“AI tidak dimaksudkan untuk menggantikan dokter.”
saya mendengarkan Angela Adamsperawat terdaftar dan CEO platform manajemen tindak lanjut radiologi AI Inflo Kesehatan. Menjelaskan mengapa perusahaan ini merupakan solusi bagi dokter, pasien, dan industri layanan kesehatan secara keseluruhan, ia mengatakan bahwa teknologi kecerdasan buatan dalam layanan kesehatan diarahkan untuk memperbaiki kekacauan dan bahaya. “Ini harus menggantikan semua bagian sistem kesehatan yang rusak sehingga kita tidak bisa terus menerus memberikan dampak buruk pada orang-orang.”
Ini dimulai ketika Adams, yang saat itu menjadi perawat perawatan kritis di Duke University Medical Center di North Carolina, menerima pesan teks dari seorang kolega dan teman yang pergi ke UGD dengan sakit perut yang parah. Teman Adams dilarikan ke operasi darurat karena radang usus buntu akut. Saat dia berada di sana, seorang ahli radiologi menemukan adanya lesi payudara yang signifikan, mencurigakan adanya keganasan, yang memerlukan tindak lanjut segera. Ahli radiologi mendokumentasikannya, namun temuannya hilang ke dalam sistem.
“Tidak ada komunikasi dengan dokter layanan primernya,” kenang Adams. “Jadi dia menjalani 10 bulan (sampai) diagnosis dan pengobatannya tertunda.”
Pemindaian PET berikutnya menunjukkan kanker payudara metastatik yang telah menyebar ke otaknya. Teman Adams meninggal satu setengah tahun kemudian pada tahun 2020, tahun yang sama Adams mendirikan Inflo Health bersama CTO Nate Sutton.
Adams, yang latar belakangnya mencakup bidang keperawatan kritis dan kepemimpinan AI di bidang kesehatan — jauh sebelum lonjakan AI pascapandemi — menggunakan kecerdasan buatan untuk meningkatkan perawatan pencegahan dan tindak lanjut pasien di bidang radiologi. Ini dibangun berdasarkan misi Inflo Health, “jangan pernah melewatkan tindak lanjut.”
Adam mengatakan jika Inflo Health ada, temannya akan menerima pesan teks yang menyatakan bahwa dia harus melakukan tindak lanjut karena temuan radiologi, dan dokternya juga akan diberitahu.
Bagaimana Inflo Health menggunakan AI
Ketika ahli radiologi menemukan temuan mencurigakan pada pemindaian yang dilakukan untuk sesuatu yang sama sekali berbeda, penemuan tersebut sering kali hilang dalam kekacauan sistem.
Menurut studi tahun 2015-2017 dari Universitas Washington dan Rumah Sakit dan Pusat Medis Lahey, kira-kira 50% rekomendasi radiologi tindak lanjut tidak dipatuhi (tidak termasuk mammogram), yang mengakibatkan keterlambatan diagnosis, risiko hukum, dan peningkatan biaya perawatan kesehatan. Sebuah studi baru-baru ini menemukan bahwa tindak lanjut yang terlewat mengakibatkan $3 juta biaya perawatan kesehatan tahunan.
Secara historis, departemen radiologi dan pimpinan rumah sakit telah mengalami hal ini memiliki pandangan yang bertentangan pada delegasi mengenai komunikasi tindak lanjut pasien. Adams mengatakan sering kali terjadi gangguan komunikasi dalam sistem layanan kesehatan, namun juga terdapat kesenjangan penerjemahan, seperti ketika keahlian ahli radiologi tidak selalu dapat diterjemahkan dengan jelas kepada dokter yang memerintahkan penelitian. Terkadang, temuan dapat disalahartikan atau diabaikan.
Teknologi pencitraan modern (sering kali ditingkatkan dengan AI) menjadi sangat baik dalam mendeteksi kelainan yang tidak berhubungan, yang oleh Adams digambarkan sebagai “incidentaloma” — temuan yang bukan merupakan alasan awal pemeriksaan, seperti lesi payudara yang ditemukan selama CT scan usus buntu temannya.
“Kami sedang melihat sebuah Peningkatan 40% dalam deteksi (pencitraan) saja,” kata Adams. Semakin banyak temuan berarti semakin banyak tindak lanjut yang memerlukan koordinasi, sehingga membebani dan membebani sistem sudah tegang.
