Visi Mesin AI yang Berusaha Merevolusi Kesehatan Kita

Visi Mesin & Kesehatan

Selain model bahasa besar seperti ChatGPT, visi komputer merupakan bidang penting dalam AI. Jaringan saraf dan pembelajaran mendalam memungkinkan komputer mengenali pola dalam gambar dan video. Kemampuan ini bukan berarti mesin melihat atau memahami dunia persis seperti manusia.

Penerapannya mencakup bantuan mengemudi dan robot yang beroperasi di luar pabrik. Tingkat kemandirian serta batas keselamatannya berbeda-beda menurut sistem dan lingkungan.

Penerapan tersebut turut mendorong pasar visi komputer. Angka 9,2 miliar dolar pada 2029 merupakan proyeksi untuk segmen pasar tertentu, bukan nilai yang sudah tercapai atau ukuran pasti seluruh industri AI.

Sumber: EPAM

Kesehatan merupakan bidang penerapan lainnya. Banyak pemeriksaan memerlukan penilaian visual dokter, mulai dari pemeriksaan langsung hingga interpretasi radiografi, CT, dan citra medis lainnya.

Interpretasi dapat bervariasi antarpenilai dan memerlukan pengalaman. Namun, pencitraan medis juga telah lama menggunakan pengukuran kuantitatif dan otomatis; variasi antarpasien tidak membuat seluruh pengukuran otomatis sebelumnya mustahil.

Perusahaan dan peneliti kini mengembangkan AI untuk membantu analisis citra medis. Keunggulannya harus dibuktikan untuk tugas, populasi, dan kondisi penggunaan tertentu.

Pemeriksaan Visual Langsung

Kami membahas penelitian AI untuk membantu mengenali infeksi telinga dalam artikel “AI Siap Menjadi Alat Diagnosis Medis yang Tak Ternilai”. Hasil pada kumpulan data penelitian tidak berarti AI selalu lebih baik daripada dokter dalam praktik klinis.

Penerapan lain juga sedang diteliti. Sebagai contoh, model dermatologi Google diteliti untuk mengenali 26 kategori kondisi kulit yang mencakup sebagian besar kasus dalam kumpulan data terkait. AI juga digunakan untuk menyaring retinopati diabetik dan diteliti untuk memperkirakan risiko retinopati diabetik di kemudian hari.

Penelitian lain mencoba menemukan informasi tambahan dari foto retina, misalnya memperkirakan anemia yang biasanya dinilai melalui pemeriksaan darah. Pendekatan tersebut juga diteliti untuk memperkirakan risiko kardiovaskular. Perkiraan risiko atau hasil model penelitian bukan pengganti diagnosis dan validasi klinis.

Dalam endoskopi, sistem seperti AI Iterative Health dapat membantu menemukan lesi yang mungkin terlewat. Menemukan lesi tidak sama dengan memastikan diagnosis kanker; manfaatnya bergantung pada perangkat, indikasi, dan bukti klinisnya.

Analisis Gambar Medis

Citra dari radiografi, CT, ultrasonografi, dan modalitas lainnya menghasilkan banyak informasi yang memerlukan interpretasi terlatih. Semakin banyak data tidak selalu berarti penilaian menjadi lebih mudah.

AI dapat membantu rekonstruksi atau peningkatan kualitas gambar, pengelolaan data, dan pengukuran. Hasilnya tetap perlu diperiksa sesuai tujuan penggunaan perangkat.

Sebagai contoh, Cleerly menggunakan AI untuk menganalisis angiografi CT koroner atau CCTA, termasuk untuk membangun model tiga dimensi arteri koroner, menilai lumen dan dinding pembuluh, serta mengukur penyempitan dan karakteristik plak. Informasi tersebut membantu tenaga kesehatan dalam penilaian penyakit arteri koroner.

Butterfly Network (BFLY ) mengembangkan perangkat ultrasonografi portabel dengan transduser berbasis semikonduktor. Fitur pencitraan dan AI membantu akuisisi serta pengukuran tertentu; bukan berarti setiap pemeriksaan otomatis menghasilkan model 3D semua organ pasien.

Sumber: Butterfly Network

Verisound, portofolio solusi digital dan AI GE HealthCare, mencakup panduan pemindaian, otomatisasi pengukuran, konektivitas, dan pengelolaan alur kerja ultrasonografi. Verisound adalah merek atau portofolio, bukan anak perusahaan tersendiri. Fitur yang tersedia berbeda menurut perangkat dan bidang pemeriksaan.

AI Google juga diteliti untuk membantu mendeteksi kanker payudara dan mengurangi waktu pada tugas tertentu dalam onkologi. Potensi penghematan waktu tidak otomatis mengatasi kekurangan tenaga kesehatan atau berlaku pada setiap layanan.

