Para ahli AI membahas cara mengintegrasikan AI yang andal ke dalam layanan kesehatan, mengapa kolaborasi interdisipliner sangat penting, dan potensi AI generatif dalam penelitian.
Feifei Li dan Lloyd Minor memberikan sambutan pembukaan pada Simposium Kesehatan RAISE perdana di Fakultas Kedokteran Universitas Stanford pada tanggal 14 Mei. Steve Fish
Sebagian besar orang yang terpengaruh oleh kecerdasan buatan pernah mengalami semacam momen "aha", yang membuka pikiran mereka terhadap dunia penuh kemungkinan. Pada Simposium Kesehatan RAISE perdana pada tanggal 14 Mei, Lloyd Minor, MD, dekan Fakultas Kedokteran Universitas Stanford dan wakil presiden urusan medis di Universitas Stanford, berbagi perspektifnya.
Ketika seorang remaja yang penasaran diminta untuk meringkas temuannya mengenai telinga bagian dalam, ia beralih ke kecerdasan buatan generatif. “Saya bertanya, 'Apa itu sindrom dehisensi kanal superior?'” kata Minor kepada hampir 4.000 peserta simposium. Dalam hitungan detik, beberapa paragraf muncul.
“Ini bagus, sangat bagus,” katanya. “Bahwa informasi ini dikumpulkan menjadi deskripsi penyakit yang ringkas, umumnya akurat, dan diprioritaskan dengan jelas. Ini sungguh luar biasa.”
Banyak yang turut merasakan antusiasme Minor terhadap acara setengah hari tersebut, yang merupakan hasil dari inisiatif RAISE Health, sebuah proyek yang diluncurkan oleh Fakultas Kedokteran Universitas Stanford dan Institut Stanford untuk Kecerdasan Buatan yang Berpusat pada Manusia (HAI) untuk memandu penggunaan kecerdasan buatan secara bertanggung jawab dalam penelitian biomedis, pendidikan, dan perawatan pasien. Para pembicara membahas apa artinya menerapkan kecerdasan buatan dalam bidang kedokteran dengan cara yang tidak hanya bermanfaat bagi dokter dan ilmuwan, tetapi juga transparan, adil, dan merata bagi pasien.
“Kami percaya ini adalah teknologi yang meningkatkan kemampuan manusia,” kata Fei-Fei Li, profesor ilmu komputer di Stanford School of Engineering, direktur proyek RAISE Health with Minor dan co-direktur HAI. Dari generasi ke generasi, teknologi baru dapat muncul: dari urutan molekuler antibiotik baru hingga pemetaan keanekaragaman hayati dan pengungkapan bagian tersembunyi dari biologi fundamental, AI mempercepat penemuan ilmiah. Tetapi tidak semua ini bermanfaat. “Semua aplikasi ini dapat memiliki konsekuensi yang tidak diinginkan, dan kita membutuhkan ilmuwan komputer yang mengembangkan dan menerapkan [kecerdasan buatan] secara bertanggung jawab, bekerja sama dengan berbagai pemangku kepentingan, mulai dari dokter dan ahli etika… hingga pakar keamanan dan seterusnya,” katanya. “Inisiatif seperti RAISE Health menunjukkan komitmen kami terhadap hal ini.”
Konsolidasi tiga divisi Stanford Medicine—Fakultas Kedokteran, Stanford Health Care, dan Fakultas Kedokteran Anak Universitas Stanford—serta hubungannya dengan bagian lain Universitas Stanford telah menempatkannya pada posisi di mana para ahli bergulat dengan pengembangan kecerdasan buatan, manajemen, dan isu-isu integrasi di bidang perawatan kesehatan dan kedokteran. Kedokteran, begitulah lirik lagunya.
“Kami berada di posisi yang tepat untuk menjadi pelopor dalam pengembangan dan implementasi kecerdasan buatan yang bertanggung jawab, mulai dari penemuan biologi mendasar hingga peningkatan pengembangan obat dan peningkatan efisiensi proses uji klinis, hingga penyediaan layanan kesehatan yang sebenarnya. Cara sistem perawatan kesehatan diatur,” katanya.
Beberapa pembicara menekankan sebuah konsep sederhana: fokus pada pengguna (dalam hal ini, pasien atau dokter) dan segala sesuatu lainnya akan mengikuti. “Ini menempatkan pasien sebagai pusat dari semua yang kita lakukan,” kata Dr. Lisa Lehmann, direktur bioetika di Brigham and Women's Hospital. “Kita perlu mempertimbangkan kebutuhan dan prioritas mereka.”
