Ketika orang bertanya kepada saya bagaimana memisahkan histeria AI dari kenyataan dalam kedokteran, saya menyarankan untuk mulai dengan tiga pertanyaan kritis … [+] .
getti
Kecerdasan buatan telah lama dianggap sebagai kekuatan transformatif dalam bidang kedokteran. Namun, hingga belum lama ini, potensinya masih banyak yang belum terwujud.
Sebagai contoh adalah kisah MYCIN, sistem kecerdasan buatan “berbasis aturan” yang dikembangkan pada tahun 1970-an di Universitas Stanford untuk membantu mendiagnosis infeksi dan merekomendasikan antibiotik. Meskipun MYCIN menunjukkan potensi awal, ia bergantung pada aturan yang kaku dan kekurangan fleksibilitas untuk menangani kasus-kasus yang tidak terduga atau kompleks yang muncul dalam kedokteran dunia nyata. Pada akhirnya, teknologi saat itu tidak bisa menandingi penilaian halus dari para klinisi terampil, dan MYCIN tidak pernah mencapai penggunaan klinis yang luas.
Maju cepat ke tahun 2011, ketika Watson milik IBM mencapai ketenaran global dengan mengalahkan juara Jeopardy! Ken Jennings dan Brad Rutter yang terkenal. Tak lama setelah itu, IBM menerapkan kekuatan komputasi Watson yang luas ke bidang kesehatan, memandangnya sebagai permainan inovatif dalam onkologi. Diminta untuk mensintesis data dari literatur medis dan catatan pasien di Memorial Sloan Kettering, Watson bertujuan untuk merekomendasikan pengobatan kanker yang disesuaikan. Namun, kelemahan AI tersebut adalah dalam memberikan rekomendasi yang andal dan relevan—bukan karena kekurangan komputasi tetapi karena sumber data yang tidak konsisten, seringkali tidak lengkap. Termasuk entri rekam medis elektronik yang tidak akurat dan artikel penelitian yang condong terlalu kuat pada kesimpulan yang menguntungkan, gagal bertahan di pengaturan klinis dunia nyata. IBM menutup proyek tersebut pada tahun 2020.
Sekarang, pemimpin kesehatan dan teknologi mempertanyakan apakah gelombang terbaru alat AI—termasuk model kecerdasan buatan generatif yang sangat dielu-elukan—akan memenuhi janjinya dalam kedokteran atau menjadi catatan kaki dalam sejarah seperti MYCIN dan Watson.
CEO Anthropic Dario Amodei termasuk dalam kalangan optimis AI. Bulan lalu, dalam esai yang meluas dengan 15.000 kata, dia memprediksi bahwa AI akan segera membentuk ulang masa depan kemanusiaan. Dia menyatakan bahwa pada tahun 2026, alat AI (kemungkinan termasuk Claude dari Anthropic) akan menjadi “lebih cerdas daripada pemenang Nobel.”.
Khusus untuk kesehatan manusia, Amodei memuji kemampuan AI untuk mengeliminasi penyakit menular, mencegah gangguan genetik, dan menggandakan harapan hidup hingga 150 tahun—semua dalam waktu satu dekade ke depan.
Sebagai penulis “ChatGPT, MD,” sebuah buku nonfiksi tentang masa depan kecerdasan buatan generatif dalam kedokteran, saya mengagumi bagian-bagian visi Amodei. Tetapi latar belakang ilmiah dan medis saya membuat saya mempertanyakan beberapa prediksi paling ambisiusnya.
Ketika orang bertanya kepada saya bagaimana memisahkan histeria AI dari realitas dalam kedokteran, saya menyarankan untuk mulai dengan tiga pertanyaan kritis:
Pertanyaan 1: Apakah solusi AI akan mempercepat proses atau tugas yang pada akhirnya bisa dilakukan oleh manusia?
Kadang-kadang, para ilmuwan memiliki pengetahuan dan keahlian untuk menyelesaikan masalah medis yang kompleks tetapi terbatas oleh waktu dan biaya. Dalam situasi seperti ini, alat AI dapat memberikan terobosan luar biasa.
Pertimbangkan AlphaFold2, sistem yang dikembangkan oleh Google DeepMind untuk memprediksi bagaimana protein melipat ke dalam struktur tiga dimensi mereka. Selama beberapa dekade, para peneliti berjuang untuk memetakan molekul-molekul besar dan rumit ini—bentuk persis setiap protein mengharuskan bertahun-tahun dan jutaan dolar untuk dipecahkan. Namun, memahami struktur ini sangat berharga, karena mereka mengungkap bagaimana protein berfungsi, berinteraksi, dan berkontribusi pada penyakit.