ChestEye dan ChestLink dari Oxipit memiliki fungsi berbeda. ChestEye membantu analisis citra rontgen dada, sedangkan ChestLink dirancang untuk mengidentifikasi dan melaporkan pemeriksaan normal dalam ruang lingkup yang disetujui. Keduanya bukan sekadar alat untuk memeriksa ulang tumor paru.

Bedah

AI dapat membantu beberapa tahap pembedahan. Contohnya adalah analisis video, pengenalan tahapan operasi, dan dukungan panduan pada sistem tertentu. Dokter bedah tetap bertanggung jawab atas keputusan klinis; fungsi tersebut tidak berlaku seragam pada semua robot bedah.

Peneliti seperti Dr. Eckhoff di Massachusetts General Hospital membahas potensi AI untuk mengenali pola dalam video operasi dan mengantisipasi langkah berikutnya. Kemampuan memperkirakan beberapa detik ke depan dalam tugas penelitian tertentu tidak berarti sistem dapat meramalkan setiap operasi atau menggantikan pengawasan dokter.

Contoh lainnya adalah perusahaan Prancis Pixee Medical, yang menyediakan panduan realitas tertambah untuk tindakan ortopedi dengan perangkat seperti kacamata pintar. Pelacakan 3D bukan dengan sendirinya diagnosis atau operasi otonom.

Visi komputer juga dapat membantu dokumentasi dan pemantauan instrumen. Perkiraan mengenai instrumen atau benda bedah yang tertinggal pada pasien berbeda menurut metode penelitian dan pelaporan. Pelacakan otomatis berpotensi mengurangi risiko, tetapi tidak menjamin bahwa masalah tersebut dapat dihilangkan sepenuhnya.

Manajemen Data

Data Pasien

Pengelolaan data pasien dapat memengaruhi kesinambungan perawatan, meskipun kurang terlihat dibandingkan analisis tumor atau bantuan pembedahan. Kegunaannya bergantung pada mutu, kelengkapan, dan perlindungan data.

Pengenalan wajah merupakan salah satu teknologi yang dapat membantu pencocokan identitas. Namun, sistem seperti yang ditawarkan Facia tetap dapat salah mengenali orang dan perlu dinilai dari sisi privasi, persetujuan, serta integrasi dengan prosedur identifikasi pasien.

Tantangan lain adalah menghubungkan data dari berbagai sumber, seperti citra radiologi, rekam medis, riwayat perawatan di rumah sakit lain, dan resep obat.

Penyatuan data tersebut memerlukan interoperabilitas dan pemeriksaan kualitas. Perangkat seperti CloudMedxHealth dapat membantu analisis data kesehatan, tetapi tidak otomatis menyatukan setiap sumber tanpa hambatan.

Sumber: CloudMedxHealth

Data kesehatan juga dapat dianalisis pada tingkat populasi, misalnya melalui layanan Komodo Health. Cakupannya bergantung pada sumber data yang tersedia dan tidak sama dengan gambaran lengkap setiap pasien dalam sistem kesehatan AS.

Pemantauan

AI juga dapat membantu pemantauan lingkungan rumah sakit, misalnya kepatuhan terhadap prosedur kebersihan. Keandalan, privasi, dan tindak lanjut terhadap peringatan harus disesuaikan dengan penggunaan klinis.

Pemantauan di rumah dapat mendukung rehabilitasi dan tindak lanjut pasien tertentu. Ini berpotensi mengurangi perjalanan dan meningkatkan akses, tetapi kesesuaian klinis serta penghematan biaya harus dievaluasi, bukan diasumsikan untuk semua pasien.

Deteksi jatuh dapat menjadi bagian dari pemantauan di rumah. Pemberitahuan atau panggilan bantuan bergantung pada pengaturan layanan, dan sistem dapat melewatkan kejadian atau menghasilkan alarm palsu.

Layanan jarak jauh juga dapat menggunakan AI, seperti solusi dari Corti.AI. Kami membahas layanan kesehatan jarak jauh dalam artikel “Pemulihan dari Rumah: Lima Saham Telemedisin”.

Meningkatkan Penelitian Medis

Data biologi dan medis sering kompleks, bervariasi, serta dipengaruhi banyak faktor. Kompleksitas tersebut tidak membuat biologi menjadi ilmu yang kurang ketat dibandingkan kimia atau fisika.

Sampel biologis dapat berbeda antarindividu dan menurut kondisi pengambilan atau pengolahan sampel.

Sebagian pekerjaan masih memerlukan pemeriksaan manual, seperti penilaian morfologi sel pada apusan darah. Namun, hitung darah otomatis sudah lama digunakan. Penilaian manual dan hasil mesin sama-sama memerlukan kendali mutu.

Visi komputer dapat membantu pekerjaan tertentu. Contohnya Shonit dari SigTuple yang mendukung analisis digital apusan darah, termasuk diferensial sel darah putih dan morfologi sel. Ini bukan jaminan penghitungan sempurna semua jenis sel atau pengganti seluruh pemeriksaan darah.