Dari kiri ke kanan: Pembawa acara STAT News Mohana Ravindranath; Jessica Peter Lee dari Microsoft Research; Sylvia Plevritis, profesor ilmu data biomedis, membahas peran kecerdasan buatan dalam penelitian medis. Steve Fish
Para pembicara dalam panel tersebut, yang meliputi Lehmann, ahli bioetika medis Universitas Stanford Mildred Cho, MD, dan Kepala Petugas Klinis Google Michael Howell, MD, mencatat kompleksitas sistem rumah sakit, menekankan perlunya memahami tujuan sistem tersebut sebelum melakukan intervensi apa pun. Implementasikan dan pastikan bahwa semua sistem yang dikembangkan bersifat inklusif dan mendengarkan orang-orang yang seharusnya dibantu.
Salah satu kuncinya adalah transparansi: hal ini memperjelas dari mana data yang digunakan untuk melatih algoritma berasal, apa tujuan awal algoritma tersebut, dan apakah data pasien di masa mendatang akan terus membantu algoritma tersebut belajar, di antara faktor-faktor lainnya.
“Mencoba memprediksi masalah etika sebelum menjadi serius [berarti] menemukan titik keseimbangan yang tepat di mana Anda cukup memahami teknologi tersebut untuk memiliki keyakinan terhadapnya, tetapi tidak sebelum [masalah] menyebar lebih luas dan menyelesaikannya lebih cepat,” kata Denton Char. Kandidat Ilmu Kedokteran, Profesor Madya Departemen Anestesiologi Pediatrik, Kedokteran Perioperatif dan Kedokteran Nyeri. Salah satu langkah kunci, katanya, adalah mengidentifikasi semua pemangku kepentingan yang mungkin terpengaruh oleh teknologi tersebut dan menentukan bagaimana mereka sendiri ingin menjawab pertanyaan-pertanyaan tersebut.
Jesse Ehrenfeld, MD, presiden Asosiasi Medis Amerika, membahas empat faktor yang mendorong adopsi alat kesehatan digital apa pun, termasuk yang didukung oleh kecerdasan buatan. Apakah efektif? Akankah ini berhasil di institusi saya? Siapa yang membayar? Siapa yang bertanggung jawab?
Michael Pfeffer, MD, kepala bagian informasi Stanford Health Care, mengutip contoh terbaru di mana banyak masalah diuji di antara perawat di rumah sakit Stanford. Para klinisi didukung oleh model bahasa besar yang menyediakan anotasi awal untuk pesan pasien yang masuk. Meskipun proyek ini tidak sempurna, dokter yang membantu mengembangkan teknologi tersebut melaporkan bahwa model tersebut meringankan beban kerja mereka.
“Kami selalu fokus pada tiga hal penting: keselamatan, efisiensi, dan inklusi. Kami adalah dokter. Kami bersumpah untuk ‘tidak melakukan hal yang membahayakan’,” kata Nina Vasan, MD, asisten profesor klinis psikiatri dan ilmu perilaku, yang bergabung dengan Char dan Pfeffer dalam kelompok tersebut. “Ini seharusnya menjadi cara pertama untuk mengevaluasi alat-alat ini.”
Nigam Shah, MBBS, Ph.D., Profesor Kedokteran dan Ilmu Data Biomedis, memulai diskusi dengan statistik yang mengejutkan meskipun telah diberi peringatan sebelumnya kepada hadirin. “Saya berbicara secara umum dan dalam angka, dan terkadang cenderung sangat lugas,” katanya.
Menurut Shah, keberhasilan AI bergantung pada kemampuan kita untuk meningkatkan skalanya. “Melakukan penelitian ilmiah yang tepat pada suatu model membutuhkan waktu sekitar 10 tahun, dan jika masing-masing dari 123 program fellowship dan residensi ingin menguji dan menerapkan model tersebut hingga tingkat ketelitian tersebut, akan sangat sulit untuk melakukan penelitian ilmiah yang benar seperti yang saat ini kita lakukan. Akan membutuhkan biaya $138 miliar untuk memastikan setiap situs kita berfungsi dengan benar,” kata Shah. “Kita tidak mampu membiayai ini. Jadi kita perlu menemukan cara untuk berkembang, dan kita perlu berkembang dan melakukan penelitian ilmiah yang baik. Keterampilan ketelitian ada di satu tempat dan keterampilan peningkatan skala ada di tempat lain, jadi kita akan membutuhkan kemitraan semacam itu.”
Wakil Dekan Yuan Ashley dan Mildred Cho (Resepsionis) menghadiri Lokakarya Kesehatan RAISE. Steve Fish
Beberapa pembicara di simposium tersebut mengatakan bahwa hal ini dapat dicapai melalui kemitraan publik-swasta, seperti Perintah Eksekutif Gedung Putih baru-baru ini tentang Pengembangan dan Penggunaan Kecerdasan Buatan yang Aman, Terjamin, dan Terpercaya serta Konsorsium untuk Kecerdasan Buatan di Bidang Kesehatan (CHAI).
