kesehatan lebih personal, presisi, prediktif, dan portabel. NHS dapat memperoleh manfaat signifikan, membebaskan waktu bagi profesional kesehatan untuk fokus pada perawatan pasien dan memanfaatkan aset data global untuk memberikan standar perawatan yang tinggi.

Secara global, AI dapat meningkatkan kesetaraan kesehatan. Dekade terakhir berfokus pada digitalisasi catatan kesehatan untuk efisiensi, tetapi dekade berikutnya akan berfokus pada memperoleh wawasan dan nilai dari aset digital ini untuk mendorong hasil klinis yang lebih baik dengan AI. Konvergensi kedokteran dan teknologi ini menghadirkan peluang dan tantangan, memerlukan penelitian translasi yang diperluas dan investasi dalam peningkatan keterampilan tenaga kerja layanan kesehatan yang didukung secara digital.

Pemimpin layanan kesehatan harus mempertimbangkan akses data yang etis dan bertanggung jawab, keahlian domain, daya komputasi yang memadai, dan penelitian tentang implementasi dunia nyata saat merencanakan untuk memanfaatkan AI. Membangun algoritma AI yang tepercaya yang tertanam dalam alur kerja yang sesuai sangat penting untuk mewujudkan potensi AI dalam layanan kesehatan.