Sumber: Sigtuple

Pengelolaan citra medis juga dibantu perangkat seperti Enlitic, yang berfokus antara lain pada standardisasi deskripsi dan metadata serta deidentifikasi data. Standardisasi data berbeda dari memberi diagnosis pada setiap gambar.

Penelitian juga menghadapi pertumbuhan data genomik, transkriptomik, proteomik, dan berbagai lapisan “multiomik”. Kami membahasnya dalam “Multiomik sebagai Langkah Berikutnya dalam Bioteknologi”.

AI juga diteliti untuk membantu merancang alat penyuntingan gen. Salah satu contohnya dibahas dalam “Pengeditan Gen Berbasis AI Dimungkinkan dengan ‘OpenCRISPR-1’”. Keterbukaan perangkat tidak menghilangkan kebutuhan akan pengujian dan penilaian keselamatan.

Mendukung Aksesibilitas

Visi komputer dapat membantu penyandang tunanetra atau gangguan penglihatan mengenali benda dan membaca informasi di sekitarnya. Sistem tetap bisa salah mengidentifikasi objek atau situasi.

Pengenalan karakter yang digabungkan dengan sintesis suara dapat membacakan teks yang sebelumnya sulit diakses.

Pengenalan gerakan atau ekspresi wajah juga dapat menjadi antarmuka untuk mengendalikan perangkat bagi pengguna dengan kebutuhan tertentu.

Perusahaan dalam Visi Komputer

1. Alphabet

Google memiliki bisnis teknologi besar, termasuk mesin pencari dan sistem operasi Android.

Perusahaan ini juga mengembangkan AI, termasuk penelitian visi komputer untuk kesehatan, seperti analisis pencitraan, penilaian risiko, dan dukungan perawatan. Status penelitian dan ketersediaan klinis berbeda menurut produk.

Selain visi komputer, Google DeepMind mengembangkan AlphaFold AI untuk memprediksi struktur tiga dimensi protein dan interaksi molekuler tertentu. Prediksi struktur dapat mendukung penelitian obat, tetapi tidak dengan sendirinya membuktikan efektivitas atau keamanan kandidat pada manusia. Kami membahas salah satu penelitiannya dalam “Pemodelan Prospektif Menunjukkan Masa Depan Cerah untuk Penemuan Obat Berbasis AI”.

Sumber: News Medical

Inisiatif AI kesehatan Google mencakup Med-PaLM, model bahasa yang diteliti menggunakan soal bergaya ujian medis. Kinerja pada ujian bukan izin praktik atau bukti diagnosis aman tanpa pengawasan. Perangkat lainnya meliputi Open Health Stack untuk pengembang aplikasi kesehatan, DeepVariant untuk analisis varian genom, dan penelitian pembelajaran mendalam untuk rekam kesehatan elektronik.

Di luar kesehatan, Vision AI Google digunakan untuk analisis gambar dan dokumen serta tugas pengenalan visual lainnya. Ini perlu dibedakan dari model generatif Google yang membuat teks, gambar, atau video.

Alphabet (GOOG ) dan Google memiliki banyak kegiatan AI, termasuk kesehatan. Luasnya kegiatan tersebut tidak memastikan keberhasilan klinis setiap proyek atau imbal hasil investasi.

2. Butterfly Network

Butterfly mengembangkan perangkat ultrasonografi portabel dan perangkat lunak pengelolaan alur kerja bernama “Compass”. Compass membantu dokumentasi, peninjauan, dan integrasi pemeriksaan; tidak tepat menyebutnya semata-mata sistem AI yang menegakkan diagnosis.

Sumber: Butterfly Network

Perangkat ultrasonografi generasi ^ketiga perusahaan ini hadir melalui peluncuran iQ3 pada 2024. Menurut pengumuman perusahaan, iQ3 memiliki dua kali daya pemrosesan dan dua kali kecepatan transfer data dibandingkan pendahulunya. Transduser berbasis semikonduktornya berbeda dari teknologi piezoelektrik konvensional, tetapi keunggulan klinis bergantung pada penggunaan dan pembandingnya.

Fitur iQ3 mencakup iQ Slice dan iQ Fan untuk visualisasi 3D serta multiplanar, integrasi perangkat lunak, dan waktu mulai yang lebih cepat. Harga dan kelengkapan layanan perlu dibandingkan menurut pasar dan paket; tidak selalu lebih murah daripada setiap perangkat alternatif.

Fitur AI dapat membantu kualitas gambar, pengukuran tertentu, dan pelatihan pemindaian. Ketersediaan fungsi dan persetujuan penggunaannya berbeda menurut wilayah serta perangkat.

Sumber: Butterfly Network

Butterfly memperluas distribusi di sejumlah pasar Asia dan mengembangkan penggunaan veteriner. Perangkat portabel dapat membantu pemeriksaan hewan di lapangan, tetapi penerapan dan manfaatnya tetap harus dinilai untuk kebutuhan tertentu.