Studi Google baru pada pandangan pertama menunjukkan peluang perawatan kesehatan yang menjanjikan yang membantu AI. Bahkan, itu menunjukkan ancaman yang akan datang.
Para peneliti dari Google menjadi
berita utama pada awal 2020 dengan penelitian mereka, di mana mereka menyatakan bahwa sistem kecerdasan buatan (AI) mereka lebih baik daripada orang ahli untuk menemukan kanker payudara dengan
mammogram . Itu terdengar seperti kemenangan besar, dan contoh lain bagaimana AI
akan segera
mengubah layanan kesehatan kita : temukan lebih banyak tumor! Kurang positif palsu! Cara yang lebih baik dan lebih murah untuk menyediakan layanan medis yang berkualitas!
Tapi hati-hati dengan tanda seru. Layanan kesehatan berbasis komputer dapat memberi kita banyak manfaat di masa depan, tetapi semuanya akan tergantung pada bagaimana kita menggunakannya. Jika dokter pada awalnya mengajukan pertanyaan yang salah - jika mereka mengirim AI untuk mencari informasi berdasarkan asumsi yang salah - maka semua teknologi ini tidak akan membantu kami. Ia bahkan bisa berfungsi sebagai penguat kesalahan kita sebelumnya.
Di satu sisi, inilah yang terjadi dengan pekerjaan terbaru dari Google. Dia mencoba mereproduksi, dan kemudian melampaui efektivitas seseorang dalam suatu tugas, yang pada dasarnya adalah praktik medis yang sangat kejam. Jika Anda belum mengikuti
beberapa dekade kontroversi mengenai pencarian tumor, intinya adalah: jika Anda menjalani pemeriksaan mamografi terhadap orang-orang yang tidak memiliki gejala, Anda akan menemukan banyak hal yang terlihat seperti kanker tetapi tidak membahayakan kehidupan pasien. Dengan perkembangan penelitian kanker biologis dan proliferasi pemeriksaan medis massal dari populasi, para peneliti telah menemukan bahwa tidak setiap tumor akan berakibat fatal. Banyak orang memiliki bentuk kanker yang tidak menyakitkan atau lambat yang tidak mengancam kesehatan mereka. Sayangnya, pemeriksaan standar cenderung menemukan persis bentuk kanker terbaru - tumor yang tumbuh perlahan yang paling baik diabaikan.
Secara teori, ini tidak terlalu buruk. Ketika kanker tidak berbahaya ditemukan selama skrining, itu bisa diabaikan begitu saja, kan? Namun, masalahnya adalah bahwa pada saat penyaringan hampir tidak mungkin untuk mengetahui apakah lesi tertentu akan berbahaya atau tidak masuk akal. Dalam praktiknya, sebagian besar dokter cenderung menganggap kanker apa pun yang terdeteksi sebagai ancaman potensial, dan pertanyaan apakah mammogram menyelamatkan jiwa atau tidak tetap menjadi topik perdebatan sengit. Beberapa penelitian mengatakan ini adalah kasusnya, yang lain mengatakan tidak, tetapi bahkan jika kita menerima begitu saja interpretasi literatur yang paling indah, jumlah nyawa yang diselamatkan melalui penapisan masif ini akan kecil. Beberapa peneliti bahkan memperkirakan bahwa mamografi secara keseluruhan merugikan kesehatan pasien - yaitu, perawatan yang berlebihan dan munculnya tumor yang timbul dari radiasi terapi melebihi manfaatnya.
Dengan kata lain, sistem AI seperti yang ditawarkan Google menjanjikan untuk menyatukan orang dan mesin untuk membuat diagnosis lebih mudah, tetapi mereka juga berpotensi memperburuk masalah yang ada, seperti pengujian yang berlebihan, diagnosis yang terlalu pesimistis, dan perawatan yang tidak proporsional. Bahkan tidak jelas apakah perbaikan dalam menghilangkan diagnosis positif palsu dan negatif palsu yang dilaporkan oleh pengembang di dunia nyata akan berhasil. Studi ini menemukan bahwa AI terbukti lebih baik daripada ahli radiologi yang tidak dilatih untuk mempelajari mammogram. Apakah ini akan melampaui tim ahli khusus? Sulit dikatakan tanpa pengujian. Selain itu, sebagian besar gambar yang digunakan dalam penelitian ini dibuat menggunakan perangkat dari satu perusahaan. Masih belum jelas apakah mungkin untuk memperluas hasil ini ke gambar yang diperoleh pada mesin lain.
