Kabar Kesehatan – Kecerdasan Buatan Sama Baiknya Dalam Mendiagnosis Penyakit Seperti Manusia Bagian 2

Lanjutan dari artikel sebelumnya mengenai kecerdasan buatan sama baiknya dalam mendiagnosis penyakit seperti manusia.

Lebih khusus, analisis menemukan bahwa AI dapat mendiagnosis penyakit dengan benar di 87% dari kasus, sedangkan deteksi oleh profesional kesehatan menghasilkan tingkat akurasi 86%. Spesifisitas untuk algoritma pembelajaran dalam adalah 93%, dibandingkan dengan manusia pada 91%.

Bias bisa membesar-besarkan kinerja AI

Denniston dan rekannya juga menarik beberapa batasan yang mereka temukan dalam studi yang memeriksa kinerja diagnostik AI.

Pertama, sebagian besar penelitian memeriksa akurasi diagnostik AI dan profesional kesehatan dalam pengaturan terisolasi yang tidak meniru praktik klinis biasa – misalnya, merampas informasi klinis tambahan dari dokter yang biasanya mereka perlukan untuk membuat diagnosis.

Kedua, kata para peneliti, sebagian besar studi hanya membandingkan set data, sedangkan penelitian berkualitas tinggi dalam kinerja diagnostik akan memerlukan membuat perbandingan seperti itu pada orang.

Lebih lanjut, semua studi menderita karena pelaporan yang buruk, kata para penulis, dengan analisis yang tidak memperhitungkan informasi yang hilang dari kumpulan data tersebut. “Sebagian besar [penelitian] tidak melaporkan apakah ada data yang hilang, berapa proporsi yang diwakili, dan bagaimana data yang hilang ditangani dalam analisis,” tulis para penulis.

Keterbatasan tambahan termasuk terminologi yang tidak konsisten, tidak secara jelas menetapkan ambang batas untuk analisis sensitivitas dan spesifisitas, dan kurangnya validasi out-of-sample.

“Ada ketegangan yang melekat antara keinginan untuk menggunakan diagnostik baru yang berpotensi menyelamatkan jiwa dan keharusan untuk mengembangkan bukti berkualitas tinggi dengan cara yang dapat bermanfaat bagi pasien dan sistem kesehatan dalam praktik klinis,” komentar penulis pertama Dr. Xiaoxuan Liu dari Universitas Birmingham.

“Pelajaran utama dari pekerjaan kami adalah bahwa dalam AI – seperti halnya bagian lain dari perawatan kesehatan – masalah desain penelitian yang baik. Tanpa itu, Anda dapat dengan mudah memperkenalkan bias yang memengaruhi hasil Anda. Bias ini dapat menyebabkan klaim berlebihan tentang kinerja yang baik untuk AI alat yang tidak diterjemahkan ke dunia nyata,” Xiaoxuan Liu.

“Bukti tentang bagaimana algoritma AI akan mengubah hasil pasien perlu berasal dari perbandingan dengan tes diagnostik alternatif dalam uji coba terkontrol secara acak,” tambah rekan penulis Dr. Livia Faes dari Moorfields Eye Hospital, London, Inggris.

“Sejauh ini, hampir tidak ada percobaan seperti itu di mana keputusan diagnostik yang dibuat oleh algoritma AI ditindaklanjuti untuk melihat apa yang kemudian terjadi pada hasil yang benar-benar penting bagi pasien, seperti perawatan tepat waktu, waktu untuk keluar dari rumah sakit, atau bahkan tingkat kelangsungan hidup.”

Leave a Reply

Your email address will not be published. Required fields are marked *