Keadaan Industri Kesehatan Saat Ini dan bagaimana AI dapat Mengubah

Saya membayangkan sebuah dunia di mana AI akan membuat kita bekerja lebih produktif, hidup lebih lama, dan memiliki energi yang lebih bersih. –Fei-Fei Li, Profesor Ilmu Komputer di Stanford University


Kecerdasan buatan memiliki potensi untuk meningkatkan setiap aspek kehidupan kita dan membantu kita mengubah perawatan kesehatan. Mari kita lihat bagaimana perawatan kesehatan dilakukan hari ini dan bagaimana AI mengubahnya.

Healthcare menyiratkan menjaga kesehatan seseorang hingga mencapai sasaran atau memperbaikinya. Ini mencakup cedera sekecil pemotongan kertas untuk kanker darah.

Layanan kesehatan dapat dibagi menjadi tiga kategori, yaitu sebagai berikut.

  • Pengobatan
  • Pencegahan
  • Prediktif

Kita dapat menggunakan sejumlah besar data yang dihasilkan setiap hari untuk menemukan obat yang lebih baik untuk suatu penyakit, menemukan obat baru, dan bahkan memperkirakan kemungkinan suatu penyakit jauh sebelum gejala yang terkait diamati..

Masalah industri kesehatan

Masalah-masalah industri kesehatan dapat dibagi menjadi dua kategori besar. Satu kategori masalah muncul dari masalah sosiopolitik dan keuangan, sementara yang lain muncul dari tantangan teknologi di industri. Masalah-masalah seperti kekurangan tempat tidur, kekurangan petugas kesehatan, dan praktisi medis yang tidak memenuhi syarat termasuk dalam kategori pertama. Kategori kedua berisi masalah-masalah seperti penelitian lambat, kesalahan manusia dalam menganalisis data, dan kurangnya transparansi data di antara organisasi.

Kami hanya akan fokus pada tantangan teknologi di pos ini.

AI untuk meningkatkan layanan kesehatan

Kecerdasan buatan

Kecerdasan Buatan menawarkan peluang luar biasa untuk mengubah dunia dengan cara yang sangat besar. Telah disebut sebagai listrik baru oleh Andrew Ng. Ini memiliki potensi untuk menyentuh kehidupan setiap orang dengan cara yang bermakna, seperti halnya listrik.

Dalam layanan kesehatan, AI dapat membantu meningkatkan setiap langkah ekosistem. Dari prediksi penyakit hingga menemukan obat baru hingga membuat semua modifikasi gen baru.

Mari kita lihat potensi yang ada di masa depan.

Ekosistem AI-Kesehatan

Bayangkan sebuah skenario di mana pasangan akan menikah. Sistem AI dapat memeriksa kompatibilitas gen mereka untuk mengetahui apakah ada risiko pada anak atau gen yang dapat mengakibatkan komplikasi dalam kehidupan normal anak. Sistem ini kemudian dapat membantu dalam mencari tahu langkah-langkah yang tepat yang dapat diambil sebelum dan setelah bayi lahir.

Misalkan sistem mengidentifikasi masalah dengan gen tertentu, kita kemudian dapat mengubah gen ini untuk menghilangkan efek berbahaya. AI juga dapat membantu dalam menemukan obat yang tepat yang dapat membantu menjaga masalah tetap terkendali bahkan setelah anak dilahirkan.

Anak itu lahir sehat dan sekarang menjadi remaja; dia memakai pelacak kesehatan seperti Fitbit, yang melacak semua vitalnya seperti detak jantung, langkah-langkah yang diambil dalam sehari dan, kalori yang terbakar dalam sehari. Bacaan ini digunakan oleh asisten AI-nya untuk memberi tahu dia tentang perubahan yang dia perlu lakukan dalam rutinitasnya untuk melanjutkan gaya hidup sehatnya.

