Menganalisis daftar periksa pasien untuk membantu dokter menemukan penyebab penyakit dengan lebih cepat dan akurat;
Menjadi asisten memori untuk mengingatkan pasien agar meminum obat pada waktu yang tepat;
Menganalisis data medis dalam jumlah besar untuk membantu menemukan pengobatan baru;
…
Bayangkan ketika teknologi AI dapat "terhubung secara mulus" dengan manajemen medis dan kesehatan sehari-hari, kita akan mendapatkan "penjaga kesehatan" yang penuh perhatian dan memiliki kehidupan yang lebih cerdas dan nyaman.
Namun pada saat yang sama, "perawatan medis AI +" juga menghadapi banyak tantangan dalam hal komersialisasi. Masalah seperti kepercayaan pasien dan dokter terhadap AI, masalah peraturan, dan masalah etika muncul satu demi satu.
Bagaimana cara menerapkan teknologi AI dengan lebih baik di bidang medis dan kesehatan? Bagaimana cara merangsang lebih banyak permintaan baru melalui teknologi AI? Dalam edisi Visi kali ini, Xiaoguan mengundang Li Wenwen, asisten profesor di Departemen Manajemen Informasi dan Intelijen Bisnis di Sekolah Manajemen Fudan, untuk membahas bagaimana AI dapat memberdayakan perkembangan industri kesehatan.
Li Wenwen
Asisten Profesor, Departemen Manajemen Informasi dan Intelijen Bisnis
Arahan penelitian: pembelajaran mesin, manajemen medis dan kesehatan, kolaborasi manusia-mesin, e-commerce
01
Diberdayakan oleh AI, era "kecerdasan dan kesehatan digital" akan segera tiba
Ketika melihat industri medis dan kesehatan dari perspektif manajemen, intinya terletak pada analisis permintaan. Pelayanan medis tradisional berpusat pada pengobatan penyakit, dengan dokter menyediakan produk dan layanan medis kepada setiap pasien. Namun, garis besar perencanaan "Tiongkok Sehat 2030" yang diusulkan oleh negara tersebut memerlukan peralihan dari pengobatan penyakit sebagai pusat ke kesehatan masyarakat sebagai pusatnya, yang berarti bahwa layanan medis tradisional yang berorientasi pada individu harus dialihkan ke berorientasi pada kelompok dan berpikir. lebih lanjut tentang bagaimana menyediakan layanan medis dan kesehatan siklus hidup penuh kepada masyarakat yang lebih luas.
Selain produk dan jasa kesehatan, kita juga harus memperhatikan produk dan jasa kesehatan. Industri medis dan kesehatan saat ini tidak hanya terbatas pada rumah sakit atau institusi medis, tetapi juga harus memperhatikan seluruh siklus hidup penghuninya, mulai dari pencegahan penyakit, diagnosis dan pengobatan penyakit, hingga pemulihan dan tindak lanjut penyakit di kemudian hari.
Perlu dicatat bahwa perubahan ini membawa kebutuhan dan tantangan baru. Pada tingkat individu, permintaan masyarakat terhadap kesehatan medis semakin meningkat dari hari ke hari, dan mereka mulai mengupayakan layanan medis yang lebih berkualitas, efisien, dan personal. Hal ini menimbulkan tuntutan yang lebih tinggi bagi praktisi medis dan perusahaan terkait, yaitu bagaimana memberikan layanan medis yang lebih baik.
Di tingkat organisasi, institusi dan perusahaan medis kini dapat mengumpulkan data medis yang kaya, termasuk rekam medis elektronik, gambar medis, dan berbagai data perilaku kesehatan pengguna yang dikumpulkan secara real-time oleh perangkat smart wearable. Menghadapi data ini, kita perlu memikirkan cara memproses dan menganalisis data medis yang kaya dan beragam secara efisien dan mengubahnya menjadi produk atau layanan yang berharga.
Untungnya, pesatnya perkembangan teknologi, terutama munculnya teknologi kecerdasan buatan, memberi kita solusi yang memungkinkan. Diantaranya, “kesehatan cerdas digital” adalah sebuah konsep baru yang menekankan promosi kolaboratif kesehatan komprehensif melalui digitalisasi dan kecerdasan. Berdasarkan sejumlah besar data medis dan kesehatan, seperti data klinis, data file kesehatan, data perangkat keras cerdas, dll., dikombinasikan dengan teknologi AI, data besar, komputasi awan, dan platform digital, kita dapat mewujudkan digitalisasi dan kecerdasan medis dan perawatan kesehatan.
Dengan latar belakang ini, teknologi baru ini secara bertahap akan diterapkan pada kebutuhan bidang kesehatan umum di masa depan, sehingga menghasilkan lebih banyak penerapan, seperti diagnosis tambahan yang cerdas, diagnosis genetik, penelitian dan pengembangan farmasi, atau penelitian dan pengembangan organoid terkait.
