Download Majalah Farmasetika

AI dan Machine Learning Tingkatkan Pelayanan Perawatan Pasien

Majalah Farmasetika – Masih ada masalah signifikan yang belum terselesaikan dalam kecerdasan buatan dan pembelajaran mesin, yang harus ditangani sebelum mereka dapat digunakan secara aman dan efektif secara lebih luas dalam kedokteran.

Selain meningkatkan kualitas perawatan yang dapat diberikan oleh para profesional kesehatan kepada pasien, sebuah artikel baru-baru ini yang diterbitkan dalam The New England Journal of Medicine berpendapat bahwa kecerdasan buatan (AI) dan pembelajaran mesin (Machine Learning) akan memungkinkan para profesional kesehatan untuk menghabiskan lebih banyak waktu pada interaksi manusia-ke-manusia yang penting.

Sepanjang 1990-an dan awal 2000-an, peneliti komputer dengan cepat meningkatkan kemampuan mesin untuk melakukan beberapa tugas medis berulang, yang biasanya akan rentan terhadap kesalahan manusia. Selama beberapa dekade terakhir, pembacaan komputer elektrokardiogram dan jumlah diferensial sel putih, analisis foto retina dan lesi kulit, dan tugas pemrosesan gambar lainnya telah menjadi kenyataan, sebagian besar diterima dan dimasukkan ke dalam praktik klinis.

“Para ilmuwan sedang membangun jaringan besar data yang terhubung untuk menggoda temuan baru, menggunakan AI dan pembelajaran mesin,” tulis para penulis.

“Kemajuan ini telah memungkinkan munculnya komputer yang dapat membantu Anda melakukan tugas-tugas yang sebelumnya membosankan. ” lanjutnya.

Namun, penggunaan AI dan pembelajaran mesin telah berkembang jauh melampaui pembacaan gambar medis, termasuk membantu mengidentifikasi wabah penyakit menular; menggabungkan klinis, genetik, dan banyak output laboratorium lainnya untuk mengidentifikasi kondisi yang mungkin tidak terdeteksi; dan merampingkan operasional bisnis sistem kesehatan. Namun, masih ada masalah signifikan yang belum terselesaikan dalam AI dan pembelajaran mesin, yang harus diatasi sebelum dapat digunakan secara aman dan efektif secara lebih luas dalam kedokteran.

Pertama, penulis mencatat bahwa norma belum ditetapkan dengan penggunaan AI dan pembelajaran mesin. Para peneliti masih tidak yakin bagaimana bias dalam algoritma yang digunakan untuk “mengajarkan” alat AI memiliki pengaruh ketika diterapkan di dunia nyata. Dalam banyak hal, tampaknya nilai-nilai kemanusiaan dilapisi dengan AI dan alat pembelajaran mesin, menghasilkan masalah yang sama yang dihadapi oleh para profesional kesehatan daripada data objektif.

Baca :  Ketika ChatGPT Bahas Gaji Apoteker Indonesia vs Negara Lain

Kedua, mereka mengatakan peran yang tepat untuk AI dan pembelajaran mesin masih belum jelas, dengan segudang potensi penggunaan yang disarankan tetapi belum diimplementasikan. Misalnya, beberapa opsi termasuk menggunakan AI dan alat pembelajaran mesin sebagai juru tulis pribadi, atau kemampuan alat ini untuk mendorong dokter mengajukan pertanyaan kunci yang mungkin mengarah pada diagnosis banding.

Dengan semua pilihan ini dan banyak lainnya, diperlukan lebih banyak penelitian klinis. Meskipun komunitas medis mengharapkan jumlah data dan kejelasan yang sama mengenai intervensi AI dan pembelajaran mesin seperti yang mereka lakukan dengan intervensi farmasi, standar untuk menggambarkan dan menguji alat-alat ini masih belum jelas.

Setiap penelitian tentang AI dan pembelajaran mesin untuk penggunaan medis harus memiliki 3 komponen, kata penulis: Pertama, harus menjawab pertanyaan yang bermakna secara klinis yang dapat mempengaruhi perilaku profesional kesehatan. Kedua, intervensi harus dapat didefinisikan, terukur, dan dapat diterapkan. Dan akhirnya, ketika hasilnya diterapkan pada praktik, hasilnya harus bermanfaat bagi semua pasien yang dipertimbangkan — bukan hanya mereka yang mirip dengan orang-orang yang dilatih algoritma.

Salah satu contoh yang sangat menarik dari peluang potensial untuk AI dan pembelajaran mesin dalam kedokteran melibatkan penggunaan chatbots yang berkembang pesat. Para penulis mendefinisikan chatbot sebagai program komputer menggunakan AI dan pemrosesan bahasa alami untuk memahami pertanyaan dan membuat tanggapan otomatis terhadapnya, mensimulasikan percakapan manusia. Chatbot medis yang sangat awal, yang disebut ELIZA, dikembangkan antara tahun 1964 dan 1966, dan baru-baru ini teknologi chatbot telah menyebar ke hampir semua aspek kehidupan.

“Meskipun chatbots baru-baru ini diperkenalkan pada tingkat kecanggihan yang dapat berdampak pada praktik medis sehari-hari, kami percaya bahwa potensi mereka untuk mempengaruhi bagaimana pengobatan dipraktikkan sangat besar,” tulis para penulis.

Baca :  Kecerdasan Buatan Bisa Petakan Obat Kanker Paling Tepat untuk Setiap Pasiennya

Chatbots generasi baru sangat kuat dan dapat digunakan sebagai juru tulis atau pelatih bagi para profesional medis; Namun, penulis mencatat beberapa peringatan utama. Khususnya, meskipun chatbots dapat menjawab pertanyaan kunci yang dapat membantu profesional kesehatan secara signifikan, sulit untuk mengetahui apakah jawaban yang diberikan didasarkan pada fakta yang tepat, dan tanggung jawabnya ada pada dokter untuk mengoreksi dan mengkonfirmasi pekerjaan chatbot.

“Namun demikian, kami berpikir bahwa chatbots akan menjadi alat penting dalam praktik kedokteran,” tulis para penulis.

“Seperti alat yang bagus, mereka dapat membantu kami melakukan pekerjaan kami dengan lebih baik, tetapi jika tidak digunakan dengan benar, mereka berpotensi melakukan kerusakan.”lanjutnya.

Para penulis menyimpulkan bahwa pengenalan AI dan pembelajaran mesin tidak diragukan lagi telah membantu para profesional kesehatan meningkatkan kualitas perawatan yang dapat mereka berikan kepada pasien dan memiliki potensi luar biasa untuk meningkatkan perawatan lebih jauh. Daripada menempatkan profesional kesehatan keluar dari bisnis, seperti yang penulis katakan beberapa telah khawatir, bekerja bersama-sama dengan alat-alat ini dapat memungkinkan para profesional kesehatan untuk melakukan pekerjaan mereka dengan lebih baik dan memiliki interaksi penting dengan pasien yang membuat profesi begitu bermanfaat.

REFERENCE

Haug CJ and Drazen JM. Artificial Intelligence and Machine Learning in Clinical Medicine, 2023. New Engl J Med. 2023;388:1201-1208. doi:10.1056/NEJMra2302038.

Share this:

About jamil mustofa

Avatar photo

Check Also

FDA Setujui Penggunaan Rybrevant sebagai Pengobatan Tahap Awal untuk NSCLC

Majalah Farmasetika – FDA menyetujui amivantamab-vmjw (Rybrevant, Janssen Biotech Inc) dengan karboplatin dan pemetreksed untuk …

Tinggalkan Balasan

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.