Masalah terbesar pelayanan kesehatan saat ini adalah meningkatnya biaya akibat populasi yang menua. Sumber data baru dan teknologi inovatif dapat membantu laboratorium mengatasi masalah ini dengan memberikan mereka wawasan dan kemampuan baru untuk perawatan pasien.
Seiring meningkatnya sensitivitas sensor, kita akan memiliki jumlah data yang belum pernah ada sebelumnya untuk memahami perkembangan kesehatan kita. Kita akan semakin banyak menggunakan teknologi untuk mendiagnosis, memprediksi, dan mencegah penyakit dengan menganalisis data dari algoritma suara, analisis wajah, media sosial, dan sumber-sumber baru lainnya. Dengan beragamnya data dan cara yang lebih murah untuk memprosesnya, laboratorium akan memainkan peran yang semakin besar dalam peralihan menuju perawatan preventif dan personal.
Ada tiga hukum teknologi inti yang mendorong revolusi data ini. Hukum Moore menyatakan bahwa daya pemrosesan berlipat ganda setiap 18 bulan dengan biaya yang sama, hukum Kryder menyatakan hal yang sama tentang penyimpanan, dan hukum Metcalfe – hukum jaringan – menyatakan bahwa nilai suatu jaringan tumbuh seiring dengan kuadrat pesertanya.
Kita mulai melihat gabungan dari ketiga hukum ini dalam pelayanan kesehatan. Contoh yang jelas adalah biaya pemrosesan genom, yang telah turun dari $2,7 miliar tahun 2001 menjadi hanya $200 tahun 2018 [1]. Beberapa pihak memperkirakan bahwa pada pertengahan 2020-an, biaya ini mungkin akan turun kurang dari 5 sen [2] – kurang dari biaya membilas toilet. Jika hal itu terjadi, layanan pengurutan akan tersebar luas, memfasilitasi pengobatan preventif pada skala besar.
Kecenderungan ini juga memungkinkan kemajuan dalam kecerdasan buatan (AI) dan otomatisasi. Di sebuah pabrik di Tiongkok, 90 persen pekerja manusia telah digantikan [3] oleh otomatisasi. Produksi naik lebih dari 160%, sedangkan tingkat cacat turun dari 25% menjadi 5%. Jika Anda seorang pasien di rumah sakit, bukankah Anda menginginkan pengurangan tingkat cacat yang serupa?
Algoritma AI dan robotika sudah digunakan dalam perawatan kesehatan, dan robot dapat melakukan tugas-tugas tertentu lebih baik daripada manusia. Untuk beberapa jenis operasi, robot lebih handal daripada manusia, dan dalam beberapa tes diagnostik, penglihatan mesin dapat menangkap detail yang tidak dapat ditangkap manusia. AI telah digunakan oleh radiolog untuk mendiagnosis serangkaian kondisi, seperti penyakit pada jantung, hati, dan tulang. Aplikasi lainnya hampir pasti akan segera hadir.
Kemajuan ini membantu meningkatkan akses ke pelayanan kesehatan yang bermutu dengan memfasilitasi deteksi dini penyakit. Sensor deteksi dini kanker payudara [4], misalnya, kini mendekati akurasi mamogram dan pada akhirnya akan memungkinkan deteksi rumah tangga dan intervensi dini.
Saat kita mulai berpikir untuk menerapkan teknologi ini ke laboratorium dan bisnis kita, kita perlu menganggap AI sebagai penguat manusia. Masa depan pelayanan kesehatan mungkin digital, tapi kenyataannya AI tidak dapat menggantikan manusia. Pola pikir kita seharusnya tentang penambahan, bukan penggantian.
Bagi laboratorium, penting untuk mempertimbangkan bagaimana AI dapat digunakan untuk mengurangi biaya diagnostik, mengotomatiskan alur kerja, dan meningkatkan efisiensi operasional, serta bagaimana menghasilkan wawasan klinis baru dari data dalam jumlah yang belum pernah ada sebelumnya. Proses ini memerlukan pemikiran kreatif dan eksperimen. Jika berhasil, akan membantu mendorong akses yang lebih besar ke pelayanan kesehatan dan mengurangi biaya bagi pasien di mana saja.
[1] Kini Anda Dapat Mengurutkan Seluruh Genom Anda Hanya Dengan $200, Wired, 2018
[2] Sebentar lagi, Biaya Untuk Mengurutkan Genom Akan Lebih Murah Daripada Biaya Untuk Menyiram Toilet — Dan Itu Akan Mengubah Dunia Kedokteran Selamanya, Business Insider, 2014
[3] Manusia versus mesin: 9 pekerjaan manusia yang diambil alih oleh robot, BT, 2018
[4] Pemindai sonik laser bertujuan menggantikan mamogram untuk menemukan kanker payudara, Science Daily, 2018
Artikel ini didasarkan pada presentasi: Inovasi layanan kesehatan dari remediasi untuk pencegahan di Hari Efisiensi Roche (Roche Efficiency Days, RED) 2018 Mendefinisikan ulang perspektif di Guangzhou, Tiongkok.