Namun, "perawatan medis AI +" juga menghadapi banyak tantangan ketika dikomersialkan. Dalam penerapan klinis, masalah seperti kepercayaan pasien dan dokter terhadap AI, masalah peraturan, dan masalah etika muncul satu demi satu. Tantangan-tantangan ini bukan semata-mata masalah kesehatan teknis atau medis, namun berkaitan erat dengan faktor “manusia”. Oleh karena itu, bagaimana menyelaraskan kebutuhan teknologi dan manajemen kesehatan secara efektif telah menjadi masalah yang mendesak untuk dipecahkan.
02
"AI+Medical" diterapkan untuk membantu meningkatkan manajemen kesehatan masyarakat
Jika Anda mengetahui kebutuhan manajemen kesehatan, bagaimana cara mencocokkan teknologi AI yang tepat? Berikut adalah kasus dari perspektif manajemen kesehatan masyarakat. Pengelolaan kesehatan masyarakat merupakan bagian yang sangat penting dalam sistem diagnosa dan pengobatan yang hierarkis. Warga masyarakat tidak perlu pergi ke rumah sakit besar, dan rumah sakit kecil di masyarakat juga dapat berperan besar. Dalam diagnosis dan pengobatan hierarkis, manajemen kesehatan masyarakat dapat menjalankan serangkaian tugas penting seperti pencegahan dan pengobatan penyakit kronis.
Dari perspektif manajemen, manajemen kesehatan masyarakat telah membangun kerangka teoritis, yang merupakan siklus dari pembuatan profil penduduk, skrining penyakit masyarakat, penilaian risiko dan intervensi, hingga tindak lanjut akhir. Namun, berbagai keadaan darurat mungkin terjadi dalam praktiknya.
▲ Kampus Jalan Hongqiao (Sumber foto: Mingguan Xinmin)
Ambil contoh Pusat Pencegahan dan Perawatan Penyakit Mata Shanghai. Tugas utamanya adalah menyediakan layanan pemeriksaan penyakit mata di seluruh komunitas di Shanghai. Secara spesifik, pihak balai akan mengerahkan seluruh puskesmas untuk melakukan skrining penyakit di lokasi terlebih dahulu dan turun ke masyarakat untuk mengambil gambar fundus warga. Karena terbatasnya kualitas pelayanan medis di rumah sakit komunitas, banyak rumah sakit komunitas yang tidak memiliki dokter spesialis mata yang dapat mendiagnosis penyakit mata.
Mengandalkan teknologi digital, Pusat Pencegahan dan Perawatan Penyakit Mata Shanghai akan mengunggah foto fundus pasien ke cloud, mengundang pakar jarak jauh dari rumah sakit tersier untuk membaca foto tersebut, dan kemudian memberikan masukan ke rumah sakit komunitas. Namun, karena para ahli dan dokter mempunyai tugas rawat jalan masing-masing dan hanya dapat meluangkan waktu atau melakukan pembacaan film pada waktu tertentu, sering kali diperlukan waktu 1-2 minggu untuk memberikan umpan balik terhadap hasil diagnosis, dan kemudian dokter komunitas akan memberikan umpan balik kepada warga. Interval waktu yang lama dapat dengan mudah menyebabkan rendahnya kemauan warga untuk melakukan rujukan, sehingga tidak kondusif bagi pengelolaan kesehatan seluruh masyarakat.
Masalah ini telah lama meresahkan Pusat Pencegahan dan Perawatan Penyakit Mata Shanghai hingga munculnya teknologi AI. Perkembangan AI di bidang pengenalan gambar sudah sangat matang, dan foto fundus sebenarnya adalah sejenis gambar medis yang dapat digunakan untuk mengidentifikasi penyakit pada foto fundus. Setelah diperkenalkannya peralatan skrining penyakit mata AI, waktu diagnosis sebelumnya yang 1-2 minggu menjadi jauh lebih singkat. Pasien hanya perlu menunggu di lokasi selama 1-2 menit, dan hasilnya dapat dilaporkan saat itu juga untuk membuat referensi juga meningkat pesat.
Namun di saat yang sama, penerapan teknologi AI juga menghadapi banyak tantangan. Misalnya, untuk Pusat Pencegahan dan Perawatan Penyakit Mata Shanghai, karena terdapat banyak produsen peralatan AI serupa di pasaran, cara memilih peralatan AI yang tepat merupakan salah satu tantangannya, contoh lainnya adalah setelah peralatan tersebut mengumpulkan data terkait pasien; , hal ini langsung ditransmisikan ke AI. Baik pemasok peralatan atau pusat pencegahan dan pengobatan penyakit mata membuat databasenya sendiri, bagaimana memastikan keamanan data dalam proses ini adalah masalah yang pelik.
