Dokter manusia dan robot meraih satu sama lain. Rumah sakit, praktik klinis, dan sistem perawatan kesehatan di seluruh AS sedang kesulitan. Tenaga kerja mereka tegang dan kekurangan. Biaya operasional mereka meningkat. Dan permintaan atas layanan mereka sering melebihi kapasitas, membatasi akses perawatan. AI telah menjadi sorotan sejak diluncurkannya ChatGPT hampir dua tahun yang lalu. Namun, dampak AI pada kesehatan masih terbatas. Haruskah kita berharap terlalu banyak terlalu cepat? Dalam ekonomi secara keseluruhan, semakin banyak yang memberikan kasus AI sebagai kesenjangan antara harapan dan kenyataan semakin melebar. Begitu banyak perusahaan sekarang menggunakan AI untuk menghasilkan email, gambar, dan materi pemasaran, tidak ada “aplikasi andalan” untuk membenarkan biaya tinggi AI. Dibandingkan dengan industri lain, AI mungkin memiliki waktu yang lebih sulit untuk membentuk kembali kesehatan, di mana taruhannya tinggi, organisasinya kompleks, dan regulasinya tidak pasti. Ada tantangan teknis. Algoritma prediksi tidak merujuk ke pengaturan yang berbeda. Sebagai contoh, rumah sakit yang menerapkan algoritma sepsis “tanpa pelatihan pada data lokal” mengalami banyak alarm palsu dan kasus sepsis yang tidak terdeteksi. Selain itu, AI generatif terlalu tidak dapat diandalkan untuk diaplikasikan pada tugas dengan nilai tinggi, seperti melakukan triase, membuat diagnosis, dan merekomendasikan perawatan. Tantangannya adalah bahwa “sistem AI generatif seperti GPT-4 lebih cerdas daripada siapa pun yang pernah Anda temui dan lebih bodoh daripada siapa pun yang pernah Anda temui,” jelas Presiden Penelitian Microsoft Peter Lee. “Kita sama-sama mengasumsikan terlalu banyak dan terlalu sedikit tentang potensinya dalam perawatan kesehatan.” Selain itu, banyak dokter, perawat, dan konsumen perawatan kesehatan skeptis terhadap AI, khawatir itu akan mengancam privasi, memperburuk bias, dan merusak hubungan dokter-pasien. Berdasarkan pengalaman mereka dengan catatan kesehatan elektronik – yang gagal memenuhi harapan dan berkontribusi pada kelelahan – mereka tidak lagi menemukan klaim bahwa AI akan meningkatkan perawatan lebih kredibel. Akhirnya, menerapkan AI di dunia nyata adalah kompleks, melibatkan banyak stakeholder, membutuhkan sumber daya yang signifikan, dan penuh dengan potensi risiko. Namun, berbeda dengan inisiatif digital sebelumnya seperti menerapkan catatan kesehatan elektronik (lebih dari $34 miliar pembayaran penggunaan bermakna) atau sementara beralih ke perawatan virtual (pandemi COVID-19), organisasi penyedia tidak memiliki insentif besar untuk mengadopsi produk AI, yang meningkatkan biaya dan membuat mereka mengubah alur kerja mereka, biasanya tanpa peningkatan imbalan langsung. Tidak ada yang mengatakan bahwa AI tidak berguna dalam perawatan kesehatan. Beberapa organisasi sudah menggunakan solusi AI untuk manfaat yang berarti, seperti mencegah kembali rumah sakit dan mengurangi beban dokumentasi dokter. Saat teknologi AI berkembang, ini siap untuk meningkatkan berbagai aspek perawatan klinis, operasi, dan penelitian. Namun, kita harus menurunkan harapan. Sejarah mengatakan kepada kita bahwa akan memakan waktu bertahun-tahun – bukan bulan – untuk membangun produk AI yang berguna, mengintegrasikannya ke dalam alur kerja, dan akhirnya membuka cara baru yang lebih baik untuk memberikan perawatan. Selama periode transisi ini, organisasi penyedia perawatan kesehatan harus mengambil langkah-langkah berikut untuk memaksimalkan manfaat bersih AI saat ini dan di masa depan. 1. Lakukan Eksperimen dan Evaluasi dengan Aman Mereka harus mengikuti prinsip-prinsip dasar kedokteran berbasis bukti, menyadari bahwa, seberapapun teknologinya menarik, perawatan kesehatan pertama-tama adalah tentang orang, bukan produk. Organisasi seperti Koalisi untuk AI Kesehatan sedang mengembangkan standar untuk menerapkan model-model AI kesehatan dan mendirikan laboratorium asuransi untuk mengevaluasinya. Penyedia perawatan kesehatan harus mencoba solusi untuk masalah-masalah berarti dan membangun tata kelola dan evaluasi yang diperlukan untuk memastikan mereka menggunakan alat-alat AI yang efektif dengan aman dan adil. 2. Tingkatkan Sistem Perawatan Perawatan kesehatan adalah sistem adaptif kompleks di mana banyak komponen yang berinteraksi menentukan kinerja. Organisasi yang menerapkan AI harus mengikuti pendekatan sistem holistik, melihat jauh melampaui teknologi untuk menyertakan orang, sistem, dan desain. Pertama, sebelum terburu-buru mengotomatisasi tugas perawatan kesehatan apa pun, mereka harus bertanya terlebih dahulu apakah tugas tersebut layak dilakukan pada awalnya. Seperti yang diajarkan Peter Drucker, “Tidak ada yang begitu tidak berguna seperti melakukan sesuatu dengan efisien yang seharusnya tidak dilakukan sama sekali.” Kedua, karena kendala – titik di mana permintaan melebihi kapasitas – menentukan kecepatan di mana keseluruhan proses dapat bekerja, mereka harus mengidentifikasi dan menghilangkan penghalang aliran yang hulu sebelum menerapkan AI untuk membuat berbagai proses lebih efisien. Sebagai contoh, mengotomatisasi penjadwalan pasien akan memiliki sedikit dampak jika jadwal dokter sudah terisi. Dan identifikasi dini pasien dengan sepsis akan menjadi tidak berguna jika perawat dan klinisi tidak dapat bertindak atas informasi tersebut. 3. Terima Keuntungan Bertahap Organisasi harus menolak klaim besar dan mendasarkan pada kenyataan. AI tidak akan secara ajaib memperbaiki semua masalah kesehatan. Dan karena model bahasa besar tidak dapat alasan atau benar-benar memahami, banyak masalah kesehatan mungkin memerlukan pendekatan hibrida baru yang menggabungkan pembelajaran mesin dengan AI simbolik yang lebih tradisional. Namun, mereka dapat memanfaatkan AI saat ini untuk keuntungan yang sederhana (misalnya, mengurangi beberapa pekerjaan kantor dan menyesuaikan konten pendidikan dan keterlibatan pasien) sambil mempersiapkan diri untuk keberhasilan di masa depan. Yang lebih penting, mereka tidak boleh melupakan peluang non-AI untuk melakukan lebih baik. Dan, terpenting, mereka harus merenungkan siapa mereka, apa yang mereka lakukan, dan bagaimana mereka dapat melakukannya dengan lebih baik – dengan atau tanpa AI.
