Visi Mesin AI yang Akan Mengubah Kesehatan Kita

Visi Mesin & Kesehatan

Bersama dengan LLM (model bahasa besar) seperti ChatGPT, visi mesin adalah salah satu perkembangan terbaru dan paling penting dalam AI. Berbagai metode yang digunakan untuk mencapainya, seperti jaringan saraf dan pembelajaran mendalam, sekarang memungkinkan komputer untuk benar-benar melihat lingkungannya.

Salah satu aplikasi dari ide ini adalah membiarkan komputer mengambil alih tugas manusia seperti mengemudi atau memberi robot otonomi penuh di dunia nyata, bukan hanya terbatas pada lantai pabrik.

Ini adalah salah satu penggerak besar adopsi visi mesin, pasar yang tumbuh dengan cepat dan diperkirakan akan mencapai $9,2 miliar pada tahun 2029.

Sumber: EPAM

Tapi tugas lain yang sama pentingnya adalah menilai kesehatan kita. Banyak diagnosis medis bergantung pada penilaian visual dokter. Ini termasuk pemeriksaan langsung dan analisis tingkat ahli dari radiografi, pemindai, dan gambar medis lainnya.

Dalam sebagian besar kasus, pemeriksaan visual ini somewhat subjektif. Seorang dokter memerlukan banyak tahun pengalaman untuk menjadi benar-benar percaya diri dalam penilaiannya. Dan sampai sekarang, kompleksitas setiap tubuh pasien yang sedikit berbeda membuatnya terlalu kompleks untuk pengukuran otomatis.

Hal ini akhirnya berubah, dan banyak perusahaan sekarang menjelajahi penerapan visi mesin AI untuk menciptakan analisis yang lebih unggul dari gambar medis.

Pemeriksaan Visual Langsung

Kami baru-baru ini mengeksplorasi kasus menggunakan AI untuk mendeteksi infeksi telinga yang lebih baik daripada dokter manusia dalam artikel kami “AI Poised to Become Invaluable Medical Diagnosis Tool”

Ini dapat diperluas ke banyak patologi lain; misalnya, pemindaian gambar AI Google dapat digunakan untuk mendiagnosis 26 penyakit kulit yang berbeda (80% kasus yang dilihat dalam perawatan primer), mendeteksi retinopati diabetik, atau bahkan memprediksi risiko mengembangkan retinopati diabetik di masa depan.

Lebih mengejutkan, AI juga tampaknya dapat mendeteksi masalah kesehatan dari pemeriksaan visual yang tidak dapat digunakan oleh manusia; misalnya, mendeteksi anemia (biasanya memerlukan tes darah) dari pemeriksaan retina mata. Metode yang sama juga dapat digunakan untuk memprediksi risiko serangan jantung.

Ini juga dapat mendeteksi lesi yang akan dilewatkan oleh mata manusia; misalnya, akurasi yang lebih tinggi dari Iterative Health’s AI dapat membantu mendeteksi kanker lambung dan usus besar.

Analisis Gambar Medis

Semakin halusnya citra medis dari sinar-X, tomografi, CT-scan, ekografi, dan lain-lain, semakin kompleks analisis gambar.

AI canggih sekarang dapat membantu dalam meningkatkan kualitas gambar, penanganan data, dan analisis data.

Misalnya, Cleery menggunakan AI untuk menganalisis data Coronary Computed Tomography Angiography (CCTA) untuk “ menghasilkan model 3D dari arteri koroner pasien, mengidentifikasi lumen dan dinding pembuluh, menemukan dan mengukur stenosis, serta mengidentifikasi, mengukur, dan mengategorikan plak.”

Butterfly Network mengubah cara ekografi dilakukan berkat chip semikonduktor yang menggantikan sensor piezoelektrik dan AI untuk menciptakan model 3D mobile dari organ internal pasien.

Sumber: Butterfly Network

Verisound AI, anak perusahaan GE Healthcare, memberikan panduan waktu nyata kepada praktisi, pengambilan gambar otomatis, dan AI khusus untuk pencitraan umum, kardiologi, ultrasonik payudara, kesehatan wanita, saraf, ginjal, hati, dll.

AI Google juga digunakan untuk membantu deteksi kanker payudara dan menghemat waktu onkolog, membantu meringankan kekurangan tenaga kerja.

ChestEye dan ChestLink dari Oxipit memeriksa gambar radiologi untuk tumor paru-paru yang mungkin terlewatkan.

