Sistem AI generatif pertama di dunia, yang dikembangkan secara internal di Northwestern Medicine, merevolusi radiologi – meningkatkan produktivitas, mengidentifikasi kondisi yang mengancam jiwa dalam hitungan milidetik, dan menawarkan solusi terobosan untuk kekurangan ahli radiologi global, demikian temuan sebuah studi besar baru.
Studi ini dipublikasikan pada hari Kamis (5 Juni) di JAMA Network Open.
“Sepengetahuan saya, ini adalah penggunaan AI pertama yang terbukti meningkatkan produktivitas, terutama dalam pelayanan kesehatan. Bahkan di bidang lain, saya belum melihat peningkatan yang mendekati 40%,” kata penulis senior Dr. Mozziyar Etemadi, asisten profesor anestesiologi di Fakultas Kedokteran Feinberg Universitas Northwestern dan teknik biomedis di Fakultas Teknik McCormick Universitas Northwestern.
Untuk studi ini, sistem AI diterapkan secara real-time di seluruh jaringan 12 rumah sakit Northwestern Medicine, tempat hampir 24.000 laporan radiologi dianalisis selama periode lima bulan pada tahun 2024. Tim Etemadi kemudian membandingkan waktu pembuatan laporan radiografi dan akurasi klinis dengan dan tanpa alat AI.
Hasilnya: peningkatan efisiensi penyelesaian laporan radiografi rata-rata sebesar 15,5% – dengan beberapa ahli radiologi mencapai peningkatan hingga 40% – tanpa mengorbankan akurasi. Penelitian lanjutan, yang masih belum dipublikasikan, menunjukkan peningkatan efisiensi hingga 80% dan memungkinkan alat ini untuk pemindaian CT. Waktu yang dihemat memungkinkan ahli radiologi untuk memberikan diagnosis jauh lebih cepat, terutama dalam kasus kritis di mana setiap detik sangat berharga.
Menurut penulis studi, ini adalah alat radiologi AI generatif pertama di dunia yang terintegrasi ke dalam alur kerja klinis. Ini juga merupakan pertama kalinya model AI generatif menunjukkan akurasi tinggi dan peningkatan efisiensi di semua jenis sinar-X, dari tengkorak hingga jari kaki.
“Efisiensi kami berlipat ganda”
Tidak seperti perangkat AI sempit lainnya yang saat ini beredar di pasaran dan berfokus pada pendeteksian satu kondisi, model holistik Northwestern menganalisis keseluruhan hasil rontgen atau CT scan. Kemudian, secara otomatis menghasilkan laporan yang 95% lengkap dan dipersonalisasi untuk setiap pasien, dengan gaya pelaporan khas radiolog, yang dapat dipilih, ditinjau, dan diselesaikan oleh radiolog. Laporan-laporan ini merangkum temuan-temuan utama dan menawarkan templat untuk melengkapi diagnosis dan perawatan radiolog.
“Bagi saya dan rekan-rekan, tidak berlebihan jika dikatakan bahwa sistem ini menggandakan efisiensi kami. Ini merupakan keuntungan dan pengganda kekuatan yang luar biasa,” kata rekan penulis Dr. Samir Abboud, kepala radiologi darurat di Northwestern Medicine dan asisten profesor klinis radiologi di Feinberg.
Menandai kondisi yang mengancam jiwa
Selain meningkatkan efisiensi, sistem AI ini menandai kondisi yang mengancam jiwa seperti pneumotoraks (kolaps paru-paru) secara real-time – bahkan sebelum radiolog melihat hasil rontgen. Saat model AI menyusun laporan untuk setiap gambar, sebuah alat otomatis memantau laporan tersebut untuk menemukan temuan kritis dan memeriksanya kembali dengan rekam medis pasien. Jika sistem mengidentifikasi kondisi baru yang memerlukan intervensi segera, sistem dapat segera memberi tahu ahli radiologi.
“Setiap hari di UGD, kami mungkin memiliki 100 gambar untuk ditinjau, dan kami tidak tahu gambar mana yang memiliki diagnosis yang dapat menyelamatkan nyawa,” kata Abboud. “Teknologi ini membantu kami melakukan triase lebih cepat – sehingga kami dapat mendeteksi kasus yang paling mendesak lebih cepat dan membawa pasien ke perawatan lebih cepat.”
