“AI tidak dirancang untk menggantikan para klinisi,” ujar Angela Adams, seorang perawat terdaftar dan CEO platform manajemen tindak lanjut radiologi berbasis AI, Inflo Health. Ia menjelaskan bahwa perusahaan ini hadir sebagai solusi bagi klinisi, pasien, dan industri kesehatan secara keseluruhan. Menurutnya, teknologi kecerdasan buatan dalam kesehatan diarahkan untuk memperbaiki kekacauan dan kerusakan yang ada. “Seyogianya, AI menggantikan semua bagian sistem kesehatan yang rusak yang tidak bisa lagi kita andalkan hanya dengan menambah tenaga manusia.”
Kisahnya berawal ketika Adams, yang saat itu bekerja sebagai perawat unit perawatan intensif di Duke University Medical Center di Carolina Utara, menerima pesan dari seorang rekan dan teman yang mendatangi UGD akibat nyeri perut hebat. Temannya itu langsung menjalani operasi darurat untuk apendisitis akut. Selama di rumah sakit, seorang radiolog menemukan lesi payudara yang signifikan dan dicurigai ganas, yang memerlukan penindaklanjutan segera. Radiolog tersebut mendokumentasikannya, namun temuan itu hilang dalam sistem.
“Tidak ada komunikasi ke dokter perawatan utamanya,” kenang Adams. “Alhasil, ia mengalami keterlambatan diagnosis dan penanganan selama 10 bulan.”
Pemindaian PET berikutnya mengungkapkan kanker payudara metastatik yang telah menyebar ke otaknya. Teman Adams meninggal setahun setengah kemudian pada tahun 2020, tahun yang sama ketika Adams mendirikan Inflo Health bersama CTO Nate Sutton.
Adams, yang memiliki latar belakang di keperawatan intensif dan kepemimpinan AI kesehatan — jauh sebelum lonjakan AI pascapandemi — memanfaatkan kecerdasan buatan untuk meningkatkan perawatan preventif dan tindak lanjut pasien di bidang radiologi. Inisiatif ini dibangun di sekitar misi Inflo Health, “jangan sampai ada tindak lanjut yang terlewat.”
Adams menyatakan bahwa seandainya Inflo Health sudah beroperasi, temannya akan menerima pesan teks yang memberitahukan bahwa ia memiliki tindak lanjut terkait temuan radiologi tersebut, dan dokternya juga akan diinformasikan.
Cara Inflo Health Memanfaatkan AI
Seringkali, ketika radiolog menemukan temuan yang mencurigakan dalam pemindaian yang dilakukan untuk alasan yang sama sekali berbeda, penemuan tersebut hilang dalam kekacauan sistem.
Menurut sebuah studi dari University of Washington dan Lahey Hospital and Medical Center tahun 2015-17, sekitar 50% rekomendasi tindak lanjut radiologi tidak dipatuhi (tidak termasuk mammogram), yang berujung pada diagnosis yang tertunda, risiko hukum, serta meningkatnya biaya kesehatan. Sebuah studi terkini menemukan bahwa tindaklanjut yang terlewat mengakibatkan biaya kesehatan hingga $3 juta per tahun.
Secara historis, departemen radiologi dan pimpinan rumah sakit seringkali memiliki pandangan yang berbeda mengenai pendelegasian komunikasi tindak lanjut pasien. Adams mengatakan bahwa sering terjadi putusnya komunikasi dalam sistem kesehatan, namun juga terdapat kesenjangan ‘penerjemahan’, seperti ketika keahlian seorang radiolog tidak selalu disampaikan dengan jelas kepada dokter yang meminta pemeriksaan. Terkadang, temuan bisa salah ditafsirkan atau terlewat.
Teknologi pencitraan modern (yang sering ditingkatkan dengan AI) telah menjadi sangat baik dalam mendeteksi abnormalitas tidak terkait, yang digambarkan Adams sebagai “insidentaloma” — temuan yang bukan merupakan alasan awal pemeriksaan, seperti lesi payudara yang ditemukan selama CT scan apendisitis temannya.
“Kami melihat peningkatan deteksi [pencitraan] saja sebesar 40%,” kata Adams. Lebih banyak temuan berarti lebih banyak tindak lanjut yang perlu dikoordinasikan, membebani sistem yang sudah kewalahan.
