Penelitian, inovasi, dan pemimpin perlu mendukung penggunaan kecerdasan buatan (AI) dalam sistem catatan kesehatan elektronik (EHR) untuk mendorong adopsi yang meluas dan membawa teknologi maju ke dalam perawatan kesehatan arus utama.
Sistem kesehatan elektronik tradisional, manual, dan kuno sedang mengalami transformasi digital. Kecerdasan buatan (AI) semakin memasuki layanan kesehatan, mengubah informasi online yang ada dengan menghilangkan sifat rumit, rumit, dan membingungkan dalam menyimpan dan memelihara catatan kesehatan elektronik (EHR), kadang-kadang dikenal sebagai catatan medis elektronik (EMR).
Sistem EHR yang dipimpin AI memiliki potensi untuk berkontribusi pada demokratisasi akses ke perawatan yang terinformasi, akurat, dan tepat waktu. Namun, inovator harus mengeksplorasi kemampuan teknologi untuk menyediakan perawatan kesehatan yang adil dan memahami bagaimana hal itu dapat memenuhi kebutuhan khusus individu dan komunitas.
Teknologi untuk mengubah kemampuan EHR
Pelopor teknologi kesehatan mempelajari bagaimana penemuan yang dipimpin oleh AI dapat membantu menyediakan standar perawatan kesehatan ini. Mereka merespons dengan mengeksplorasi bagaimana fitur teknologi dalam sistem EHR dapat menciptakan ekosistem kesehatan digital yang berkinerja lebih tinggi.
Dikutip dari laman medicaldevice-network.com, “AI memiliki potensi untuk mengubah EHR saat ini dari menjadi sistem penyimpanan informasi pasif yang mengatur data kesehatan menjadi sistem penghasil informasi aktif yang memunculkan wawasan klinis yang dapat ditindaklanjuti dari data kesehatan,” kata Steven Lin, Direktur Eksekutif Tim Riset Terapan AI Stanford Healthcare ( HEA3RT) di Fakultas Kedokteran Universitas Stanford.
Dengan menggunakan AI, dokter dapat membuat pola dan wawasan yang sebelumnya tersembunyi dalam data paten menjadi terlihat. Pada gilirannya, membuka kunci data ini dapat menghasilkan peningkatan substansial dalam perawatan pasien dan perawatan populasi yang lebih luas. “EHRs, awalnya dibuat untuk menyimpan dan memungkinkan pengambilan data kesehatan pasien, dialihkan ke bidang yang jauh lebih fungsional oleh AI,” kata Peter Fish, CEO Mendelian.
Saat teknologi maju tumbuh dalam pengaturan klinis tatap muka, praktisi mengubah cara mereka menyimpan dan mengakses catatan kesehatan. “Dirancang dengan cermat, EHR bertenaga AI dapat menjadi alat dokter yang paling kuat dan bahkan mitra tepercaya,” kata Lin.
Namun, ada kekhawatiran seputar penggunaan kemampuan AI di EHR, mencegah teknologi tersebut memasuki perawatan kesehatan umum. “Didesain dengan buruk, ini dapat mengaburkan dan mengganggu perawatan pasien serta memperburuk epidemi kelelahan dokter,” tambah Lin.
Sistem EHR yang dipimpin AI dipercepat untuk memberikan perawatan kesehatan yang dipersonalisasi. AI di EHR bertujuan untuk memberi para praktisi alat proaktif untuk manajemen perawatan kesehatan yang dipersonalisasi untuk pasien kronis dan rentan.
“Seiring dengan perubahan obat dari pendekatan satu ukuran untuk semua ke obat bertingkat dan akhirnya dipersonalisasi, menjadi semakin kompleks untuk memberikan perawatan yang layak diterima pasien dalam skala besar,” kata Fish.
Algoritme prediktif yang diintegrasikan ke dalam EHR dapat mendukung pengambilan keputusan klinis. Alat yang disematkan AI dapat memprediksi apakah pasien akan memiliki peluang persentase tertentu untuk dirawat di rumah sakit karena kondisi tertentu dan akan merekomendasikan intervensi yang tepat dan responsif.
Teknologi menangkap kemampuan pencocokan pola komputasi yang melebihi milik praktisi pada tingkat ini, kata Fish. Algoritme prediktif juga dapat meningkatkan pengalaman menggunakan EHR untuk dokter dengan mempersonalisasi menu, tombol, tata letak, dan pintasan ke pola penggunaan dokter.
