Kesehatan Akan Mengalami Perubahan Cepat Seiring AI Membawa Kemungkinan Baru

Kecerdasan buatan membuka peluang baru di berbagai industri, termasuk kesehatan. Sistemnya dapat membantu pencegahan, diagnosis, dan evaluasi pengobatan. Manfaat bagi pasien bergantung pada validasi klinis, pengawasan tenaga kesehatan, dan penerapan yang tepat.

Kecerdasan Buatan

AI dapat membantu penyedia layanan bekerja lebih efisien, tetapi tidak otomatis menurunkan biaya atau menjamin akses yang adil. Infrastruktur, data, pembiayaan, dan tata kelola tetap menentukan hasilnya.

AI mencakup berbagai metode untuk mempelajari pola dari data. Jaringan pembelajaran mendalam tidak belajar persis seperti otak manusia dan dapat menghasilkan kesalahan. Keandalannya dalam kesehatan harus diuji pada pasien dan kondisi yang sesuai.

AI Meningkatkan Diagnosis

Dalam diagnosis, AI dapat membandingkan data pasien atau gambar medis dengan pola yang dipelajari selama pelatihan. Sistem tertentu mendukung pemantauan langsung, tetapi kemampuan setiap perangkat berbeda. Penggunaan klinis memerlukan penilaian kualitas data dan kinerja di luar data pelatihan.

Diagnosis Perawatan Mata AI

Contoh yang dibahas dalam eClinicalMedicine adalah meta-analisis¹ mengenai AI untuk mengenali keratitis infeksius. Tim internasional yang melibatkan Dr. Darren Ting dari Universitas Birmingham meninjau penelitian yang sudah ada, bukan membuat satu algoritma baru dalam penelitian ini.

Keratitis infeksius merupakan peradangan kornea yang dapat menyebabkan kehilangan penglihatan atau kebutaan. Kondisi ini termasuk penyebab utama kebutaan kornea dan perlu didiagnosis serta ditangani dengan cepat.

Sumber – Pemindaian Kornea Webeye

Tim meninjau 35 studi pembelajaran mendalam yang secara keseluruhan menggunakan lebih dari 136.000 gambar kornea. Angka tersebut bukan ukuran data pelatihan satu model baru yang dibuat tim Ting.

Dalam analisis gabungan, model AI memiliki sensitivitas 89,2%, dibandingkan 82,2% pada dokter mata. Sensitivitas bukan akurasi keseluruhan: ukuran ini menunjukkan kemampuan mengenali kasus yang benar-benar positif. Hasil gabungan tidak menjamin setiap model selalu lebih baik atau lebih cepat daripada setiap dokter.

Temuan ini menunjukkan potensi AI sebagai alat bantu, termasuk di wilayah dengan akses terbatas ke dokter mata. Penulis menekankan perlunya data lebih beragam dan validasi eksternal sebelum penggunaan klinis yang lebih luas.

Diagnosis Kanker Paru

Kanker paru merupakan penyebab utama kematian akibat kanker. Estimasi IARC untuk 2022, yang dirilis pada 2024, menunjukkan sekitar 1,8 juta kematian di seluruh dunia. Studi Universitas Cologne dan rumah sakit universitasnya, «Patologi kanker paru generasi berikutnya: pengembangan dan validasi algoritma diagnostik dan prognostik», membahas analisis digital jaringan, bukan pemeriksaan pasien tanpa pengambilan sampel.

Platform tersebut menggunakan AI untuk menganalisis potongan jaringan yang telah didigitalkan. Jadi, prosesnya tidak dapat disebut diagnosis sepenuhnya noninvasif atau perangkat portabel yang langsung memeriksa setiap pasien. Angka 89% yang dikutip tidak boleh digeneralisasi sebagai akurasi semua tugas diagnosis kanker paru; kemampuan klinis perlu dinilai menurut tugas dan data validasinya.

