AI Siap Menjadi Alat Diagnosis Medis yang Sangat Berharga

Alat Baru Untuk Diagnosis Lama

Sejak awal dunia kedokteran, banyak diagnosis bergantung pada inspeksi visual pasien. Hal ini juga berlaku untuk infeksi telinga, yang biasanya memerlukan dokter berpengalaman untuk mendiagnosis dengan tepat.

Dalam kasus khusus ini, pengalaman dan keterampilan dokter sangat berarti, karena penelitian dokter sebelumnya telah melaporkan akurasi diagnostik OMA berkisar antara 30% hingga 84%, tergantung pada jenis penyedia layanan kesehatan, tingkat pelatihan, dan usia anak yang diperiksa.

Akibatnya, banyak infeksi telinga yang salah didiagnosis sebagai otitis media dengan efusi, atau cairan di belakang telinga, suatu kondisi yang umumnya tidak melibatkan bakteri dan tidak memerlukan pengobatan antimikroba.

Namun alat baru kini telah dikembangkan untuk membantu dokter, dengan mengandalkan munculnya visi mesin AI, dan kehadiran ponsel pintar di mana-mana. Dan hal ini dapat membantu mengurangi penggunaan antibiotik yang tidak perlu, yang dapat menyebabkan timbulnya masalah resistensi antibiotik.

“Diagnosis yang kurang menyebabkan perawatan yang tidak memadai dan diagnosis yang berlebihan menyebabkan pengobatan antibiotik yang tidak perlu, yang dapat membahayakan efektivitas antibiotik yang tersedia saat ini. Alat kami membantu mendapatkan diagnosis yang benar dan memandu pengobatan yang tepat.”

Alejandro Hoberman, MD, Pr. pediatri dan direktur Divisi Pediatri Akademik Umum di Pitt's Sekolah Kedokteran.

Sumber: UPMC

Ini juga merupakan masalah yang sangat umum, dengan 70% anak terkena infeksi telinga pada tahun pertama kehidupannya.

Diagnosa AI

Pr Hoberman bekerja sama dengan para peneliti di Tandon School of Engineering di NY, Bosch Center for Artificial Intelligence di Pittsburgh, dan Dcipher Analytics di Stockholm, Swedia untuk mengembangkan alat AI untuk mendeteksi infeksi telinga.

Mereka mempublikasikan temuan mereka di JAMA Pediatrics, dengan judul “Pengembangan dan Validasi Pengklasifikasi Otomatis untuk Mendiagnosis Otitis Media Akut pada Anak.

Alat AI yang dihasilkan hanya membutuhkan otoskop yang terhubung dengan kamera smartphone.

Mereka menciptakan dua model AI yang berbeda dan menggunakan database 1,151 video membran timpani dari 635 anak. Mereka kemudian meminta para ahli untuk secara manual memberi anotasi pada setiap video apakah ada infeksi telinga atau tidak.

921 video digunakan untuk melatih AI, dan 230 video sisanya digunakan sebagai uji coba untuk menilai keakuratan AI.

Di antara parameter yang diukur untuk diagnosis yang benar adalah bentuk, warna, posisi, dan transparansi gendang telinga.

Sumber: UPMC

Hasil Medis Unggul

Kedua model tersebut sangat akurat, menghasilkan sensitivitas 9.38% dan spesifisitas 93.5%. Artinya, AI tidak hanya mendeteksi infeksi secara akurat, namun juga memiliki tingkat negatif palsu dan positif palsu yang sangat rendah.

Perlu juga dicatat bahwa akurasi ini lebih baik daripada hasil terbaik yang diperoleh melalui identifikasi visual oleh dokter, dan jauh lebih tinggi daripada hasil yang diperoleh dalam kondisi yang kurang ideal (anak kecil, dokter yang tidak terlatih, dll.)

Video dapat direkam dan diarsipkan. Video ini dapat digunakan untuk menjelaskan diagnosis kepada pasien atau orang tua pasien dan diarsipkan dalam berkas pasien. Video yang direkam juga dapat digunakan untuk melatih mahasiswa kedokteran atau residen dan menjadi alat pengajaran yang berharga bagi rumah sakit dan praktik medis.