Bedah

AI juga dapat membantu ahli bedah dalam banyak cara.

Satu cara adalah panduan bedah, terutama dalam bedah yang dibantu robot, di mana AI dapat memberikan informasi tambahan atau saran kepada ahli bedah secara waktu nyata.

Berdasarkan tinjauan jutaan video bedah, AI memiliki kemampuan untuk memprediksi 15 hingga 30 detik berikutnya dari operasi dan memberikan pengawasan tambahan selama bedah

Dr. Eckhoff – rekan penelitian kecerdasan buatan dan inovasi di Laboratorium Kecerdasan Buatan dan Inovasi Bedah di Rumah Sakit Umum Massachusetts

Contoh adalah Perancis Pixee Medical, memungkinkan pelacakan 3D dengan smartphone atau kacamata pintar untuk bedah ortopedi.

AI juga dapat mengotomatisasi prosedur penting merekam bedah, terutama untuk tugas berulang dan rentan terhadap kesalahan. Karena ahli bedah melupakan instrumen di dalam pasien dalam sekitar 1500 operasi per tahun di AS, visi komputer dapat membantu menghilangkan masalah ini sepenuhnya dengan secara otomatis memantau semua yang digunakan selama bedah.

Pengelolaan Data

Data Pasien

Meskipun mungkin kurang spektakuler daripada mendeteksi tumor, melakukan diagnosis tanpa intervensi manusia, atau membantu ahli bedah, pengelolaan data pasien dapat sama pentingnya untuk pemulihan pasien.

Bagian pertama AI dapat membantu adalah pengenalan wajah dan menghubungkannya dengan ID pasien dan file medis. Selalu ada risiko bahwa identitas salah dalam lingkungan kerja rumah sakit yang cepat dan penuh tekanan. Teknologi ini lebih umum dan dapat diterapkan oleh vendor perangkat lunak pengenalan wajah, seperti Facia, misalnya.

Langkah kedua adalah mengintegrasikan semua data yang mungkin untuk pasien ke dalam satu sistem. Misalnya, mungkin memiliki gambar dari departemen radiologi (dan perangkat lunak yang terkait), file pasien umum, dokumen dari perawatan sebelumnya di rumah sakit lain, resep farmasi, dll.

Mengintegrasikan semua data ini dapat sangat kompleks, dan alat AI seperti CloudMedxHealth dapat membantu mewujudkan semua potensi data digital medis.

Sumber: CloudMedxHealth

Data medis juga dapat diagregasi pada tingkat yang lebih tinggi, seperti cara Komodo Health menciptakan gambaran sistem kesehatan AS secara keseluruhan.

Pemantauan

Segmen lain di mana AI dapat membantu adalah memantau lingkungan rumah sakit. Ini dapat mencakup penghormatan terhadap praktik kebersihan yang baik (pembersihan, masker, dll.) atau prosedur apa pun yang perlu dipantau secara otomatis.

Pemantauan serupa dapat disediakan untuk pasien di rumah untuk memeriksa pemulihan mereka. Ini dapat membuat hal-hal seperti terapi fisik mungkin dilakukan di rumah, membuatnya tidak hanya lebih praktis untuk pasien dan dokter tetapi juga lebih murah untuk sistem kesehatan secara keseluruhan.

Pemantauan di rumah juga dapat mencakup deteksi jatuh, dengan panggilan layanan darurat otomatis jika diperlukan.

Telehealth secara umum dapat mendapat manfaat dari AI, seperti solusi dari Corti.AI. Kami juga mengeksplorasi topik ini dalam artikel kami “Heal From Home: Top 5 Telemedicine Stocks”.

Meningkatkan Penelitian Medis

Biologi sering digambarkan sebagai bidang ilmiah “terlembut” karena data medis dan biologis cenderung “kotor” daripada kimia atau fisika.

Sebagian ini tidak dapat dihindari, karena sampel biologis sangat kompleks dan mungkin berbeda satu sama lain.

Ini juga karena bidang ini masih sering bergantung pada penghitungan manual untuk hal-hal seperti hitung sel di mikroskop. Hal yang sama berlaku untuk analisis medis seperti hitung darah. Secara alami, 2 orang yang berbeda akan memiliki cara yang sedikit berbeda dalam menghitung sampel yang kompleks.

Ini dapat dipecahkan dengan visi mesin AI, dengan produk seperti Shonit dari Sigtuple sekarang dapat memberikan hitungan yang andal dan standar dari semua jenis sel darah.

