Peran Artificial Intelligent (AI) Dalam Dunia Kesehatan

Kecerdasan Buatan (AI) sedang mengubah berbagai industri di seluruh dunia, dan saat ini, penerapannya semakin meningkat di sektor kesehatan. AI dalam kesehatan menggambarkan penggunaan algoritma AI atau pembelajaran mesin untuk meniru kognisi manusia dalam mengumpulkan dan memahami data medis dan kesehatan yang kompleks. AI melakukan ini dengan berbagai algoritma Pembelajaran Mesin, Visi Komputer, Pemrosesan Bahasa Alami, Robotika, dan Pembelajaran Mendalam. Algoritma ini mengenali pola dalam perilaku dan kemudian menciptakan logika mereka sendiri untuk memberikan output yang jelas kepada pengguna akhir. Pembelajaran Mesin membantu mendapatkan wawasan penting dan prediksi menggunakan sejumlah besar data input. Selain itu, mereka juga memberikan petunjuk kepada para ahli tentang cara membangun pendamping untuk uji klinis yang mahal.

Dalam topik ini, akan dibahas dampak Kecerdasan Buatan pada sektor kesehatan. Namun sebelum memulai, mari terlebih dahulu memahami pengenalan singkat tentang AI.

Pengenalan Artificial Intelligence

Artificial Intelligent (AI) atau kecerdasan buatan dapat didefinisikan sebagai cabang ilmu komputer yang bertujuan untuk memungkinkan sistem komputer melakukan berbagai tugas dengan kecerdasan yang mirip dengan manusia. Ini juga merupakan kemampuan komputer atau mesin untuk menampilkan proses intelektual dan karakteristik manusia seperti penalaran, generalisasi, dan belajar dari pengalaman masa lalu, dll.

AI dalam Kesehatan

AI dalam Kesehatan digunakan untuk menganalisis teknik pengobatan berbagai penyakit dan mencegahnya. AI digunakan di berbagai bidang kesehatan seperti proses diagnosis, sektor penelitian obat, kedokteran, pusat perawatan pemantauan pasien, dll. Dalam industri kesehatan, AI membantu mengumpulkan data masa lalu melalui catatan kesehatan elektronik untuk pencegahan dan diagnosis penyakit. Ada berbagai institusi medis yang telah mengembangkan algoritma AI mereka sendiri untuk departemen mereka, seperti Memorial Sloan Kettering Cancer Center dan The Mayo Clinic, dll. Selain itu, IBM dan Google juga telah mengembangkan algoritma AI untuk industri kesehatan yang membantu mendukung inisiatif operasional yang meningkatkan penghematan biaya, meningkatkan kepuasan pasien, dan memenuhi kebutuhan staf dan tenaga kerja mereka.

Teknologi AI yang digunakan dalam kesehatan

Kecerdasan Buatan menggunakan berbagai teknologi atau algoritma dalam industri kesehatan, dan ini adalah sebagai berikut:

• Machine Learning(Neural Network and Deep Learning): Dalam kesehatan, penggunaan utama teknologi pembelajaran mesin adalah pengobatan presisi, yang berarti memprediksi protokol pengobatan terbaik yang kemungkinan besar akan berhasil pada pasien berdasarkan karakteristik pasien yang berbeda dan konteks pengobatan.
• Natural Language Processing:  Penggunaan utama NLP (pemrosesan bahasa alami) termasuk membuat, memahami, dan mengklasifikasikan dokumen klinis dan penelitian yang diterbitkan. Ini juga membantu dalam menganalisis catatan klinis tidak terstruktur pada pasien dan mempersiapkan laporan.
• Robotics:  Berbagai robot fisik yang dilengkapi dengan AI untuk melakukan berbagai tugas di sektor kesehatan. Saat ini, robot bedah digunakan untuk membantu ahli bedah dalam meningkatkan kemampuan melihat, menjahit luka, dan sebagainya. Beberapa prosedur bedah yang menggunakan bedah robotik adalah bedah ginekologi, bedah prostat, dan bedah kepala dan leher.
• Rule-based expert System: Sistem pakar berbasis aturan didasarkan pada kumpulan aturan if-then dan paling banyak digunakan di sektor komersial. Ini juga digunakan dalam Rekam Kesehatan Elektronik (EHR) dengan beberapa set aturan dalam sistem mereka. Pertama, kumpulan aturan dibuat oleh ahli manusia dan insinyur pengetahuan, kemudian mereka mengimplementasikan sistem pakar berbasis aturan yang mudah dipahami. Aturan ini sebanding dengan domain pengetahuan, artinya jika pengetahuan berubah, maka aturan bisa menjadi kompleks dan memakan waktu. Oleh karena itu, Kecerdasan Buatan digunakan untuk mengatasi kelemahan sistem pakar berbasis aturan di sektor kesehatan.
• RPA: Dalam sektor kesehatan, otomasi proses robotik digunakan untuk melakukan tugas-tugas berulang seperti memperbarui catatan pasien atau penagihan. Ini juga dapat digunakan untuk mengekstraksi data saat dikombinasikan dengan teknologi lain.