Selain itu, teknologi AI secara bertahap merambah ke semua tingkat industri medis. Cara mendobrak hambatan data dan mencapai interkoneksi data juga merupakan masalah mendesak yang perlu dipecahkan. Faktanya, dibandingkan dengan bidang-bidang seperti konsumsi atau Internet, jumlah data yang tersedia di bidang medis dan kesehatan sangatlah terbatas. Secara khusus, pelatihan dan penerapan AI generatif memerlukan data dalam jumlah besar. Kenyataan ini sangat bertolak belakang dengan kelangkaan data medis. Yang lebih penting lagi, pengumpulan data medis terutama bergantung pada institusi medis, dan saat ini sistem data di sebagian besar rumah sakit masih terisolasi dan gagal mencapai interkoneksi.
Kekhususan bidang medis dan kesehatan juga telah memberikan banyak batasan pada penerapan praktis teknologi AI, di mana etika, keamanan, dan perlindungan privasi menjadi pertimbangan utama. Dibandingkan dengan bidang konsumen tradisional, promosi produk medis dan kesehatan harus terlebih dahulu menjalani tinjauan ketat oleh otoritas pengatur untuk memastikan kepatuhan. Oleh karena itu, ketika mempromosikan penerapan teknologi di bidang medis dan kesehatan, prioritas harus diberikan pada keamanan data, perlindungan privasi, dan perlindungan hak-hak pasien.
03
Optimalkan model besar untuk mencapai "keselarasan" fitur teknis dan kebutuhan pengguna
Saat membahas cara menggunakan teknologi AI yang tepat untuk memenuhi atau menstimulasi kebutuhan baru dalam industri medis dan kesehatan, AI generatif tidak diragukan lagi menjadi topik hangat.
Meskipun AI generatif seperti Chat GPT, Wen Xinyiyan, dan Tongyi Qianwen saat ini banyak digunakan, melihat kembali perkembangan AI generatif akan mengungkapkan bahwa sebagian besar model besar penting yang muncul sebelum tahun 2023 belum digunakan untuk Seperti yang diketahui semua orang, itu Baru setelah munculnya Chat GPT, masyarakat benar-benar merasakan bahwa kecerdasan buatan telah memasuki tahap kecerdasan baru.
Hal ini menunjukkan bahwa kita perlu mengetahui lebih banyak tentang karakteristik teknis AI agar dapat lebih mendalami potensi penerapan teknologi AI di bidang medis dan kesehatan.
Kedua, seluruh AI generatif terintegrasi erat dengan industri, akademisi, dan penelitian. Penelitian AI generatif tidak lepas dari investasi penelitian dan pengembangan perusahaan teknologi besar, namun juga tidak lepas dari bantuan perguruan tinggi dalam proses implementasinya , hal ini juga tidak terlepas dari dukungan seluruh industri.
Pada saat yang sama, AI memiliki atmosfir open source yang kuat, dan penerapan serta implementasi teknologinya sangat cepat. Dari awalnya hanya mampu memproses informasi teks tunggal hingga kini dapat dengan mudah menangani informasi multi-modal dan bahkan konten video yang kompleks, AI mengalami kemajuan pesat. Hal ini juga menimbulkan tantangan besar dalam penerapan aplikasi perusahaan.
Di bidang medis dan perawatan kesehatan, penerapan AI generatif semakin menarik perhatian luas, dan aplikasi terkait yang dikembangkan seputar kemampuannya menghasilkan bahasa alami semakin banyak dibahas. Banyak perusahaan yang secara aktif menjajaki penggunaan teknologi AI generatif untuk membangun sistem konsultasi medis. Namun, perlu dicatat bahwa meskipun teknologi AI itu sendiri terus menjadi lebih kompleks dan kemampuannya terus meningkat, berkat platform dan alat yang cerdas, ambang batas penerapan teknologi AI telah menunjukkan tren yang menurun.
Ambil contoh Baidu Wenxin Intelligent Platform. Siapa pun tidak perlu memiliki latar belakang teknologi AI yang mendalam atau kemampuan pemrograman. Mereka dapat membangun AI hanya dalam sepuluh menit melalui operasi antarmuka sederhana, seperti memeriksa opsi dan memasukkan persyaratan konsultasi penyakit mata asisten.
Namun yang perlu dipikirkan adalah, apakah konsultasi AI benar-benar memenuhi kebutuhan pengguna? Praktek telah menunjukkan bahwa ketika asisten konsultasi medis dibuat dan dokter serta AI diundang untuk menjawab pertanyaan pengguna bersama-sama, jawaban dokter seringkali lebih akurat, ringkas, dan langsung pada sasaran. Oleh karena itu, cara untuk lebih mengoptimalkan model besar agar dapat menangkap dan merespons kebutuhan nyata pengguna dengan lebih akurat merupakan arah penting penelitian saat ini.
Secara keseluruhan, industri kesehatan di negara saya berada pada tahap awal perkembangan pesat. Seiring dengan pesatnya industri ini, banyak tantangan dan masalah yang muncul. Dalam proses ini, kita tidak hanya harus memperhatikan inovasi dan terobosan teknologi, namun juga memikirkan secara mendalam tentang bagaimana menerapkan teknologi ini dengan lebih baik dalam praktik untuk memenuhi kebutuhan aktual pengguna.