KECERDASAN BUATAN

Diagnosis dokter AI lebih baik dari dokter junior

Ilustrasi dokter AI.
Ilustrasi dokter AI. | Metamorworks /Shutterstock

Dokter kecerdasan buatan (AI) bisa mengenali gejala-gejala penyakit anak lebih akurat daripada kebanyakan petugas medis manusia. Dokter AI ini dibekali dengan informasi dari sekitar 1,4 juta catatan kesehatan.

Data ini lah yang digunakan untuk mendiagnosis segala penyakit. Mulai dari flu dan gastroenteritis hingga meningitis. Dalam beberapa kasus, diagnosis AI ini memiliki akurasi lebih dari 90 persen.

Saat diuji, kinerja sistem lebih baik daripada dokter junior. Pun demikian bukan berarti dokter AI ini bisa diandalkan layaknya petugas medis yang lebih berpengalaman.

Para peneliti yakin AI bisa membantu memilah pasien di rumah sakit sesuai tingkat keparahan, serta meningkatkan diagnosis kondisi yang kompleks dan langka.

Penelitian ini dilakukan oleh Guangzhou Medical University di Tiongkok. Dr. Kang Zhang, profesor oftalmologi dan genetika memimpin riset ini.

"Studi kami menyajikan bukti konsep untuk menerapkan sistem berbasis AI sebagai sarana membantu dokter dalam menangani sejumlah besar data, menambah evaluasi diagnostik, dan untuk memberikan dukungan keputusan klinis dalam kasus ketidakpastian atau kompleksitas diagnostik," kata Dr. Zhang.

Sistem baru ini bergantung pada neural network, generasi kecerdasan buatan yang mempercepat pengembangan berbagai hal mulai dari perawatan kesehatan hingga mobil tanpa pengemudi. Neural network bisa mempelajari banyak hal dengan menganalisis sejumlah besar data.

Untuk melatih model AI, para ilmuwan membekalinya dengan catatan kesehatan elektronik dari 1.362.559 kunjungan rawat jalan di rumah sakit pemerintah utama di Tiongkok, Guangzhou Women and Children's Medical Centre.

Catatan tersebut mencakup konsultasi dokter pasien anak-anak dan remaja sejak Januari 2016 hingga Juli 2017. Total terdapat 101,6 juta data yang melatih program. Ini memungkinkan model AI meniru diagnosis klinis dokter manusia.

Pada praktiknya, kata dan frasa tertentu, juga data seperti suhu tubuh pasien juga dimasukkan ke dalam sistem. Oleh karena itu program mengidentifikasi kata kunci seperti 'sakit perut' dan 'muntah' sebagai gejala gastroenteritis.

Ketika diuji melawan 20 dokter, sistem AI membuat diagnosis lebih akurat daripada petugas medis junior. Hasil ini kelihatan menjanjikan.

"Saya pikir hasilnya cukup bagus. Secara konseptual, ini tidak orisinal, tetapi banyaknya data dan eksekusi yang sukses tetap penting," kata Mustafa Bashir, profesor radiologi di Duke University Medical Center yang tidak terlibat dalam riset.

Pemrosesan data, telah melalui langkah-langkah mengambil kumpulan data besar, memasukkannya melalui algoritma, dan menyortir pesan darinya. Proses ini menurut Bashir bukan hal baru, namun ia mengakui sistem Zhang bekerja dengan baik.

Namun, ada juga ahli yang skeptis dan bersikeras AI tidak akan pernah menggantikan dokter manusia.

Profesor Duc Pham, dari departemen teknik mesin di University of Birmingham, mengatakan penelitian ini merupakan penerapan deep learning yang sangat baik. Tetapi menurutnya, sistem ini tidak bisa menjamin hasil yang benar 100 persen, seberapa pun banyaknya pelatihan yang telah didapat dokter AI.

"Meskipun hasil riset menunjukkan rata-rata sistem mereka berkinerja lebih baik daripada dokter junior, itu tidak akan menggantikan dokter," tegas Profesor Pham.

Menurut Prof. Pham, penilaian atau keputusan kritis harus selalu dibuat oleh ahli manusia yang benar-benar memenuhi kualifikasi.

Memang, kemampuan neural network untuk mengenali pola dalam data yang tidak dapat diidentifikasi oleh manusia bisa sangat bermanfaat dalam situasi tertentu. Tetapi bahkan para ahli pun kesulitan memahami mengapa jaringan semacam itu membuat keputusan tertentu dan bagaimana mereka mengajar diri mereka sendiri.

Maka dari itu, pengujian ekstensif diperlukan untuk meyakinkan dokter dan pasien bahwa sistem ini bisa diandalkan.

Para ahli mengatakan uji klinis ekstensif diperlukan untuk neural network buatan Dr. Zhang.

"Kedokteran adalah bidang yang bergerak lambat. Tidak ada yang akan menggunakan salah satu teknik ini tanpa pengujian ketat yang menunjukkan dengan tepat apa yang sedang terjadi," kata Ben Shickel, peneliti di University of Florida dengan spesialisasi deep learning untuk perawatan kesehatan.

Mungkin perlu bertahun-tahun sebelum sistem deep learning mendapat ruang di klinik atau UGD. Walau kini beberapa sudah mulai digunakan, misal Google yang menjalankan uji klinis sistem pemindai mata di dua rumah sakit di India selatan.

BACA JUGA
Tanya Loper Tanya LOPER
Artikel terkait: SPONSOR