Kecerdasan buatan dalam perawatan kesehatan: Janji dan tantangan dari Microsoft Dragon Copilot

Kecerdasan buatan dalam perawatan kesehatan menjanjikan untuk melampaui otomatisasi tugas-tugas administratif, bercita-cita untuk menjadi bagian integral dari keunggulan klinis dan operasional. Meskipun solusi AI generik tentu saja menawarkan nilai, hasil yang paling transformatif harus berasal dari aplikasi yang dirancang khusus untuk tantangan, alur kerja, dan peluang unik dari sektor perawatan kesehatan.

Microsoft Dragon Copilot: Antara janji dan kenyataan

Pengumuman Microsoft baru-baru ini tentang Dragon Copilot, asisten AI untuk alur kerja klinis yang dijadwalkan akan dirilis pada Mei 2025, menyoroti dorongan perusahaan untuk mentransformasi perawatan kesehatan melalui kecerdasan buatan. Solusi ini menggabungkan kemampuan suara Dragon Medical One dengan teknologi AI ambient DAX Copilot, yang diintegrasikan ke dalam platform yang dirancang untuk mengatasi kelelahan klinis dan inefisiensi alur kerja.

Konteks: Tanggapan terhadap tantangan sektor ini

Dragon Copilot hadir di saat yang kritis bagi sektor kesehatan. Kelelahan klinis sedikit menurun dari 53 persen menjadi 48 persen antara tahun 2023 dan 2024, tetapi kekurangan staf yang sedang berlangsung masih menjadi tantangan utama. Solusi Microsoft bertujuan untuk:

• Menyederhanakan dokumentasi klinis
• Menyediakan akses kontekstual ke informasi
• Mengotomatiskan tugas klinis yang berulang

Hasil awal: Antara data resmi dan pengalaman nyata

Menurut data Microsoft, DAX Copilot telah membantu lebih dari tiga juta pertemuan pasien di 600 organisasi layanan kesehatan pada bulan lalu saja. Penyedia layanan kesehatan melaporkan penghematan waktu lima menit per pertemuan, dengan 70 persen penyedia layanan kesehatan mengalami penurunan gejala kelelahan dan 93 persen pasien merasakan pengalaman yang lebih baik.

Namun demikian, pengalaman para penguji beta mengungkapkan kenyataan yang lebih kompleks:

Keterbatasan dalam membuat catatan klinis

Banyak dokter yang telah menguji Dragon Copilot melaporkan bahwa catatan yang dihasilkan sering kali terlalu bertele-tele untuk sebagian besar catatan medis, bahkan dengan semua penyesuaian yang diaktifkan. Seperti yang diamati oleh seorang penguji beta:"Anda mendapatkan catatan yang sangat panjang dan sulit untuk memisahkan 'gandum dari sekam'".

Percakapan medis cenderung melompat secara kronologis, dan Dragon Copilot mengalami kesulitan dalam mengatur informasi ini secara koheren, sering kali memaksa dokter untuk meninjau dan mengedit catatan, yang mengalahkan tujuan alat ini sampai batas tertentu.

Kekuatan dan kelemahan

Penguji beta menunjukkan beberapa kekuatan dan kelemahan tertentu:

Kekuatan:

• Pengenalan nama obat yang sangat baik, bahkan ketika pasien salah mengucapkannya
• Berguna sebagai alat untuk merekam percakapan dan merujuknya saat menulis catatan
• Efektif untuk kasus-kasus sederhana dan kunjungan singkat

Kelemahan:

• Adanya 'halusinasi' (data yang dibuat-buat), meskipun umumnya kecil (kesalahan pada jenis kelamin, tahun)
• Kesulitan dalam membedakan kepentingan relatif dari suatu informasi (memperlakukan semua informasi sama pentingnya)
• Masalah dengan pengaturan data pemeriksaan fisik
• Catatan waktu revisi mengurangi manfaat efisiensi yang dijanjikan

Seorang dokter penguji beta merangkum pengalamannya:"Untuk diagnosis sederhana, dia melakukan pekerjaan yang cukup baik dalam mendokumentasikan evaluasi dan rencana, mungkin karena semua diagnosis sederhana ada dalam set pelatihan. Namun, untuk diagnosis yang lebih kompleks, harus didiktekan secara tepat oleh dokter."