Sumber: Sigtuple

Gambar medis juga menerima klasifikasi dan anotasi standar melalui alat seperti Enlitic, memungkinkan peneliti untuk mengakses dataset yang lebih berkualitas.

Sementara penelitian medis berjuang untuk mengatasi banjir data baru dari kemajuan dalam ilmu analitik genomics, transcriptomics, proteomics, dan revolusi “multiomics” secara keseluruhan yang kami deskripsikan dalam “Multiomics Are The Next Step In Biotechnology”.

Ini juga termasuk penyuntingan gen, dengan sekarang perangkat lunak AI open-source membantu peneliti untuk merancang alat penyuntingan gen baru seperti dibahas dalam “AI-Enabled Gene-Editing Made Possible with ‘OpenCRISPR-1’”

Menggantikan Indra yang Gagal

Cara lain visi mesin dapat mengubah kesehatan adalah dengan melihat untuk kita. Orang buta atau mereka dengan gangguan lain dapat mendapatkan bantuan AI untuk mengidentifikasi item di lingkungan mereka.

AI juga dapat mengubah teks menjadi ucapan yang biasanya tidak dapat diakses.

Terakhir, visi mesin dapat membantu orang dengan disabilitas untuk mengontrol perangkat melalui ekspresi wajah atau gerakan.

Perusahaan Visi Mesin

1. Alphabet

Google adalah perusahaan teknologi terkemuka di banyak sektor, dengan tentu saja Pencarian dan sistem operasi smartphone Android sebagai contoh yang baik.

Ini juga merupakan pemimpin dalam AI, dengan kehadiran yang kuat dalam visi mesin untuk kesehatan, mulai dari deteksi kanker dan penyakit hingga pencegahan dan perbaikan pengobatan.

AI juga digunakan dalam bidang lain selain visi mesin. Misalnya, AI AlphaFold Google dapat memprediksi konfigurasi 3D protein, data kunci untuk menciptakan obat baru, dan memprediksi efisiensi dan profil keamanan molekul baru. Kami membahas bagaimana prediksi AlphaFold terbukti dapat diandalkan dan sangat membantu untuk pengembangan obat dalam “Prospective Modelling Points to Bright Future for AI-based Drug Discovery”.

Sumber: News Medical

Kesehatan AI Google termasuk Med-PaLM, model bahasa besar pertama yang mencapai kinerja ahli pada pertanyaan gaya ujian lisensi medis, Open Health Stack sumber terbuka untuk pengembang, DeepVariant untuk analisis genomik, dan pembelajaran mendalam untuk catatan kesehatan elektronik.

Tentu saja, Visi AI Google memiliki banyak aplikasi lain di luar kesehatan, termasuk transportasi, generasi konten (teks, gambar, dan video), interpretasi dokumen, dll.

Jadi, secara keseluruhan, Alphabet/Google adalah raksasa tidak hanya teknologi tetapi juga AI, termasuk dalam kesehatan dan aplikasi kesehatan dari visi mesin.

2. Butterfly Network

Butterfly adalah pengembang alat diagnosis ultrasonik ultra-portabel canggih dan perangkat lunak terintegrasi yang menggunakan AI untuk membantu diagnosis, disebut “Compass”.

Sumber: Butterfly Network

Perusahaan ini sekarang berada pada generasi ketiga probe ultrasonik, dengan rilis pada 2024 dari iQ3, dengan kecepatan transfer data yang lebih tinggi dan 2x kekuatan pemrosesan dari versi sebelumnya. Seperti semua probe ultrasonik Butterfly sebelumnya, ini mengandalkan teknologi “ultrasound-on-chip” semikonduktor yang unggul daripada sensor piezoelektrik klasik.

iQ3 menawarkan pengalaman pengguna yang lebih unggul, termasuk kemampuan untuk memvisualisasikan baik 3D dan multi-pesawat secara bersamaan, perangkat lunak cloud terintegrasi, dan start-up yang cepat, semua dengan harga yang lebih murah.

Perusahaan ini menggunakan AI untuk meningkatkan gambar, menghasilkan pengukuran yang relevan dengan diagnosis secara otomatis, dan memberikan pelatihan/praktik mengajar.

Sumber: Butterfly Network

Butterfly dengan cepat memperluas ke pasar baru di Asia (Singapura, Indonesia, Filipina, dll.) dan juga di pasar hewan, seperti memeriksa kesehatan sapi feedlot dan memanfaatkan ultra-portabilitas alat ultrasoniknya.