Mendeteksi Kesalahan Medis

Kesalahan obat dapat terjadi saat memilih, menyiapkan, atau memberikan obat dan dapat menimbulkan bahaya serius. Kesalahan pemberian obat termasuk insiden kritis yang sering dilaporkan dalam anestesi. Hal itu berbeda dari menyatakan bahwa anestesi menyebabkan sebagian besar kesalahan obat di seluruh layanan kesehatan.

Pemberian obat sering berlangsung dalam situasi mendesak dengan tekanan kerja tinggi. Gangguan, pencahayaan, dan tata letak dapat meningkatkan kesulitan. Alat bantu keselamatan perlu mendukung alur kerja tenaga kesehatan tanpa menghapus tanggung jawab pemeriksaan manusia.

Peneliti Universitas Washington mengembangkan sistem kamera yang dapat dikenakan dan model AI untuk mendeteksi potensi kesalahan saat obat dipindahkan dari vial ke spuit. Sistem ini diteliti sebagai alat bantu keselamatan, bukan pengganti seluruh proses pemberian obat.

AI Kesehatan

Model menggunakan petunjuk visual seperti ukuran dan bentuk vial serta spuit, warna tutup, dan ukuran cetakan label. Sistem tidak sekadar membaca semua teks label secara langsung. Ia dilatih memperhatikan wadah yang sedang dipegang dan mengabaikan obat di latar belakang.

Tim mengumpulkan video 4K dari 418 pengambilan obat oleh 13 penyedia anestesi dengan pengaturan ruangan dan pencahayaan berbeda. Dalam pengujian, model mencapai sensitivitas 99,6% dan spesifisitas 98,8% untuk kesalahan pertukaran vial. Hasil ini berlaku pada tugas dan kondisi pengujian tersebut.

Penelitian menunjukkan potensi AI untuk membantu keselamatan pemberian obat. Kinerja tinggi pada pengujian tidak berarti semua kesalahan dapat dicegah atau seluruh proses aman diotomatisasi. Penerapan nyata membutuhkan evaluasi tambahan dan integrasi dengan pengawasan klinis.

Memantau Efektivitas Pengobatan

AI dapat membantu menggabungkan riwayat medis, hasil pemeriksaan, dan faktor lain untuk mendukung evaluasi pengobatan. Kualitas rekomendasi bergantung pada data serta tujuan penggunaan. Keputusan diagnosis dan resep tetap memerlukan penilaian klinis yang sesuai.

Pemantauan dapat membantu mengenali pola respons terhadap obat dan cara pemberiannya. Simulasi juga dapat mempersempit pilihan penelitian, tetapi tidak menggantikan pengujian keamanan dan efektivitas pada manusia yang diperlukan sebelum penggunaan klinis.

Perangkat AI yang Dapat Dikenakan

Perangkat yang dapat dikenakan mencakup jam pelacak aktivitas dan tidur serta biosensor khusus. Kemajuan sensor, elektronik, dan perangkat lunak membuka penggunaan baru. Kemampuan dan akurasi setiap produk tetap berbeda.

Pemrosesan AI pada perangkat dapat mengurangi kebutuhan mengirim seluruh data ke server. Namun tidak semua perangkat yang dapat dikenakan harus menggunakan internet untuk setiap fungsi, dan tidak semua model AI dapat dijalankan sepenuhnya secara lokal.

Sumber – Scnsoft

AI lokal dapat membantu analisis sinyal secara langsung, dengan batas daya, memori, dan akurasi. Model bahasa dapat mendukung interaksi suara atau teks, tetapi bukan satu-satunya penyebab perangkat menjadi kecil atau lentur. Hasil pengukuran juga tidak otomatis merupakan diagnosis medis.

AI Kesehatan

Studi Nature Electronics berjudul «Platform komputasi di dalam sensor yang dapat dikenakan berbasis transistor elektrokimia organik yang dapat diregangkan» menggabungkan sensor dan komputasi pada elektronik lentur. Potensi kenyamanan dan proses pembuatannya perlu dibedakan dari klaim bahwa semua perangkat sudah lebih murah atau terbukti tahan lama dalam penggunaan klinis.