Tim Northwestern juga mengadaptasi model AI untuk mendeteksi diagnosis yang berpotensi terlewat atau tertunda, seperti kanker paru stadium awal.
“Ketersediaan draf laporan, bahkan sebelum dilihat oleh ahli radiologi, menawarkan titik data yang sederhana dan dapat ditindaklanjuti yang dapat ditindaklanjuti dengan cepat dan efisien. Ini benar-benar berbeda dari sistem triase tradisional, yang perlu dilatih secara cermat satu per satu untuk setiap diagnosis,” kata Etemadi, yang juga merupakan direktur klinis teknologi canggih di departemen Layanan Informasi Northwestern Medicine, tempat tim teknik rumah sakitnya melakukan sebagian besar studi.
‘Tidak perlu bergantung pada raksasa teknologi’
Alih-alih mengadaptasi model besar yang dilatih melalui internet seperti ChatGPT, para insinyur Northwestern membangun sistem mereka sendiri dari awal menggunakan data klinis dari dalam jaringan Northwestern Medicine. Hal ini memungkinkan tim untuk menciptakan model AI yang ringan dan lincah yang dirancang khusus untuk radiologi di Northwestern – lebih cepat, lebih akurat, dan membutuhkan daya komputasi yang jauh lebih sedikit.
“Sistem kesehatan tidak perlu bergantung pada raksasa teknologi,” kata penulis pertama Dr. Jonathan Huang, mahasiswa kedokteran tahun ketiga di Feinberg yang meraih gelar Ph.D. di bidang teknik biomedis dari McCormick.
“Studi kami menunjukkan bahwa membangun model AI khusus sangat mudah dilakukan oleh sistem kesehatan pada umumnya, tanpa bergantung pada perangkat pihak ketiga yang mahal dan tidak transparan seperti ChatGPT. Kami yakin bahwa demokratisasi akses AI ini adalah kunci untuk mendorong adopsi di seluruh dunia,” tambah Etemadi.
Etemadi memimpin tim teknik bergaya Bell Labs yang terintegrasi dengan sistem rumah sakit, yang telah menarik talenta-talenta terbaik dari perusahaan teknologi dan keuangan besar.
“Pencapaian saya yang paling membanggakan adalah membangun tim interdisipliner yang kuat yang dapat melaksanakan prioritas tertinggi sistem kesehatan,” kata Etemadi. “Kami tidak hanya mendorong AI perawatan kesehatan ke depan – kami juga memajukan dasar-dasar AI dengan biaya yang jauh lebih rendah daripada laboratorium AI besar. Ini adalah awal dari momen DeepSeek untuk AI perawatan kesehatan.”
Menanggulangi kekurangan global
Radiologi menjadi salah satu hambatan terbesar dalam perawatan kesehatan. Pada tahun 2033, AS diperkirakan akan mengalami kekurangan hingga 42.000 ahli radiologi, karena volume pencitraan meningkat hingga 5% per tahun sementara posisi residensi radiologi hanya meningkat 2%.
Sistem AI Northwestern menawarkan solusi, membantu ahli radiologi menyelesaikan antrian dan memberikan hasil dalam hitungan jam, bukan hari. Dan meskipun teknologinya canggih, teknologi ini tidak akan menggantikan manusia.
“Kita tetap membutuhkan ahli radiologi sebagai standar emas,” kata Abboud. “Kedokteran terus berubah – obat baru, perangkat baru, diagnosis baru – dan kita harus memastikan AI terus berkembang. Peran kita adalah memastikan setiap interpretasi tepat untuk pasien.”
Dua paten telah disetujui untuk teknologi Northwestern Medicine dan paten lainnya sedang dalam berbagai tahap proses persetujuan. Alat ini berada pada tahap awal komersialisasi.
Studi ini berjudul “Efisiensi dan Kualitas Pelaporan Radiografi Berbantuan AI Generatif”
Sumber : https://www.miragenews.com/