Dengan pembelajaran mendalam dan kumpulan data massif, AlphaFold2 berhasil dalam beberapa hari apa yang akan memakan waktu lab bertahun-tahun, memprediksi struktur ratusan protein. Dalam empat tahun, ia memetakan semua protein yang diketahui—sebuah prestasi yang memenangkan para peneliti DeepMind Nobel Kimia dan sekarang mempercepat penemuan obat dan riset medis.
Contoh lain adalah proyek kolaboratif antara Universitas Pittsburgh dan Carnegie Mellon, di mana AI menganalisis rekam medis elektronik (EHR) untuk mengidentifikasi interaksi obat yang merugikan. Secara tradisional, proses ini membutuhkan berbulan-bulan tinjauan manual untuk menemukan hanya beberapa risiko. Dengan AI, para peneliti dapat memeriksa ribuan obat dalam beberapa hari, secara signifikan meningkatkan kecepatan dan akurasi.
Prestasi ini menunjukkan bahwa ketika sains memiliki jalur yang jelas tetapi kekurangan kecepatan, alat, dan skala untuk eksekusi, AI dapat menjadi jembatan penyambung. Bahkan, jika teknologi AI generatif saat ini ada pada tahun 1990-an, ChatGPT perkiraan bahwa ia sudah dapat menyekuensing genom manusia secara keseluruhan dalam waktu kurang dari setahun—suatu proyek yang aslinya membutuhkan 13 tahun dan $2.7 miliar.
Menyusul kriteria ini ke asersi Dario Amodei bahwa AI akan segera menghilangkan sebagian besar penyakit menular, saya percaya tujuan ini realistis. Teknologi AI saat ini sudah menganalisis banyak data tentang efikasi dan efek samping obat, menemukan penggunaan baru untuk obat-obatan yang sudah ada. AI juga terbukti efektif dalam membimbing pengembangan obat-obatan baru dan mungkin membantu mengatasi masalah resistensi antibiotik yang semakin meningkat. Saya setuju dengan Amodei bahwa AI akan mampu mencapai dalam beberapa tahun apa yang sebelumnya akan memakan waktu bertahun-tahun bagi para ilmuwan, menawarkan harapan baru dalam perjuangan melawan patogen manusia.
Pertanyaan 2: Apakah kompleksitas biologi manusia membuat masalah tidak dapat diselesaikan, tidak peduli seberapa pintar teknologinya?
Bayangkan mencari jarum dalam tumpukan jerami yang besar. Ketika jawaban tunggal tersembunyi dalam gunung data, AI dapat menemukannya jauh lebih cepat daripada manusia saja. Tetapi jika “jarum” tersebut adalah debu logam, tersebar di beberapa tumpukan jerami, tantangannya menjadi tak terlampaui, bahkan untuk AI.
Perumpamaan ini merepresentasikan mengapa beberapa masalah medis tetap di luar jangkauan AI. Dalam esainya, Amodei memprediksi bahwa AI generatif akan menghilangkan sebagian besar gangguan genetik, menyembuhkan kanker, dan mencegah Alzheimer dalam waktu satu dekade.
Meskipun AI pasti akan memperdalam pemahaman kita tentang genom manusia, banyak penyakit yang Amodei soroti sebagai penyembuhannya adalah “multifaktorial,” artinya mereka berasal dari dampak gabungan puluhan gen, ditambah faktor lingkungan dan gaya hidup. Untuk lebih memahami mengapa kompleksitas ini membatasi jangkauan AI, mari kita pertama-tama tinjau gangguan sehari yang lebih sederhana, di mana potensi perawatan yang dipicu oleh AI lebih menjanjikan.
Untuk beberapa gangguan genetik, seperti kanker yang terkait BRCA atau penyakit sel sabit yang disebabkan oleh keabnormalan satu gen, AI dapat memainkan peran penting dengan membantu para peneliti mengidentifikasi dan potensial menggunakan CRISPR, alat pengeditan gen canggih, untuk langsung mengedit mutasi ini untuk mengurangi risiko penyakit.
Namun, bahkan dengan kondisi-gen tunggal, pengobatannya cukup kompleks. Terapi berbasis CRISPR untuk sel sabit, misalnya, memerlukan pengambilan sel punca, pengeditan di laboratorium, dan reinfusi setelah perawatan kondisioning yang berisiko yang menimbulkan ancaman kesehatan yang signifikan bagi pasien.