Peneliti membuat platform mikroelektronik yang menggabungkan pengindraan, komputasi, dan kemampuan meregang untuk mengolah sinyal elektrofisiologis. Demonstrasi ini merupakan langkah penelitian, bukan bukti bahwa semua aplikasi kesehatan berbasis perangkat lentur telah siap digunakan.

Prosedur Pengobatan Baru

Nanopartikel dan sistem robotik berukuran sangat kecil juga diteliti untuk penghantaran obat. Keduanya tidak sama: banyak nanopartikel tidak memiliki mekanisme gerak atau kendali seperti robot. Kegunaannya bergantung pada bahan, target, dan keamanan biologis.

AI dapat mendukung perancangan atau pengujian beberapa sistem penghantaran obat. Namun tidak semua partikel dapat bergerak sendiri ke setiap bagian organ, dan peningkatan efektivitas tidak boleh diasumsikan tanpa pengujian. Banyak robot mikro dan nano masih berada pada tahap praklinis.

Perusahaan yang Berpotensi Memanfaatkan AI dalam Kesehatan

Perusahaan perangkat medis dan layanan kesehatan dapat menggunakan AI untuk mendukung diagnosis, analisis, atau pengembangan produk. Peluang teknis tidak otomatis menjadi kenaikan pendapatan, dan keberhasilan klinis maupun komersial harus dinilai terpisah.

Medtronic

Medtronic merupakan perusahaan perangkat medis yang didirikan pada 1949, dengan kegiatan di Minnesota dan Irlandia. Artikel ini menyebut lebih dari 90.000 karyawan dalam konteks historisnya. Pada 1957, perusahaan mengembangkan alat pacu jantung eksternal yang dapat dikenakan dan menggunakan baterai; ini berbeda dari menyatakan bahwa seluruh teknologi alat pacu jantung pertama muncul pada 1960-an.

MDT Grafik Harga

Medtronic menggunakan AI pada sejumlah produk. Contohnya GI Genius, modul bantuan endoskopi untuk membantu mendeteksi polip kolorektal selama kolonoskopi. Sistem ini mendukung dokter, bukan memberikan diagnosis jaringan secara mandiri.

Mazor X merupakan platform bantuan robotik untuk bedah tulang belakang. StealthStation merupakan sistem navigasi bedah, sehingga keduanya tidak tepat disebut robot yang sama jenisnya. Manfaat pemulihan atau pengurangan kesalahan bergantung pada prosedur, pasien, dan bukti klinis.

Medtronic memiliki portofolio perangkat seperti alat pacu jantung, defibrilator, katup jantung, dan stent. Posisi pasar yang besar dan penggunaan AI tidak menjamin pertumbuhan atau menjadikan MDT pembelian yang sesuai bagi setiap investor.

Masa Depan AI dalam Kesehatan

Kombinasi AI dengan teknik fabrikasi dan penghantaran obat baru dapat membuka arah penelitian. Gambaran printer holografik mencetak robot nano menembus kulit untuk langsung mengobati pasien masih bersifat spekulatif dan bukan layanan klinis yang dibuktikan oleh studi-studi di atas.

AI berpotensi mendukung layanan di wilayah dengan tenaga kesehatan terbatas. Hasilnya tetap bergantung pada akses perangkat, infrastruktur, pelatihan, data yang representatif, dan pengawasan. Integrasi AI tidak otomatis menciptakan sistem kesehatan global yang adil bagi semua orang.

AI Kesehatan – Masa Depan yang Lebih Cerah

Integrasi AI sebaiknya didasarkan pada manfaat yang teruji untuk pasien. Kemampuan menemukan pola dapat membantu tenaga kesehatan dan peneliti, tetapi jumlah sistem AI yang lebih banyak tidak selalu berarti layanan lebih baik. Validasi, perlindungan data, dan pemantauan kinerja tetap diperlukan.

Pelajari proyek AI lainnya.

Referensi Studi:

^{1. University of Birmingham. (2024, 21 Oktober). Studi menemukan AI sebanding dengan dokter mata dalam mendiagnosis infeksi kornea. https://www.birmingham.ac.uk/news/2024/ai-eye-to-eye-with-ophthalmologists-in-diagnosing-corneal-infections-study-finds}