Hal ini juga akan membantu dokter keluarga untuk membuat diagnosis yang tepat dan mengurangi resep antibiotik yang berlebihan.

Kesederhanaan penerapan alat ini, hanya menggunakan telepon pintar dokter dan otoskop, juga memungkinkan penerapan yang sangat cepat dan mudah diadopsi.

Perusahaan Diagnostik AI

Untuk waktu yang lama, penerapan AI pada lingkungan kompleks seperti tubuh manusia tidak berhasil, karena AI kesulitan mengatasi “kekacauan” data yang diberikan.

Teknologi baru seperti jaringan saraf telah mengubah hal ini, menciptakan “visi mesin” yang beberapa aplikasinya paling terkenal adalah mobil tanpa pengemudi.

Banyak diagnosis medis saat ini yang masih mengandalkan pendapat dokter dan keahlian yang diperoleh dari mempelajari secara manual ribuan gambar pemindai, RMI, dan juga gendang telinga. Jika AI sekarang dapat menentukan di mana pengendara sepeda berada di jalan, mereka juga menjadi lebih baik, bahkan lebih baik dari manusia, dalam mendeteksi infeksi, tumor, dan masalah medis lainnya.

Banyak perusahaan besar yang memasukkan AI ke dalam sistem pencitraan mereka, misalnya GE Healthcare, Siemens Kesehatan, Canon Medis, dan Philips. Namun karena besarnya perusahaan, mereka bukanlah pemain murni dalam diagnostik medis AI.

Startup lain yang lebih fokus adalah perusahaan swasta, misalnya jalurAI dan Yaitu.AI Misalnya. Jadi kami fokus pada saham yang diperdagangkan secara publik.

1. Jaringan Kupu-kupu

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

Sumber: Jaringan Kupu-kupu

Perusahaan sekarang berada pada tahap ke-3^rd pembuatan probe ultrasonografi, dengan dirilisnya iQ2024 pada tahun 3, dengan kecepatan transfer data lebih tinggi dan kekuatan pemrosesan 2x lipat dari versi sebelumnya. Seperti semua probe ultrasonik Butterfly sebelumnya, probe ini mengandalkan teknologi semikonduktor “ultrasound-on-chip” yang unggul dibandingkan sensor piezoelektrik klasik.

iQ3 menawarkan pengalaman pengguna yang unggul, termasuk kemungkinan untuk memvisualisasikan 3D dan multi-bidang secara bersamaan, perangkat lunak cloud terintegrasi, dan pengaktifan cepat, semuanya dengan harga lebih murah.

Perusahaan menggunakan AI untuk menyempurnakan gambar, menghasilkan pengukuran yang relevan dengan diagnosis secara otomatis, serta memberikan pelatihan/praktik pengajaran.

Sumber: Jaringan Kupu-kupu

Butterfly dengan cepat berekspansi ke pasar-pasar baru di Asia (Singapura, Indonesia, Filipina, dll.), dan juga di pasar dokter hewan, misalnya, memeriksa kesehatan sapi di tempat penggemukan, memanfaatkan ultra-portabilitas alat ultrasoniknya.

2. Enlitik (ENL.AX)

Enlitic telah mengembangkan sistem AI untuk menganalisis gambar radiologi dan secara otomatis menghasilkan deskripsi standar dari gambar tersebut. Jadi ini mewakili langkah selanjutnya dalam data besar gambar radiologi, setelah penerapan standar teknis seperti DICOM atau HL7.

Untuk melakukannya, teknologi Enlitic memanfaatkan visi komputer dan pemrosesan bahasa alami untuk menganalisis gambar DICOM, mengidentifikasi berbagai parameter seperti bagian tubuh, orientasi, kontras, dan ketebalan irisan untuk gambar CT, MR, dan sinar-X.

Sumber: Enlitik

Standardisasi semacam ini diperlukan untuk kemajuan AI di bidang radiologi, serta telemedis dan otomatisasi. Ini akan memberikan interoperabilitas antar sistem, bergantung pada sistem pelabelan yang andal.

Hal ini juga akan membantu monetisasi data ini oleh rumah sakit dan pusat radiologi, untuk menyediakan data yang dianonimkan dan distandarisasi untuk pelatihan AI lainnya.