Sayangnya, suatu hari dia dalam keadaan darurat dan dibawa ke rumah sakit. Bacaan Fitbitnya dapat dikirim ke paramedis untuk mengambil keputusan bahkan sebelum mereka tiba di tempatnya. Sistem AI dapat memberi tahu kemungkinan masalah yang mungkin dideritanya, seperti serangan jantung, dll.

Sampel darah yang diambil saat di jalan dapat dengan mudah dianalisis oleh sistem visi komputer untuk membuat diagnosis awal. Saat ini, sebagian besar diagnosis secara manual dibuat oleh seorang ahli dengan melihat ke dalam mikroskop dan mempelajari sel-sel.

Setelah keluar dari rumah sakit, data masa lalu yang dianalisis oleh sistem AI akan memprediksi probabilitas penerimaannya kembali ke rumah sakit dan akan menyarankan langkah-langkah yang tepat untuk mencegahnya. Ini dapat dilakukan melalui pengingat konstan untuk mengikuti dosis obat. Obat cerdas juga dapat disiapkan yang mengirimkan sinyal ketika telah diambil oleh pasien untuk benar-benar membuat hal-hal otomatis.

Dengan bertambahnya usia, asisten AI-nya akan terus mengumpulkan data untuk memprediksi kesehatan dan akan mengambil langkah-langkah pencegahan yang tepat untuk menjaga kesehatannya ke tingkat terbaik.

Data seumur hidup yang penting ini akan digunakan oleh sistem untuk meningkatkan dirinya dan membuat segalanya lebih baik dari saat berikutnya.

AI sedang beraksi

Diagnostik Digital menggunakan Computer Vision

Saat ini, banyak diagnosa memerlukan tenaga profesional terlatih untuk menganalisis sampel darah, air liur, jaringan, air mani, dll. Di bawah mikroskop. Ini sangat memakan waktu dan rawan kesalahan. Mesin khusus tersedia untuk pengujian yang berbeda, tetapi solusi yang lebih murah dimungkinkan menggunakan AI.

Diagnostik digital menggunakan teknologi visi komputer untuk menganalisis gambar sampel ini dan kemudian menerapkan algoritma seperti JST dan CNN untuk mengetahui bentuk dan pergerakan ukuran sel. Data ini kemudian digunakan sebagai fitur untuk melatih model pembelajaran mesin untuk menemukan masalah yang mungkin dimiliki pasien.

Teknologi serupa juga digunakan untuk menganalisis Sinar-X dan CT Scan. Jaringan Neural Konvolusional sangat baik dalam menganalisis gambar. Mereka menggunakan filter untuk menemukan fitur gambar, yang tidak mungkin menggunakan teknik teknik fitur normal.

Memprediksi Penyebaran Wabah Virus

Berbagai model pembelajaran mesin telah digunakan untuk memprediksi penyebaran virus dan penyakit menular lainnya. Data media sosial dari platform seperti Facebook, Twitter, dll. Digunakan agar sesuai dengan model regresi untuk memprediksi area wabah berikutnya.

Optimalisasi aliran pasien

Kita dapat menggunakan data seperti jumlah pasien per jam mengunjungi rumah sakit, kondisi cuaca saat ini, dan cedera umum untuk memprediksi jumlah pasien yang mungkin datang ke rumah sakit pada hari tertentu. Kecerdasan ini berguna bagi pusat medis untuk mengoptimalkan persediaan mereka dan lebih siap menghadapi keadaan darurat.

 Dokter Pribadi

Kemajuan dalam Natural Language Processing telah memungkinkan untuk membuat chatbots yang lebih cerdas untuk membantu pasien setiap saat sepanjang hari. Seorang pengguna cukup mengetikkan gejala umum yang dia hadapi, dan chatbot-nya akan memberi tahu dia apakah dia harus ke dokter atau tidak. Asisten juga dapat memesan janji temu dengan dokter secara otomatis berdasarkan urgensi situasi.