‍

Fungsi dan potensi AI kesehatan

Dukungan keputusan klinis

Model kecerdasan buatan khusus perawatan kesehatan, seperti yang mendasari Dragon Copilot, dilatih pada jutaan catatan medis anonim dan literatur medis, dengan tujuan:

• Mengidentifikasi pola dalam data pasien yang mungkin mengindikasikan kondisi yang muncul
• Menyarankan rute diagnostik yang tepat berdasarkan gejala dan anamnesis
• Melaporkan potensi interaksi dan kontraindikasi obat
• Menyoroti penelitian klinis yang relevan untuk presentasi tertentu

Potensi signifikan yang disoroti oleh seorang dokter pengguna adalah kemampuan sistem ini untuk"mencerna rekam medis pasien dalam konteksnya dan menyajikan informasi penting kepada dokter yang mungkin terlewatkan dalam kekacauan hipertrofi yang merupakan sebagian besar rekam medis elektronik saat ini".

Mengoptimalkan jalur pasien

AI khusus perawatan kesehatan memiliki potensi untuk mengubah pengalaman pasien:

• Perencanaan prediktif untuk mengurangi waktu tunggu
• Pembuatan rencana perawatan yang disesuaikan
• Identifikasi proaktif intervensi untuk pasien berisiko tinggi
• Triase virtual untuk mengarahkan pasien ke lingkungan perawatan yang paling tepat

Pertimbangan kepatuhan dan privasi

Integrasi alat bantu AI seperti Dragon Copilot menimbulkan masalah kepatuhan yang penting:

• Dokter harus menyertakan sanggahan dalam catatan yang menunjukkan penggunaan instrumen
• Pasien harus diberitahu sebelumnya bahwa percakapan sedang direkam
• Muncul kekhawatiran tentang potensi akses ke data oleh perusahaan asuransi

Tantangan dan implikasi praktis untuk masa depan

Penalaran yang didelegasikan' dan risikonya

Aspek yang sangat sensitif yang disoroti oleh para praktisi adalah potensi 'pemindahan' penalaran dari dokter ke alat AI. Seperti yang diamati oleh seorang dokter residen yang juga ahli dalam ilmu komputer:'Bahayanya mungkin terletak pada kenyataan bahwa hal ini terjadi secara diam-diam, dengan alat-alat ini memutuskan apa yang penting dan apa yang tidak penting'.

Hal ini menimbulkan pertanyaan mendasar tentang peran penilaian klinis manusia dalam ekosistem yang semakin dimediasi oleh AI.

Efektivitas biaya dan alternatif

Elemen penting yang disoroti oleh beberapa kesaksian adalah mahalnya biaya Dragon Copilot dibandingkan dengan alternatif lainnya:

Salah satu pengguna, yang berpartisipasi dalam versi beta, melaporkan bahwa setelah satu tahun hanya sepertiga dari dokter di fasilitasnya yang masih menggunakannya.

‍

Beberapa penguji beta menyebutkan alternatif seperti Nudge AI, Lucas AI, dan alat lain yang menawarkan fungsionalitas serupa dengan biaya yang jauh lebih rendah dan, dalam beberapa kasus, kinerja yang lebih baik dalam konteks tertentu.