Sistem kesehatan berbasis AI vs. Sistem kesehatan tradisional Sistem

Kesehatan Berbasis AI:

AI membantu memprediksi dan menganalisis data melalui catatan kesehatan elektronik untuk pencegahan penyakit, diagnosis, dan pengobatan penyakit, penyakit fisik dan mental lainnya pada manusia.

Sistem Kesehatan Tradisional:

• Dalam sistem kesehatan yang ada, perawatan hanya didasarkan pada studi saat ini.
• Sangat menantang untuk menemukan dokter yang tepat yang mengenal pasien.
• Kurangnya pengetahuan.
• Kematian yang tidak terduga karena kesalahan manusia.

Peran Kecerdasan Buatan (AI) dalam Kesehatan

Saat ini, AI adalah teknologi yang banyak digunakan di seluruh dunia dan memainkan peran yang sangat penting di setiap sektor, seperti permainan, perbankan, pertanian, dan sebagainya. AI juga memainkan peran yang sangat penting di sektor kesehatan, seperti prediksi dan pencegahan penyakit, penelitian dan produksi obat, pengobatan penyakit, operasi, dan pemantauan pasien.

Kecerdasan Buatan membantu menganalisis dan memprediksi jenis penyakit serta metode pencegahannya berdasarkan pengumpulan data masa lalu melalui catatan kesehatan elektronik untuk pencegahan dan diagnosis penyakit dan kemudian digunakan dalam berbagai prediksi penyakit dan pengobatannya. Namun, AI juga mengumpulkan data ini dari pendekatan tradisional dokter, seperti X-ray.

Lebih lanjut, AI menggunakan teknologi robotika dalam penelitian dan produksi obat serta operasi.

• Penelitian Terkini tentang AI dalam Kesehatan : AI telah mengalami pertumbuhan eksponensial dalam industri penelitian. Pemerintah Amerika Serikat diperkirakan akan menginvestasikan lebih dari $2 miliar dalam AI yang terkait dengan sektor kesehatan seperti Dermatologi, Radiologi, Skrining, Psikiatri, dan Interaksi Obat, dll., dalam lima tahun ke depan.

Radiologi :

Penggunaan Kecerdasan Buatan di departemen radiologi terus meningkat dalam beberapa tahun terakhir. AI digunakan di berbagai bidang radiologi untuk mendeteksi dan mendiagnosis penyakit melalui teknologi seperti Computerized Tomography (CT) dan Magnetic Resonance (MR) Imaging. Melalui algoritma AI dalam radiologi, pneumonia pada pasien dapat dideteksi dengan akurasi dan recall yang lebih baik dibandingkan dengan radiolog yang terlibat dalam uji coba. Demikian pula, AI juga digunakan dalam Oncology untuk mendeteksi dua faktor kunci dalam kesehatan onkologi, yaitu kelainan dan pemantauan perubahan dari waktu ke waktu. Oleh karena itu, AI dalam radiologi akan mengurangi waktu interaksi dan memungkinkan dokter untuk melihat lebih banyak pasien pada waktu yang sama.

Skrining

AI juga paling banyak digunakan di bidang skrining untuk departemen kesehatan. Beberapa sumber mengatakan bahwa kanker kulit dapat dideteksi dengan lebih akurat oleh sistem kecerdasan buatan dibandingkan dengan dokter kulit atau spesialis manusia. Misalnya, biasanya dokter kulit dapat mendeteksi dengan akurasi 86%, sementara melalui mesin CNN, dapat meningkat hingga 96%. Demikian pula, algoritma AI bernama Google DeepMind juga digunakan untuk mendeteksi kanker payudara pada tahap yang sangat awal dibandingkan dengan ahli manusia, sehingga dapat dicegah agar tidak mencapai tahap yang parah. Lebih lanjut, algoritma AI juga membantu mendeteksi kanker prostat dengan lebih akurat daripada ahli manusia.

Psikiatri :

Aplikasi AI digunakan untuk mempelajari kecemasan dan depresi dan masih dalam tahap proof-of-concept. Sebuah perusahaan besar Facebook menerapkan skrining untuk ide bunuh diri. Jenis aplikasi ini menimbulkan berbagai pertanyaan profesional, etis, dan regulasi bagi para profesional di industri kesehatan.

Perawatan Primer :

Perawatan primer adalah salah satu area pengembangan utama untuk teknologi AI seperti pemodelan prediktif, analitik bisnis, pengambilan keputusan suportif, dll.

Diagnosis Penyakit

Teknologi AI seperti mesin vektor pendukung, jaringan saraf, dan pohon keputusan berkembang pesat untuk mendiagnosis berbagai penyakit di industri kesehatan. Kecerdasan Buatan menggunakan Medical Learning Classifiers (MLC’s) untuk membantu dokter dalam diagnosis pasien dengan bantuan catatan kesehatan elektronik massal.

