AI generatif dalam layanan kesehatan: Contoh, manfaat, kasus penggunaan

Diterbitkan: 2023-08-08

Popularitas ChatGPT OpenAI telah memicu perlombaan untuk memasukkan AI generatif ke dalam aplikasi yang digunakan dalam industri. Layanan kesehatan adalah salah satu sektor yang memimpin upaya ini.

AI generatif dalam layanan kesehatan dapat membantu membuka potensi peningkatan sebesar $1 triliun yang belum terealisasi dalam industri ini dengan mengotomatiskan pekerjaan yang rentan terhadap kesalahan, menyediakan banyak data kepada dokter dalam hitungan detik, dan memodernisasi infrastruktur kesehatan, menurut McKinsey & Company.

Contoh AI generatif dalam layanan kesehatan

Meskipun bisnis layanan kesehatan telah menggunakan teknologi AI selama bertahun-tahun – prediksi kejadian buruk, optimalisasi penjadwalan ruang operasi, dan menghubungkan data pasien untuk memberikan hasil yang lebih baik adalah tiga contohnya – AI dalam layanan kesehatan menjanjikan transformasi yang lebih mendalam bagi industri ini.

Berikut adalah beberapa contoh terbaru AI dalam layanan kesehatan:

Amazon Web Services (AWS) pada bulan Juli mengumumkan layanan bernama AWS HealthScribe, yang menggunakan pengenalan suara dan AI generatif untuk menghemat waktu dokter dengan menghasilkan dokumentasi klinis.
Google sedang menguji teknologi chatbot medis yang disebut Med-PaLM 2 di May Clinic dan rumah sakit lain, menurut Wall Street Journal. Berdasarkan teknologi model bahasa besar (LLM) yang mendasari chatbot AI generatif percakapan Bard milik Google, Med-PaLM 2 bertujuan untuk menjawab pertanyaan medis dengan lebih akurat dan aman.
Microsoft , salah satu investor besar di OpenAI, perusahaan di balik ChatGPT, bermitra dengan Epic Systems untuk mengintegrasikan teknologi AI generatif ke dalam catatan kesehatan elektronik (EHRs). Anak perusahaan Microsoft, Nuance Communications, juga mengumumkan aplikasi dokumentasi klinis yang sepenuhnya otomatis yang menggabungkan AI percakapan dan ambien dengan GPT-4, versi terbaru LLM yang mendukung ChatGPT.

83% perusahaan layanan kesehatan paling inovatif di dunia menjalankan solusi SAP.

Memanfaatkan data di salah satu industri yang paling padat data

Melihat daya tarik dalam layanan kesehatan, industri konservatif yang terkenal sebagai salah satu industri terakhir yang menerima teknologi baru, sungguh luar biasa. Hal ini terutama benar ketika kita mempertimbangkan bagaimana peraturan privasi yang ketat seperti Undang-Undang Akuntabilitas Portabilitas Asuransi Kesehatan (HIPAA) cenderung menghalangi pembagian data.

Namun layanan kesehatan juga merupakan salah satu industri yang paling padat data.

Rata-rata rumah sakit dikatakan menghasilkan sekitar 50 petabyte data setiap tahun, yang berarti sekitar 12,5 triliun salinan digital Alkitab versi King James. Terlebih lagi, volume data yang dihasilkan dalam layanan kesehatan dilaporkan meningkat sebesar 47% per tahun, suatu pencapaian yang signifikan bagi industri mana pun.

Semua data tersebut harus dicatat oleh seseorang, yang memerlukan waktu cukup lama. Banyak hal yang bisa sangat berguna untuk meningkatkan efisiensi organisasi layanan kesehatan dan untuk memberikan informasi medis dan nasihat yang tepat waktu kepada pasien yang membutuhkan.

Namun, memanfaatkan data tersebut dengan baik adalah hal yang mustahil karena terlalu banyak data yang harus ditangani oleh manusia dan teknologi lama.

Di sinilah AI berperan. Dengan mengandalkan algoritme pembelajaran mendalam untuk membuat teks, audio, kode, dan konten baru lainnya, algoritme ini dapat dioptimalkan untuk privasi dan kemudian mengumpulkan sejumlah besar informasi medis tidak terstruktur untuk menghemat waktu dan uang sekaligus membuka kemungkinan bisnis dan klinis tanpa batas.