Meskipun banyak hal telah berubah secara dramatis dalam layanan kesehatan, ada beberapa aspek yang masih tertinggal, kata Adams. Di masa lalu, ahli radiologi di rumah sakit dapat menghubungi dokter layanan primer dan menyampaikan rincian pasien jika terjadi keadaan darurat. Panggilan telepon kini telah digantikan oleh alur kerja otomatis; namun, teknologi ini belum tentu memberikan manfaat bagi pasien yang menerima perawatan, karena informasi penting mungkin saja hilang.
Inflo Health menggunakan pemrosesan bahasa alami dan model bahasa besar untuk memastikan janji temu dan rekomendasi tindak lanjut radiologi tidak pernah terlewatkan.
Pertama, platform Inflo secara otomatis memindai laporan pencitraan, seperti sinar-X, CT scan, MRI, dan ultrasound, untuk mengidentifikasi dan mengekstrak data dan poin-poin penting yang relevan. Meskipun angka mengenai keakuratannya tidak tersedia, studi Telah dilakukan apakah ini membantu atau menyakiti pasien, tergantung pada dokternya.
Rekomendasi ini diprioritaskan berdasarkan situasi mendesak atau berisiko tinggi, sehingga tim perawatan dapat mengidentifikasi kasus mana yang memerlukan perhatian terlebih dahulu. Pendekatan ini mengurangi pelacakan manual di mana sebagian besar janji tindak lanjut sering kali gagal.
Inflo Health juga terintegrasi dengan sistem alur kerja yang ada untuk memantau tindak lanjut secara real-time, dan tugas ditingkatkan melalui pesan teks dan pemberitahuan platform penyedia, memberikan visibilitas terhadap efisiensi staf.
Adams menerapkan pendekatan human-in-the-loop yang ketat.
“AI tidak menggantikan ahli radiologi. AI memberdayakan mereka untuk memberikan perawatan pasien yang lebih andal,” kata Adams kepada saya.
Menurut data perusahaan, otomatisasi ini menangani 60% hingga 70% kasus tindak lanjut dari awal hingga akhir — skenario sederhana di mana pasien merespons pesan dan menyelesaikan janji temu mereka. Kasus-kasus lainnya akan dieskalasi ke koordinator perawatan manusia, seperti kasus-kasus yang melibatkan situasi kompleks dengan banyak temuan atau pasien onkologi yang sedang menjalani perawatan.
Pasien dan ahli radiologi memiliki visibilitas yang lebih besar terhadap proses tersebut, yang pada akhirnya dapat menyelamatkan nyawa, menurut Adams.
“Kami menempatkan mereka di puncak piramida (alur kerja), dan otomatisasi AI menangani sebagian besar hal tersebut sehingga mereka dapat benar-benar memfokuskan waktu, pengetahuan, dan energi mereka pada kasus-kasus yang sangat kompleks,” kata Adams.
Dampak AI pada layanan kesehatan
Jenis AI tertentu telah diterapkan ke dalam sistem kesehatan sejak tahun 1960an, kata Adams kepada saya, termasuk skor Apache (Fisiologi Akut dan Evaluasi Kesehatan Kronis) untuk memprediksi angka kematian, serta metode untuk memprediksi risiko jantung 10 tahun — tes yang kini diterapkan dalam perawatan klinis.
Namun mentalitas tradisionalis dalam sistem layanan kesehatan menghambat manusia, dan mau tidak mau merugikan mereka, katanya.
Adams mengatakan, dalam hal mengadopsi teknologi, sistem kesehatan tertinggal satu dekade dari industri lain. Menurutnya, melibatkan lebih banyak manusia dalam masalah ini tidak akan berhasil. “Pada akhirnya, AI – dan fondasinya – hanyalah matematika,” katanya.
Menurut filosofi di balik Inflo Health, ketika teknologi diterapkan untuk mendukung manusia dan bukan menggantikannya, hasilnya tidak hanya bermanfaat bagi dokter dan jalur komunikasi tim mereka tetapi juga sistem layanan kesehatan yang lebih luas.
Dampaknya tampaknya dapat diukur: Bekerja sama dengan Inflo Health, East Alabama Medical Center meningkatkan tindak lanjut sebesar 74%menurut Sekolah Tinggi Radiologi Amerika. Selain itu, Inflo Health melaporkan bahwa total 125.000 nyawa telah terkena dampaknya hingga saat ini.
Data ini mendukung sesuatu yang Adams tekankan: “Panggilan tertinggi teknologi adalah memberikan kembali kepada manusia dua hal terpenting dalam hidup yang tidak dapat Anda beli, yaitu kesehatan dan waktu.”
Jangan lewatkan konten teknologi dan ulasan berbasis laboratorium kami yang tidak memihak. Tambahkan CNET sebagai sumber Google pilihan.