Meskipun banyak hal telah berubah secara dramatis dalam dunia kesehatan, beberapa aspek justru tertinggal secara berbahaya, tutur Adams. Di masa lalu, seorang radiolog di rumah sakit bisa menelepon dokter perawatan primer dan mengeskalasi detail pasien dalam keadaan darurat. Panggilan telepon kini telah digantikan oleh alur kerja otomatis; sayangnya, teknologi ini tidak selalu menguntungkan pasien yang menerima perawatan, karena informasi yang potentially penting bisa saja hilang.
Inflo Health menggunakan pemrosesan bahasa alami dan model bahasa besar untuk memastikan bahwa janji tindak lanjut dan rekomendasi radiologi tidak pernah terlewat.
Pertama, platform Inflo secara otomatis memindai laporan pencitraan, seperti X-ray, CT scan, MRI, dan ultrasonografi, untuk mengidentifikasi dan mengekstrak data serta poin-poin kunci yang relevan. Meski angka akurasinya belum tersedia, studi telah dilakukan mengenai apakah ini membantu atau membahayakan pasien, tergantung pada dokternya.
Rekomendasi ini diprioritaskan berdasarkan situasi yang mendesak atau berisiko tinggi, memungkinkan tim perawatan untuk mengidentifikasi kasus mana yang perlu perhatian pertama. Pendekatan ini mengurangi pelacakan manual, yang merupakan titik di mana sebagian besar janji tindak lanjut seringkali terlewat.
Inflo Health juga terintegrasi dengan sistem alur kerja yang ada untuk memantau tindak lanjut secara real-time, dan tugas-tugas dieskalasikan melalui pesan teks serta notifikasi platform penyedia layanan, memberikan visibilitas atas efisiensi staf.
Adams mempertahankan pendekatan ketat dengan manusia tetap berada dalam loop.
“AI tidak menggantikan radiolog. AI memberdayakan mereka untuk memberikan perawatan pasien yang lebih andal,” jelas Adams kepada saya.
Berdasarkan data perusahaan, otomasi menangani 60% hingga 70% kasus tindak lanjut dari awal hingga akhir — skenario-skenario yang jelas di mana pasien menanggapi pesan dan menyelesaikan janji temu mereka. Kasus-kasus yang tersisa dieskalasikan kepada koordinator perawatan manusia, seperti kasus kompleks dengan banyak temuan atau pasien onkologi yang sedang menjalani perawatan.
Pasien dan radiolog memiliki visibilitas yang lebih besar terhadap proses ini, yang pada akhirnya dapat menyelamatkan nyawa, menurut Adams.
“Kami menempatkan mereka di puncak piramida [alur kerja], dan otomasi AI menangani sebagian besarnya sehingga mereka dapat benar-benar memfokuskan waktu, pengetahuan, dan energi mereka pada kasus-kasus yang sangat kompleks itu,” ujar Adams.
Dampak AI pada Layanan Kesehatan
Jenis-jenis AI tertentu telah diimplementasikan ke dalam sistem kesehatan sejak era 1960-an, kata Adams kepada saya, termasuk skor Apache (Acute Physiology and Chronic Health Evaluation) untuk memprediksi mortalitas, serta metode untuk memprediksi risiko jantung 10 tahun — tes-tes yang kini tertanam dalam perawatan klinis.
Akan tetapi, mentalitas tradisional dalam sistem kesehatan justru menghambat kemajuan manusia, dan pada akhirnya merugikan mereka, tuturnya.
Adams menyatakan bahwa, dalam hal adopsi teknologi, sistem kesehatan tertinggal satu dekade dibandingkan industri lainnya. Menurut pendapatnya, menambah tenaga manusia saja tidak lagi efektif untuk mengatasi masalah ini.
Pada akhirnya, AI beserta landasannya tidak lain hanyalah matematika,” ujarnya.
Menurut filosofi Inflo Health, ketika teknologi diterapkan untuk mendukung manusia alih-alih menggantikannya, hasilnya menguntungkan tidak hanya bagi alur komunikasi klinisi dan tim mereka, tetapi juga sistem kesehatan secara lebih luas.
Dampaknya ternyata dapat terukur: Berkolaborasi dengan Inflo Health, East Alabama Medical Center berhasil meningkatkan tindak lanjut hingga 74% menurut American College of Radiology. Selain itu, Inflo Health melaporkan bahwa sebanyak 125.000 jiwa telah merasakan dampaknya hingga saat ini.
Data ini mendukung hal yang ditekankan Adams: “Panggilan tertinggi teknologi adalah untuk mengembalikan dua hal terpenting dalam hidup yang tidak dapat dibeli, yaitu kesehatan dan waktu.”
Jangan lewatkan konten teknologi independen kami dan ulasan berbasis lab. Tambahkan CNET sebagai sumber pilihan di Google.