Keterlibatan pasien layanan kesehatan: Membayangkan masa depan yang lebih baik dan lebih berani

Di Amerika Serikat, baik perusahaan pembayar maupun penyedia layanan kesehatan menghadapi banyak sekali tantangan yang kritis dan mendesak. Apakah kamu siap?

Pengobatan yang dipersonalisasi, diagnosis yang lebih cepat, dan banyak lagi

Organisasi layanan kesehatan melihat potensi ini, yang merupakan salah satu alasan mengapa 64,8% dari mereka sedang menjajaki skenario AI generatif dan 34,9% sudah berinvestasi di dalamnya, menurut Analis IDC Health Insights Lynne Dunbrack.

“Ada permintaan akan teknologi untuk mengatasi prioritas utama – seperti meningkatkan pengalaman pasien, meningkatkan kesehatan masyarakat, dan mengurangi biaya,” kata Dunbrack.

Lebih khusus lagi, para analis mengatakan AI generatif dapat menjadi bagian integral untuk memenuhi sejumlah kebutuhan umum dalam industri layanan kesehatan, termasuk:

Pengobatan yang dipersonalisasi : AI generatif dapat mengumpulkan dan menganalisis data pasien dalam jumlah besar untuk memberikan rekomendasi pengobatan dan terapi yang disesuaikan untuk meningkatkan pengobatan.
Analisis pencitraan medis : LLM juga unggul dalam menafsirkan gambar medis, seperti MRI, CT scan, dan sinar-X. Mengotomatiskan analisis gambar dapat memungkinkan dokter mendeteksi masalah dengan lebih cepat dan akurat, sehingga meningkatkan diagnosis dan perawatan secara keseluruhan.
Pencatatan klinis: Serangkaian alat seperti HealthScribe AWS kemungkinan akan berupaya memecahkan masalah lama dimana dokter terlalu terbatas waktunya untuk membuat catatan yang tepat dan terperinci tentang kunjungan pasien dan kemudian harus memasukkannya ke dalam EHR. Alat AI dapat mengatasi kerumitan tersebut dengan menggunakan pengenalan suara dan pembelajaran mendalam untuk mengotomatiskan proses ini dengan cepat dan efisien.
Penemuan dan pengembangan obat : AI generatif juga dapat digunakan untuk mempercepat penemuan obat dengan mensimulasikan interaksi molekuler dan memprediksi kemungkinan kandidat obat. Ini juga digunakan untuk mempercepat persetujuan peraturan obat. Misalnya, Insilico Medicine mengatakan mereka tidak hanya menggunakan platform AI miliknya untuk menemukan pengobatan fibrosis paru idiopatik, suatu penyakit pernafasan, namun telah menerapkannya pada setiap langkah proses penemuan obat praklinis. Insilico mengatakan bahwa melakukan hal ini melalui metode tradisional biasanya memerlukan biaya lebih dari $400 juta, namun diperkirakan biayanya akan mencapai sepersepuluh dari biaya yang dikeluarkan dengan AI generatif.
Asisten kesehatan virtual : Banyak chatbot AI generatif pertama untuk layanan kesehatan akan berfokus pada penyediaan jawaban yang lebih cepat dan lebih baik terhadap pertanyaan pasien dengan lebih efisien 24 jam sehari. UNC Health, misalnya, memanfaatkan alat AI generatif Epic untuk membantu dokter yang kewalahan mengatasi banyaknya pesan yang masuk.
Menyederhanakan klaim asuransi : AI Generatif juga membantu menyederhanakan klaim asuransi kesehatan dari pasien (atau permintaan pra-otorisasi dari kantor dokter) dengan mengotomatiskan ekstraksi dan pemrosesan catatan pasien, sehingga mengurangi tekanan pada personel pusat panggilan. Selain itu, hal ini dapat membantu mempercepat pertimbangan klaim sekaligus mengidentifikasi pengajuan yang berpotensi menipu dengan mendeteksi pola dan anomali yang mencurigakan.

AI generatif sebagai sebuah teknologi masih berada pada tahap awal, meskipun banyak yang baru-baru ini berkembang pesat, sehingga tidak mungkin untuk memprediksi apakah fokus pada layanan kesehatan saat ini akan tetap ada. Tapi satu hal yang jelas: dengan begitu banyak miliaran dolar yang disuntikkan ke luar angkasa, tren ini tidak akan ketinggalan dalam waktu dekat.