Perkembangan Kecerdasan Buatan: Radiologi, Dermatovenereologi, dan Patologi Anatomi

Dua penelitian yang dilakukan pada tahun 2017 menunjukkan bahwa kecerdasan buatan mampu memprediksi autisme di usia 2 tahun dari MRI otak bayi berusia 6-12 bulan dan memiliki tingkat akurasi setara dengan dermatologis untuk identifikasi kanker kulit.[1,2]

Kecerdasan buatan bahkan lebih akurat dalam mengidentifikasi keganasan dari gambaran-gambaran patologi payudara dibandingkan seorang patologis. Studi lainnya juga mengunggulkan kecerdasan buatan dibandingkan 11 patologis dalam mendiagnosis adanya metastasis getah bening pada potongan jaringan kanker payudara.[3,4]

Studi-studi yang ada sudah membuktikan bahwa kecerdasan buatan sebaik, atau bahkan lebih baik, dari dokter dalam membentuk diagnosis dari pengenalan pola. Hal ini menimbulkan pertanyaan apakah kecerdasan buatan akan dapat menggantikan peran dokter atau spesialisasi tertentu.

Kecerdasan Buatan vs Dokter

Sebagian ahli berpendapat bahwa kecerdasan buatan akan menggantikan dokter spesialis radiologi, bahkan ada yang menyebutkan perkiraan waktu dalam 3-5 tahun. Di lain sisi, terdapat juga ahli yang menyatakan bahwa dokter radiologi akan tetap dibutuhkan untuk aspek radiologi intervensional serta penjelasan hasil diagnosis dan ke pasien.

Terdapat pula pandangan lain bahwa kecerdasan buatan tidak bersifat menggantikan tetapi justru membantu kerja dokter. Selain memiliki kemampuan diagnosis yang setara atau lebih baik, kecerdasan buatan juga dapat membantu klinisi melakukan hal-hal repetitif (misalnya membaca hasil rontgen pasien) sehingga klinisi bisa lebih fokus pada kasus dan analisa informasi klinis pasien.[5]

Peranan Kecerdasan Buatan pada Spesialis Bedah dan Psikiatri

Terdapat juga beberapa spesialisasi lain yang berhubungan dengan kecerdasan buatan, seperti spesialisasi yang berhubungan erat dengan komunikasi dan empati dalam berhubungan dengan pasien, misalnya psikiatri. Selain itu, bisa juga berupa spesialisasi yang berhubungan dengan intervensi medis, misalnya bedah.

Peranan Kecerdasan Buatan pada Spesialis Bedah

Meski sudah banyak pembedahan robotik saat ini, semuanya masih membutuhkan kontrol dari manusia (human input), dalam hal ini dokter spesialis bedah. Walau demikian, studi pada tahun 2016 menunjukkan potensi smart surgical robot (salah satu bentuk kecerdasan buatan) untuk menjahit usus kecil babi secara otonom. Studi tersebut menunjukkan bahwa kecerdasan buatan lebih baik dalam menjahit usus kecil dibandingkan spesialis bedah.[8]

Bahkan, sebuah ‘robot dokter gigi’ di Tiongkok sudah sukses menjadi yang pertama dalam melakukan implan 2 buah gigi ke seorang wanita secara mandiri.[9]

Peranan Kecerdasan Buatan pada Spesialis Psikiatri

Pandangan bahwa area spesialis psikiatri cenderung tidak terjangkau kecerdasan buatan pun rupanya keliru. Sebuah meta analisis mencakup 365 studi melaporkan bahwa kemampuan prediksi bunuh diri pada pasien psikiatrik rupanya tidak banyak berkembang selama 50 tahun.[10]

Sementara, peneliti menyatakan kecerdasan buatan machine learning pada EHRS mampu memprediksi dengan ketepatan 80–90% apakah seseorang akan berupaya bunuh diri dalam 2 tahun ke depan, bahkan 92% untuk memprediksi apakah seseorang akan berupaya bunuh diri minggu depan.[11]

Studi lain juga menunjukkan bahwa virtual interviewer lebih superior dibandingkan manusia dalam menggali gejala psikologis pada tentara terkait post-traumatic stress disorder.[12]

Peranan Kecerdasan Buatan pada Spesialisasi Lainnya

Pada dasarnya, semua spesialisasi akan terkena dampak dari kecerdasan buatan. Di bidang neurologi, kecerdasan buatan mampu menganalisis genom pasien dengan glioblastoma dan memberikan rancangan terapi yang sesuai hanya dalam 10 menit dibandingkan manusia untuk menganalisis dan membuat rancangan yang sebanding (160 jam).[13]

Pada bidang kardiologi, aplikasi machine learning pada data klinis 350.000 pasien dapat digunakan untuk memprediksi risiko kardiovaskular 7,6% lebih akurat dibandingkan algoritma yang sudah ada.[14]

Hal ini menunjukkan berbagai potensi aplikasi kecerdasan buatan untuk berbagai spesialisasi kedokteran, baik ke arah kedokteran presisi, seperti ditemukannya etiologi gen spesifik hingga dapat dilakukan targeted therapy, maupun preventif yang lebih baik karena faktor risiko ataupun faktor prognostik dapat diidentifikasi dengan lebih tepat.[14]

Selain itu, AI juga berguna pada clinical decision tools (CDS) yang dapat meningkatkan akurasi diagnosis. Misalnya, pemeriksaan batuk dengan aplikasi yang dapat digunakan untuk mendiagnosis penyakit sistem pernapasan. Algoritma dari CDS dapat digunakan untuk stratifikasi risiko pasien.

Kesimpulan

Dokter-dokter yang ingin menjadi dokter spesialis perlu menyadari pengaruh kecerdasan buatan terhadap pilihan spesialisasi yang akan mereka ambil. Peran spesialis yang berhubungan dengan pattern recognition akan menjadi sangat berbeda.

Pada spesialis radiologi dan dermatovenereologi, aspek diagnosis akan lebih didominasi oleh kecerdasan buatan di masa depan sehingga dokter spesialis akan lebih berperan untuk komunikasi hasil diagnosis dan pilihan tata laksana kepada pasien serta melakukan intervensi. Selain itu, kecerdasan buatan juga tetap akan memiliki peranan pada semua spesialisasi lainnya, bahkan pada spesialisasi yang lebih intervensional.

Artificial intelligence (AI) akan terus memberikan dampak terhadap praktik kedokteran. Daripada takut akan digantikan oleh AI, dokter harus mengambil sikap positif terhadap kecerdasan buatan. Hal ini dapat dilakukan dengan mempelajari dan menyambut peranan AI dalam membantu dokter menyediakan pelayanan yang lebih baik lagi untuk pasiennya.

 

 

 

Direvisi oleh: dr. Livia Saputra