Dan masalah ini lebih dari sekedar skrining kanker payudara. Bagian dari daya tarik AI terletak pada fakta bahwa AI dapat menyaring volume besar data yang sudah dikenal, dan memilih dari sana variabel yang tampaknya tidak penting bagi kami. Pada prinsipnya, kemampuan ini dapat membantu kita mendiagnosis penyakit apa pun pada tahap awal, sama seperti getaran kecil seismograf dapat memperingatkan kita tentang gempa bumi di muka (omong-omong, AI membantu dalam hal ini). Tetapi kadang-kadang variabel tersembunyi ini tidak begitu penting. Misalnya, kumpulan data Anda dapat dikumpulkan di klinik skrining kanker yang menangani kanker paru-paru hanya pada hari Jumat. Akibatnya, algoritma AI dapat memutuskan bahwa gambar yang diambil pada hari Jumat lebih mungkin untuk mendeteksi kanker paru-paru. Dan koneksi sepele ini kemudian dapat jatuh ke dalam formula yang bertanggung jawab untuk diagnosis di masa depan.
Bahkan diagnosis dini penyakit yang akurat tidak selalu merupakan berkah. Proyek medis terkait AI lainnya baru-baru ini berfokus pada deteksi dini Alzheimer dan autisme, dua penyakit di mana mempercepat diagnosis mereka tidak akan mengubah hasilnya. Ini adalah peluang yang cocok untuk membuat sensasi untuk menunjukkan bagaimana suatu algoritma dapat belajar menentukan karakteristik yang kita ajarkan untuk dicari, tetapi mereka tidak mewakili kemajuan dalam kedokteran yang akan mengubah sesuatu dalam kehidupan pasien.
Beberapa kasus penggunaan algoritma dan pembelajaran mesin (MO) bahkan dapat menyebabkan munculnya masalah kompleks baru untuk dokter. Pertimbangkan Fitur Apple
Tonton,
yang memungkinkan fibrilasi atrium terdeteksi - suatu bentuk aritmia, faktor risiko stroke. Fibrilasi atrium diobati dengan pengencer darah, tetapi efek sampingnya dapat menyebabkan fakta bahwa setetes kecil mengakibatkan cedera yang mengancam jiwa. Jika Anda benar-benar berisiko terkena serangan jantung, maka risiko ini dibenarkan. Bagaimana dengan orang yang atrial fibrillasinya ditemukan oleh jam tangan pintar? Biasanya penyakit ini didiagnosis ketika pasien datang ke dokter dengan keluhan gejala; dan sekarang Apple memantau orang sehat tanpa gejala, dan muncul kasus baru yang mungkin tidak pernah mereka temukan di klinik. Tidak jelas apakah kelompok pasien ini akan mendapat manfaat dari perawatan.
"Kami tidak tahu apakah kedua populasi itu bertepatan," kata Venkatesh Murty, seorang ahli jantung di Pusat Kardiovaskular Frankel di Ann Harbor, Michigan. Pendekatan yang lebih bermanfaat adalah menggunakan AI untuk mengidentifikasi orang yang akan mendapat manfaat paling besar dari perawatan yang ada.
Jika AI benar-benar ingin menjadi pendekatan revolusioner, perlu tidak hanya mengembalikan status quo dalam kedokteran; dan sebelum mengadopsi pendekatan semacam itu, penting untuk menjawab beberapa pertanyaan mendasar: masalah apa yang coba dipecahkan oleh teknologi ini, dan bagaimana cara meningkatkan hasil bekerja dengan pasien? Menemukan jawaban bisa memakan waktu cukup lama.
Karena itu, moto terkenal Mark Zuckerberg, "Bergerak cepat, hancurkan fondasi", mungkin cocok untuk Facebook, tetapi tidak untuk obat-obatan, ini membantu AI, atau tidak. Menurut Vinay Prasad, penulis buku
Preventing Medical Failures , ahli hematologi dan onkologi di Sekolah Kesehatan dan Ilmu Pengetahuan Universitas Kedokteran Oregon, pola pikir penduduk Lembah Silikon dapat berbahaya bagi para praktisi. Itu adalah pendekatan seperti itu - ketika hidup dalam bahaya, kita perlu merilis ide-ide baru yang menjanjikan ke dalam sirkulasi sesegera mungkin - dan membawa kita ke kebingungan hari ini dengan skrining kanker. Mamografi diadopsi bahkan sebelum semua bukti muncul, kata Prasad, dan setelah praktik medis menjadi standar, sangat sulit untuk dikurangi. "Dalam budaya yang terbiasa dengan tindakan dan hype yang mendesak, sulit untuk menjadi rendah hati dan sabar."