Kecerdasan buatan memiliki potensi untuk merevolusi pengambilan keputusan klinis, tetapi ada hambatan untuk adopsi secara luas dalam perawatan kesehatan.

Kecerdasan Buatan: Dulu fiksi ilmiah, sekarang mengubah perawatan kesehatan

Perawatan kesehatan telah meningkat pesat selama 20 tahun terakhir, meningkatkan harapan hidup di seluruh dunia. Namun, populasi yang menua akibatnya menempatkan peningkatan beban pada layanan kesehatan. Mengelola pasien ini mahal dan membutuhkan sistem perawatan kesehatan untuk fokus pada manajemen perawatan jangka panjang – versus manajemen perawatan episodik.

Seperti yang akan disaksikan oleh banyak lembaga riset pasar perawatan kesehatan, kecerdasan buatan memiliki potensi untuk merevolusi perawatan kesehatan dan membantu mengatasi tantangan ini. Ini sudah berhasil digunakan di berbagai bidang seperti deteksi dan diagnosis penyakit, meskipun masih ada hambatan yang mencegah perluasan AI dalam perawatan kesehatan.

Tiga hambatan utama AI dalam perawatan kesehatan:

1. Peraturan

Pertama, tantangan regulasi. Ada banyak badan pengatur yang unik untuk pasar yang berbeda. Untuk tujuan blog ini, mari kita persempit menjadi satu: AS.

Pada April 2019, FDA menerbitkan makalah diskusi yang memicu perdebatan tentang kerangka peraturan apa yang harus ada untuk modifikasi dan penggunaan AI di lingkungan medis.

Pada awal tahun ini, mereka mengeluarkan rencana aksi baru yang dibangun di atas perdebatan itu, menjabarkan pendekatan yang direncanakan untuk regulasi perangkat lunak sebagai perangkat medis yang memanfaatkan AI atau ML (pembelajaran mesin). Anda dapat membaca lebih lanjut tentang rencana aksi di sini .

Menurut pedoman FDA di AS, program perangkat lunak dan perangkat AI kemungkinan besar termasuk dalam Kelas 3.

Kelas 3 didefinisikan sebagai risiko tinggi. Ini mewakili ~ 10% perangkat medis di pasar dan merupakan kategori utama sistem kecerdasan buatan karena dapat menimbulkan ancaman serius bagi pasien jika tidak berfungsi.

Sementara sebagian besar program perangkat lunak dan perangkat AI berfungsi untuk membantu profesional medis, sulit untuk mengatakan apakah perangkat ini akan mengesampingkan penilaian profesional kesehatan.

Ini membawa kita ke rintangan berikutnya: Kepercayaan pasien dan penyedia. Bahkan jika FDA menyetujui perangkat medis ini, apakah mereka akan dipercaya?

2. Kepercayaan pasien dan penyedia

Inovasi AI ada di mana-mana dalam hidup kita, dan terkadang kita bahkan tidak menyadarinya. Meskipun relatif tidak berbahaya dalam banyak kasus, mempercayai AI untuk memberikan rekomendasi kesehatan yang akurat jauh lebih rumit.

Ada banyak contoh di industri lain di mana AI telah berjuang. Khusus untuk industri perawatan kesehatan, IBM Watson for Oncology (komputer super bertenaga AI) berjanji untuk merevolusi pengobatan kanker.

Namun, menurut penyelidikan STAT ke dalam teknologi, itu tidak memenuhi janjinya dan masih berjuang untuk membedakan antara berbagai bentuk kanker. Selain itu, rumah sakit di luar AS mengeluh bahwa saran mesin itu bias terhadap pasien dan metode perawatan Amerika.

Sementara teknologi ini masih dalam masa pertumbuhan, IBM belum menerbitkan makalah ilmiah yang menunjukkan bagaimana teknologi mempengaruhi pasien dan penyedia, sehingga lebih sulit bagi penyedia untuk dipercaya.

Baik penyedia maupun pasien ingin memahami mengapa perawatan tertentu direkomendasikan, dan karena algoritme pembelajaran mesin terlalu rumit untuk dipahami oleh rata-rata pengguna, 'mengapa' tidak ada. Tidak mengherankan bahwa pasien mempercayai pendapat dokter manusia daripada mesin.

Sangat penting bagi produsen AI dan ML untuk transparan tentang cara kerja teknologi, sumber datanya, manfaat, dan keterbatasannya.

Memahami 'mengapa' di balik AI dan pembelajaran mesin itu rumit, jadi membantu pasien memahami bagaimana AI dapat mendukung perawatan mereka dan meyakinkan penyedia bahwa mereka dapat mempercayai mesin ini adalah penting.

3. Masalah privasi

Terkait dengan masalah kepercayaan ini adalah masalah privasi dan keamanan siber. Pertama, berkaitan dengan data pasien. Sudah ada peraturan ketat seputar ini dan bagaimana data dapat dibagikan dan digunakan.

Dalam beberapa kasus penggunaan, dimungkinkan untuk menganonimkan data yang cukup untuk memungkinkan mesin AI melakukan pekerjaannya. Namun area lain mungkin lebih bermasalah, seperti diagnosis yang bergantung pada gambar seperti ultrasound.

Kedua, seiring dengan pertumbuhan AI dalam kemampuannya, serangan siber juga akan meningkat. Teknik seperti pembelajaran mesin tingkat lanjut, pembelajaran mendalam, dan jaringan netral memungkinkan komputer untuk mencari pola dalam data tetapi juga untuk menemukan dan mengeksploitasi kerentanan.

AI juga bisa menjadi bagian dari solusi. Sudah, teknik pembelajaran mesin canggih yang dikombinasikan dengan teknologi cloud menganalisis sejumlah besar data dan mengidentifikasi ancaman waktu nyata. AI dapat mengidentifikasi hotspot tempat serangan siber berasal dan menghasilkan laporan intelijen keamanan siber.

Kesimpulannya

AI masih dalam masa pertumbuhan di industri perawatan kesehatan, dan kami terus belajar lebih banyak tentang apa yang dapat ditawarkan AI. Kami juga belajar tentang keterbatasannya. AI tidak dapat menggantikan dokter manusia, tetapi memiliki berbagai kemampuan untuk membantu dalam pengambilan keputusan klinis . Ia mampu menangkap pola-pola kompleks yang hanya bisa terlihat ketika data pasien dilihat secara agregat, sesuatu yang tidak masuk akal untuk diketahui oleh seorang dokter.

Meskipun ada beberapa hambatan lain untuk AI dan ML yang belum dibahas dalam artikel ini, kepercayaan pasien dan penyedia adalah salah satu yang terbesar. Selama masalah kepercayaan menahan pasien dan penyedia layanan, adopsi AI secara luas dalam perawatan kesehatan tetap di luar jangkauan.

sumber:
https://www-greenbook-org.translate.goog/mr/market-research-technology/barriers-to-ai-in-healthcare