Perkembangan baru dan penelitian baru
“Saya senang dengan prediksi risiko yang digerakkan oleh AI dalam perawatan primer dan kesehatan populasi,” kata Lin. Mengidentifikasi pasien dengan risiko tinggi hasil yang dapat dicegah seperti serangan jantung, stroke, kunjungan gawat darurat dan rawat inap dan intervensi menggunakan rekomendasi berbasis bukti dapat menyelamatkan nyawa dan uang, kata Lin.
“Saya juga senang dengan alat pengambilan keputusan klinis berbantuan AI generasi berikutnya yang dapat membantu dokter membuat rencana perawatan terbaik untuk ‘pasien seperti mereka’,” tambah Lin. Fenotiping pasien dan menggunakan bukti dunia nyata untuk mempersonalisasi perawatan adalah contoh bagaimana kita dapat mengharapkan AI berkembang di tengah penelitian yang sedang berlangsung.
Mendelian, perusahaan perawatan kesehatan diagnostik penyakit langka, telah meluncurkan MendelScan, sistem pendukung keputusan klinis. Ini dirancang untuk memungkinkan dan menerapkan algoritme penemuan kasus penyakit langka pada EHR secara asinkron, karena bertujuan untuk membentuk proses perawatan proaktif tingkat populasi.
“Tidaklah jujur untuk mengatakan bahwa AI di EHR memiliki dampak terukur pada perawatan atau personalisasi perawatan pada pasien yang sebenarnya saat ini,” kata Lin. Terlepas dari “kantong kesuksesan”, Lin menambahkan bahwa perawatan kesehatan belum menunjukkan sesuatu yang “luas atau bermakna” di ruang EHR yang dipimpin oleh AI. “Ada potensi nyata, tetapi buktinya tidak ada,” tambah Lin.
Tantangan signifikan ada di bidang ini, khususnya dalam memaksimalkan kemampuan AI dalam sistem EHR dan memberikan peluang untuk mengembangkan potensinya dan meningkatkan layanan kesehatan global secara keseluruhan.
Banyak kisah sukses AI di EHR belum digunakan dalam skala besar. Ada lebih banyak cerita tentang kegagalan yang memalukan, seperti model sepsis AI Epic, daripada kesuksesannya, Lin berbagi. Prediksi dan demonstrasi AI yang buruk memiliki efek luas dan berpotensi bertahan lama. “Itu secara signifikan memengaruhi kepercayaan dokter dan pasien pada AI, yang secara keseluruhan rendah,” kata Lin.
“Tantangan lain adalah keengganan dan penolakan umum dari vendor EHR besar untuk bekerja dengan pengembang AI pihak ketiga, menghambat inovasi dan kemajuan,” lanjut Lin. Menyelaraskan sistem dan proses perawatan kesehatan lama dengan inovasi yang menampilkan teknologi baru merupakan kendala yang berkelanjutan. Oleh karena itu, kemitraan antara pengembang AI pihak ketiga dan penyedia EHR besar sebagian besar masih belum dijelajahi.
“Kurangnya interoperabilitas antara EHR tetap menjadi penghalang utama,” tambah Lin. Sistem yang berbeda yang tidak berkomunikasi satu sama lain adalah batasan yang menghambat perkembangan praktisi yang mencari AI untuk meningkatkan proses pengumpulan informasi yang ada.
“AI menjanjikan banyak hal untuk obat-obatan,” Fish menjelaskan. Namun, uji coba dunia nyata dan studi efektivitas yang signifikan diperlukan untuk menghasilkan bukti kuat yang diperlukan untuk memikat para pembuat keputusan dan penjaga gerbang. Saat ini, kita membutuhkan pemimpin untuk memperjuangkan dan mendukung AI dalam sistem EHR agar dapat dipercaya dan diadopsi secara luas.
Kesenjangan yang signifikan dalam pemahaman kami adalah cara terbaik untuk mengintegrasikan model AI ke dalam alur kerja klinis yang digerakkan oleh manusia. “Kita perlu berinvestasi lebih banyak secara signifikan ke dalam ilmu penerapan AI,” kata Lin.
Memahami kemampuan kehidupan nyata dari teknologi yang dipimpin AI adalah salah satu dari banyak tuntutan. Memastikannya mulus dan menarik juga penting. “Tidak peduli seberapa bagus AI-nya, jika teknologinya menyebabkan terlalu banyak gesekan pada alur kerja berbasis manusia yang ada, itu tidak akan diadopsi,” Lin menyoroti. [kg]