Dermatologi

Dermatologi adalah teknik pencitraan yang juga lebih ditingkatkan dengan penggunaan Pembelajaran Mendalam dalam Pemrosesan Gambar. Oleh karena itu, Dermatologi dan Pembelajaran Mendalam membuat ikatan yang kuat di sektor kesehatan. Namun, Dermatologi adalah teknik pemrosesan gambar, dan pembelajaran mendalam adalah algoritma Kecerdasan Buatan (AI) yang membuatnya lebih efisien dan lebih mudah dibandingkan dengan cara tradisional lainnya. Pemrosesan Gambar dalam Dermatologi: Ada tiga jenis utama pemrosesan gambar dalam Dermatologi sebagai berikut:

• Gambar Kontekstual
• Gambar Makro
• Gambar Mikro

Melalui penggunaan AI dalam pemrosesan gambar, kanker kulit keratinocytes dapat dideteksi melalui fotografi wajah. Lebih lanjut, klasifikasi tingkat dermatologi dari kanker kulit dapat ditunjukkan melalui gambar festering. Demikian pula, melalui jaringan saraf, sel kulit dapat diidentifikasi dari mikroskop juga.

Drug Interaction

Di sektor kesehatan, algoritma AI untuk mengidentifikasi interaksi obat-obat dapat ditingkatkan dengan penggunaan Pemrosesan Bahasa Alami (NLP). Interaksi obat meningkatkan jumlah obat yang dikonsumsi oleh manusia yang mengonsumsi banyak obat untuk penyakit mereka. Melalui Pembelajaran Mesin, ilmu kedokteran telah mengembangkan beberapa teknik untuk mengekstraksi interaksi obat-obat dan efek serta penyebabnya yang mungkin. Lebih lanjut, interaksi obat-obat juga dapat diidentifikasi melalui penggunaan Pembelajaran Mendalam.

Manufacturing of Drugs

Produksi obat baru juga menjadi lebih mudah dan tidak memakan waktu melalui AI. Dengan bantuan Kecerdasan Buatan (AI), molekul obat untuk OCD (obsessive-compulsive disorder), perawatan menjadi lebih mudah, yang tidak mungkin dilakukan dalam waktu sekitar lima tahun melalui pendekatan tradisional.

Electronic Health Record (EHR)

Catatan kesehatan elektronik adalah faktor kunci utama untuk mengembangkan dan mendigitalisasi sektor kesehatan. Kecerdasan Buatan membantu menafsirkan catatan dan memberikan informasi terbaru tentang penyakit. Juga, membantu membedakan penyakit yang sama yang sebagian besar spesialis medis perlakukan serupa seperti heart attack and myocardial infarction. Pemrosesan Bahasa Alami telah mengkonsolidasikan perbedaan antara penyakit-penyakit ini dan juga membantu menyiapkan catatan resep yang relevan untuk pasien lain di masa depan. Lebih lanjut, ini juga membantu menganalisis informasi yang dimasukkan oleh berbagai dokter untuk mengingat semua detail yang relevan dalam penyakit yang sama.

Lebih lanjut, melalui beberapa algoritma Kecerdasan Buatan, EHR dapat dimodifikasi untuk memprediksi risiko penyakit berdasarkan data sebelumnya dari seorang pasien dan keluarga mereka. Ada juga algoritma yang sedikit mirip dengan pendekatan tradisional yang digunakan manusia secara umum. Dalam sistem berbasis aturan ini, mesin juga memprediksi dan mengambil keputusan sesuai dengan diagram alur. Mesin mengumpulkan sejumlah besar data dan membuat set aturan baru berdasarkan pengamatan, kemudian menyimpulkan diagnosis. Pendekatan ini membantu mengumpulkan data pasien dan menemukan masalah yang luar biasa serta menghemat waktu dibandingkan dengan alternatif tradisional lainnya. Beberapa studi mengatakan, pemodelan prediktif EHR dapat mencapai data yang akurat hingga 75%, dan ini mengakibatkan jumlah catatan kesehatan online berlipat ganda setiap lima tahun.

Kesimpulan

Dalam sektor kesehatan, Kecerdasan Buatan membantu mengurangi biaya pengobatan dengan diagnosis yang lebih akurat, prediksi yang lebih baik, dan pengobatan penyakit. Para peneliti juga sedang mengerjakan proyek AI yang dapat menjadi berkah bagi manusia dalam beberapa tahun mendatang. Antarmuka otak-komputer dapat membantu pasien yang mengalami cacat fisik atau cedera sumsum tulang belakang juga.

Oleh karena itu, industri kesehatan sepenuhnya siap untuk beberapa perubahan besar. Dari penyakit kronis dan kanker hingga radiologi dan penilaian risiko, dapat diterapkan dengan teknologi berbasis AI baru dengan penemuan yang lebih tepat, efisien, dan hemat biaya. Industri kesehatan dianggap sebagai ilmu yang rumit yang terikat oleh kendala hukum, etika, ekonomi, dan sosial dan dapat diterapkan dengan AI dengan melakukan perubahan paralel di lingkungan.

referensi : [1][2]