NLP membantu dalam menemukan “niat” pengguna dari kalimat yang diketik pengguna. Teknik seperti stemming dan lemmatization, penghentian kata kunci digunakan untuk preproses data. Data yang telah diproses ini kemudian dimasukkan ke dalam model-model seperti LSTM untuk mengetahui maksud orang tersebut dan kemudian menemukan respons terhadapnya..

24 × 7 Pemantauan

Ketika seorang pasien sedang dalam pengamatan, dokter dan perawat perlu melakukan kunjungan rutin untuk melacak tanda-tanda vital pasien. Ini memakan banyak waktu dan juga mengarah pada keadaan darurat karena interval antara kunjungan. Sistem AI sekarang mampu melacak data ini sepanjang waktu dan memperkirakan jika sesuatu yang salah akan terjadi. Peringatan tepat waktu yang dihasilkan oleh sistem ini membantu menghemat waktu dan nyawa.

Peramalan time-series adalah salah satu metode yang digunakan dalam sistem seperti data yang diterima adalah aliran nilai dengan waktu. Jaringan Neural Berulang juga dapat digunakan untuk menganalisis data seperti RNN yang pandai memprediksi nilai masa depan berdasarkan nilai masa lalu dalam aliran.

Tantangan

Ekosistem AI-Healthcare yang dijelaskan di atas meskipun sangat idealis, sudah terjadi saat ini tetapi tidak terhubung sebagaimana mestinya. Berikut adalah beberapa tantangan yang dihadapi industri saat ini.

  • IoT layanan kesehatan tidak mudah diimplementasikan. Data tinggal di silo; Fitbit tidak dapat berkomunikasi dengan sistem rumah sakit; patologi digital tidak dapat berkomunikasi dengan sistem lain di rumah sakit. Jika catatan kesehatan pasien berasal dari rumah sakit yang berbeda, maka data itu tidak dapat diambil oleh rumah sakit baru seperti saat ini, data disimpan oleh masing-masing rumah sakit secara pribadi..
  • Tidak ada standar di sekitar pemrosesan, penyimpanan, privasi, dan berbagi data perawatan kesehatan. Setiap organisasi mengikuti standar yang ditetapkan oleh tim atau vendor TI mereka. Semua ini membuat data sangat sulit untuk dibagikan antara organisasi dan sistem. Kebijakan tingkat nasional dan internasional diperlukan untuk menyatukan ekosistem ini.

Etika dalam Kesehatan

Etika adalah salah satu bagian terpenting dari teka-teki ketika kita berbicara tentang AI dalam perawatan kesehatan. Saya serahkan kepada pembaca untuk memikirkan skenario berikut dan menyadari betapa rumitnya hal itu ketika kita memiliki mesin cerdas yang membuat keputusan untuk kita..

  • Siapa yang memiliki data Anda? Catatan Kesehatan Elektronik (EHR) yang dimiliki rumah sakit Anda adalah milik Anda, tetapi haruskah Anda diizinkan mengambilnya? Bagaimana jika Anda memiliki penyakit yang sangat langka dan data Anda sangat penting, seandainya masyarakat diizinkan menggunakan data tersebut meskipun Anda tidak menginginkannya?
  • Misalkan sistem AI mengetahui bahwa Anda sangat mungkin memiliki jenis kanker yang tidak dapat disembuhkan. Apakah Anda ingin mempelajarinya? Pikirkan tentang akibat emosional yang dapat ditimbulkan pada orang tersebut.
  • Bagaimana jika prediksi yang dibuat oleh AI salah. Siapa yang harus bertanggung jawab untuk itu, apakah pengembang yang mengkodekannya atau organisasi yang membuat sistem atau data yang digunakan untuk membuat sistem di tempat pertama?

AI dalam perawatan kesehatan memiliki potensi besar jika kita dapat menyelesaikan beberapa masalah yang disebutkan di atas. Kami melihat kemajuan luar biasa di area ini, dan sebagian besar hal yang dijelaskan dalam artikel ini tidak sefiktifnya..

TAGS:

  • AI

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map