‍

‍

Implementasi AI kesehatan: pertimbangan utama

Ketika mengevaluasi solusi kecerdasan buatan untuk sektor kesehatan, hal ini sangat penting untuk dipertimbangkan:

1. Keseimbangan antara otomatisasi dan penilaian klinis
   Solusi harus mendukung, bukan menggantikan, pertimbangan klinis dokter.
2. Penyesuaian untuk spesialisasi dan alur kerja tertentu
   Seperti yang diamati oleh salah satu pendiri perusahaan AI medis:'Setiap spesialis memiliki preferensi sendiri tentang apa yang penting untuk dimasukkan dalam catatan versus apa yang harus dikecualikan; dan preferensi ini berubah sesuai dengan penyakitnya - apa yang diinginkan oleh seorang ahli saraf dalam catatan tentang epilepsi sangat berbeda dengan apa yang dia perlukan dalam catatan tentang demensia'.
3. Kemudahan koreksi dan pengawasan manusia
   Intervensi manusia harus tetap sederhana dan efisien untuk memastikan keakuratan catatan.
4. Keseimbangan antara kelengkapan dan sintesis
   Catatan yang dihasilkan tidak boleh terlalu bertele-tele, dan juga tidak boleh terlalu sedikit.
5. Transparansi dengan pasien
   Pasien harus diberitahu tentang penggunaan instrumen ini dan peran mereka dalam proses perawatan.

Kesimpulan: Menuju integrasi yang seimbang

Inovasi seperti Dragon Copilot milik Microsoft merupakan langkah penting dalam integrasi AI dalam perawatan kesehatan, tetapi pengalaman para penguji beta menunjukkan bahwa kita masih dalam tahap awal, dengan banyak tantangan yang harus diatasi.

Masa depan AI dalam perawatan kesehatan akan membutuhkan keseimbangan antara efisiensi administratif dan penilaian klinis, antara otomatisasi dan hubungan dokter-pasien. Alat-alat seperti Dragon Copilot memiliki potensi untuk meringankan beban administratif dokter, tetapi keberhasilannya akan bergantung pada kemampuannya untuk berintegrasi secara organik ke dalam alur kerja klinis dunia nyata, dengan tetap menghormati kompleksitas dan nuansa praktik medis.

Vertikal sejati vs vertikal palsu: kunci kesuksesan dalam AI perawatan kesehatan

Aspek penting yang harus selalu dipertimbangkan adalah perbedaan antara 'vertikal sejati' dan 'vertikal palsu' di bidang AI perawatan kesehatan, dan kecerdasan buatan secara umum. 'True verticals' adalah solusi yang dirancang dari bawah ke atas dengan pemahaman mendalam tentang proses klinis tertentu, alur kerja khusus, dan kebutuhan khusus dari pengaturan perawatan kesehatan yang berbeda. Sistem ini menggabungkan pengetahuan domain tidak hanya di tingkat permukaan tetapi juga dalam arsitektur dan model datanya.

‍

Sebaliknya, 'vertikal palsu' pada dasarnya adalah solusi horizontal (seperti sistem transkripsi umum atau LLM generalis) dengan lapisan tipis personalisasi perawatan kesehatan yang diterapkan di atasnya. Sistem ini cenderung gagal tepat di area praktik klinis yang paling kompleks dan bernuansa, sebagaimana dibuktikan dengan ketidakmampuan mereka untuk membedakan kepentingan relatif dari informasi atau mengatur data medis yang kompleks secara memadai.

‍

Seperti yang ditunjukkan oleh umpan balik dari penguji beta, penerapan model bahasa generik pada dokumentasi medis, bahkan ketika dilatih pada data medis, tidak cukup untuk menciptakan solusi yang benar-benar vertikal. Solusi yang paling efektif adalah solusi yang dikembangkan dengan keterlibatan langsung dari spesialis medis pada setiap tahap desain, menangani masalah spesialisasi medis tertentu dan mengintegrasikan secara native ke dalam alur kerja yang ada.

‍

Seperti yang diamati oleh seorang dokter penguji beta:'Seni' kedokteran adalah mengarahkan pasien untuk memberikan informasi yang paling penting/relevan'. Kemampuan untuk membedakan ini tetap, setidaknya untuk saat ini, merupakan domain murni manusia, menunjukkan bahwa masa depan yang optimal kemungkinan besar adalah kolaborasi sinergis antara kecerdasan buatan dan keahlian klinis manusia, dengan solusi yang benar-benar vertikal yang menghargai dan memperkuat keahlian medis daripada mencoba menggantikan atau menstandarkannya secara berlebihan.