“Kemitraan publik-swasta dengan potensi terbesar adalah kemitraan antara akademisi, sektor swasta, dan sektor publik,” kata Laura Adams, penasihat senior di Akademi Kedokteran Nasional. Ia mencatat bahwa pemerintah dapat memastikan kepercayaan publik, dan pusat-pusat medis akademis dapat memberikan legitimasi, sementara keahlian teknis dan waktu komputasi dapat disediakan oleh sektor swasta. “Kita semua lebih baik daripada siapa pun di antara kita, dan kita menyadari hal itu… kita tidak dapat berharap untuk mewujudkan potensi [kecerdasan buatan] kecuali kita memahami bagaimana berinteraksi satu sama lain.”
Beberapa pembicara mengatakan bahwa AI juga berdampak pada penelitian, baik para ilmuwan menggunakannya untuk mengeksplorasi dogma biologi, memprediksi urutan dan struktur baru molekul sintetis untuk mendukung perawatan baru, atau bahkan membantu mereka meringkas atau menulis makalah ilmiah.
“Ini adalah kesempatan untuk melihat hal-hal yang belum diketahui,” kata Jessica Mega, MD, seorang ahli jantung di Fakultas Kedokteran Universitas Stanford dan salah satu pendiri Verily milik Alphabet. Mega menyebutkan pencitraan hiperspektral, yang menangkap fitur gambar yang tidak terlihat oleh mata manusia. Idenya adalah menggunakan kecerdasan buatan untuk mendeteksi pola pada slide patologi yang tidak dilihat manusia yang mengindikasikan penyakit. “Saya mendorong orang untuk merangkul hal-hal yang belum diketahui. Saya pikir setiap orang di sini mengenal seseorang dengan kondisi medis tertentu yang membutuhkan sesuatu di luar apa yang dapat kita berikan saat ini,” kata Mega.
Para panelis juga sepakat bahwa sistem kecerdasan buatan akan menyediakan cara-cara baru untuk mengidentifikasi dan memerangi pengambilan keputusan yang bias, baik yang dilakukan oleh manusia maupun kecerdasan buatan, dengan kemampuan untuk mengidentifikasi sumber bias tersebut.
“Kesehatan lebih dari sekadar perawatan medis,” beberapa panelis sepakat. Para pembicara menekankan bahwa para peneliti sering mengabaikan determinan sosial kesehatan, seperti status sosial ekonomi, kode pos, tingkat pendidikan, dan ras serta etnis, ketika mengumpulkan data inklusif dan merekrut peserta untuk penelitian. “AI hanya efektif sejauh data yang digunakan untuk melatih model tersebut berkualitas,” kata Michelle Williams, seorang profesor epidemiologi di Universitas Harvard dan profesor madya epidemiologi dan kesehatan populasi di Fakultas Kedokteran Universitas Stanford. “Jika kita melakukan apa yang ingin kita lakukan, yaitu meningkatkan hasil kesehatan dan menghilangkan ketidaksetaraan, kita harus memastikan kita mengumpulkan data berkualitas tinggi tentang perilaku manusia dan lingkungan sosial serta alam.”
Natalie Pageler, MD, profesor klinis pediatri dan kedokteran, mengatakan bahwa data kanker yang dikumpulkan sering kali tidak menyertakan data tentang wanita hamil, sehingga menciptakan bias yang tak terhindarkan dalam model dan memperburuk kesenjangan yang ada dalam perawatan kesehatan.
Dr. David Magnus, seorang profesor pediatri dan kedokteran, mengatakan bahwa seperti teknologi baru lainnya, kecerdasan buatan dapat membuat banyak hal menjadi lebih baik atau malah memperburuknya. Risikonya, kata Magnus, adalah sistem kecerdasan buatan akan mempelajari tentang hasil kesehatan yang tidak adil yang didorong oleh determinan sosial kesehatan dan memperkuat hasil tersebut melalui outputnya. “Kecerdasan buatan adalah cermin yang mencerminkan masyarakat tempat kita tinggal,” katanya. “Saya berharap setiap kali kita memiliki kesempatan untuk menyoroti suatu masalah—untuk bercermin pada diri kita sendiri—itu akan berfungsi sebagai motivasi untuk memperbaiki situasi.”
Jika Anda tidak dapat menghadiri lokakarya RAISE Health, rekaman sesi tersebut dapat ditemukan di sini.
Stanford University School of Medicine adalah sistem layanan kesehatan akademik terintegrasi yang terdiri dari Stanford University School of Medicine dan sistem layanan kesehatan dewasa dan anak. Bersama-sama, mereka mewujudkan potensi penuh biomedis melalui penelitian kolaboratif, pendidikan, dan perawatan pasien klinis. Untuk informasi lebih lanjut, kunjungi med.stanford.edu.
Model kecerdasan buatan baru membantu dokter dan perawat di Rumah Sakit Stanford bekerja sama untuk meningkatkan perawatan pasien.
Waktu posting: 19 Juli 2024