Mengetahui hal ini, jelas bahwa komplikasinya hanya akan bertambah ketika mengedit penyakit bawaan multifaktorial seperti misalnya bibir sumbing dan langit-langit—atau penyakit kompleks yang muncul kemudian dalam hidup, termasuk penyakit jantung dan kanker.
Dengan sederhananya, mengedit puluhan gen secara bersamaan akan memperkenalkan ancaman kesehatan yang berat, kemungkinan melebihi manfaatnya. Sementara kemampuan AI generatif sedang berkembang dengan kecepatan eksponensial, teknologi pengeditan gen seperti CRISPR menghadapi batasan ketat di biologi manusia. Tubuh kita memiliki fungsi yang rumit, saling bergantung. Ini berarti memperbaiki masalah genetik secara bersamaan akan mengganggu fungsi biologis penting dengan cara yang tidak terduga, mungkin fatal.
Tidak peduli seberapa canggih alat AI mungkin dalam mengidentifikasi pola genetik, kendala biologis yang melekat berarti bahwa penyakit multifaktorial tetap tak terpecahkan. Dalam hal ini, prediksi Amodei tentang menyembuhkan penyakit genetik hanya akan terbukti sebagian benar.
Pertanyaan 3: Apakah keberhasilan AI akan tergantung pada perubahan perilaku manusia?
Salah satu tantangan terbesar dari aplikasi AI dalam kedokteran bukanlah teknologinya tetapi psikologinya: ini tentang menavigasi perilaku manusia dan kecenderungan kita menuju keputusan yang tidak logis atau bias. Sementara kita mungkin menganggap bahwa orang akan melakukan segala yang mereka bisa untuk memperpanjang hidup mereka, emosi dan kebiasaan manusia menceritakan cerita yang berbeda.
Contoh manajemen penyakit kronis seperti hipertensi dan diabetes. Dalam pertempuran ini, teknologi bisa menjadi sekutu yang kuat. Pemantauan rumah yang canggih dan perangkat wearable saat ini melacak tekanan darah, glukosa, dan tingkat oksigen dengan akurasi yang mengesankan. Tak lama lagi, sistem AI akan menganalisis pembacaan ini, merekomendasikan penyesuaian diet dan olahraga, serta memberi tahu pasien dan klinisi kapan perubahan obat diperlukan.
Tetapi bahkan alat AI paling canggih pun tidak dapat memaksa pasien untuk secara dapat diandalkan mengikuti saran medis—atau memastikan bahwa dokter akan merespons setiap peringatan.
Manusia itu memiliki kekurangan, sering lupa, dan rentan. Pasien melewatkan dosis, mengabaikan rekomendasi diet, dan meninggalkan tujuan olahraga. Di sisi klinisi, jadwal yang padat, kelelahan, dan prioritas yang bersaing sering kali berujung pada kesempatan yang terlewatkan untuk intervensi tepat waktu. Faktor perilaku ini menambahkan lapisan ketidakdugaan dan ketidakrespon yang bahkan sistem AI yang paling akurat pun tidak dapat atasi.
Dan selain tantangan perilaku, ada isu biologis yang membatasi usia harapan hidup manusia. Ketika kita semakin tua, penutup pelindung pada kromosom kami aus, menyebabkan sel-sel berhenti berfungsi. Sumber energi sel kita, yang disebut mitokondria, secara bertahap gagal, melemahkan tubuh kita hingga organ penting berhenti berfungsi. Tanpa menggantikan setiap sel dan jaringan di dalam tubuh kita, organ-organ kita pada akhirnya akan gagal. Dan meskipun AI generatif dapat memberi tahu kita dengan tepat apa yang perlu kita lakukan untuk mencegah kegagalan ini, kemungkinan orang akan konsisten mengikuti rekomendasinya sangat kecil.
Untuk alasan ini, prediksi terberani Amodei—bahwa harapan hidup akan diperpanjang hingga 150 tahun dalam waktu satu dekade—tidak akan terjadi. AI menawarkan alat dan kecerdasan yang luar biasa. Ini akan memperluas pengetahuan kita jauh melampaui apa pun yang bisa kita bayangkan hari ini. Tetapi pada akhirnya, itu tidak bisa mengatasi batasan alamiah dan kompleksitas kehidupan manusia: bagian yang menua dan perilaku yang tidak logis.
Pada akhirnya, Anda harus menerima janji-janji AI ketika mereka berdasarkan penelitian ilmiah. Tetapi ketika mereka melanggar prinsip biologis atau psikologis, jangan percayai histeria.