Algoritma Baru Dapat Mengurangi Kesenjangan Ras dalam Perawatan Kesehatan


Peneliti mencoba meningkatkan perawatan kesehatan dengan kecerdasan buatan biasanya menerapkan algoritme mereka ke dalam bentuk sekolah kedokteran mesin. Perangkat lunak belajar dari dokter dengan mencerna ribuan atau jutaan sinar-X atau data lain yang diberi label oleh manusia ahli hingga dapat secara akurat menandai tahi lalat atau paru-paru yang mencurigakan yang menunjukkan tanda-tanda Covid-19 dengan sendirinya.

Sebuah studi yang diterbitkan bulan ini mengambil pendekatan yang berbeda — melatih algoritme untuk membaca rontgen lutut untuk artritis dengan menggunakan pasien sebagai perantara kebenaran AI alih-alih dokter. Hasil penelitian mengungkapkan ahli radiologi mungkin memiliki titik buta literal saat membaca rontgen pasien kulit hitam.

Algoritme yang dilatihkan pada laporan pasien melakukan pekerjaan yang lebih baik daripada dokter dalam menghitung rasa sakit yang dialami oleh pasien kulit hitam, tampaknya dengan menemukan pola penyakit dalam gambar yang biasanya diabaikan oleh manusia.

“Ini mengirimkan sinyal kepada ahli radiologi dan dokter lain bahwa kami mungkin perlu mengevaluasi kembali strategi kami saat ini,” kata Said Ibrahim, profesor di Weill Cornell Medicine, di New York City, yang meneliti ketidaksetaraan kesehatan, dan tidak terlibat dalam penelitian tersebut.

Algoritme yang dirancang untuk mengungkapkan apa yang tidak dilihat dokter, alih-alih meniru pengetahuan mereka, dapat membuat perawatan kesehatan lebih adil. Dalam komentar pada studi baru, Ibrahim menyarankan itu dapat membantu mengurangi perbedaan pada siapa yang menjalani operasi untuk arthritis. Pasien Afrika-Amerika sekitar 40 persen lebih kecil kemungkinannya dibandingkan yang lain untuk menerima penggantian lutut, katanya, meskipun mereka setidaknya cenderung menderita osteoartritis. Perbedaan pendapatan dan asuransi kemungkinan berperan, tetapi begitu juga perbedaan dalam diagnosis.

Ziad Obermeyer, penulis studi tersebut, dan profesor di Fakultas Kesehatan Masyarakat Universitas California Berkeley, terinspirasi untuk menggunakan AI untuk menyelidiki apa yang tidak dilihat oleh ahli radiologi dalam teka-teki medis. Data dari studi National Institutes of Health mengenai osteoartritis lutut menunjukkan bahwa pasien kulit hitam, dan orang-orang dengan pendapatan rendah, melaporkan lebih banyak rasa sakit daripada pasien lain dengan radiologi sinar-X yang mendapat skor serupa. Perbedaan tersebut mungkin berasal dari faktor fisik yang tidak diketahui oleh penjaga pengetahuan lutut, atau perbedaan psikologis dan sosial — tetapi bagaimana cara membedakannya?

Obermeyer dan peneliti dari Stanford, Harvard, dan University of Chicago menciptakan perangkat lunak penglihatan komputer menggunakan data NIH untuk menyelidiki apa yang mungkin hilang dari dokter manusia. Mereka memprogram algoritme untuk memprediksi tingkat nyeri pasien dari rontgen. Lebih dari puluhan ribu gambar, perangkat lunak menemukan pola piksel yang berhubungan dengan nyeri.

Ketika diberi x-ray yang belum pernah terlihat sebelumnya, perangkat lunak menggunakan pola tersebut untuk memprediksi rasa sakit yang akan dilaporkan pasien. Prediksi tersebut berkorelasi lebih dekat dengan rasa sakit pasien daripada skor yang ditugaskan ahli radiologi untuk rontgen lutut, terutama untuk pasien kulit hitam. Itu menunjukkan algoritme telah belajar untuk mendeteksi bukti penyakit yang tidak dilakukan ahli radiologi. “Algoritme tersebut melihat hal-hal di atas dan di atas apa yang dilihat ahli radiologi — hal-hal yang lebih umum menjadi penyebab nyeri pada pasien kulit hitam,” kata Obermeyer.

Panduan WIRED untuk Kecerdasan Buatan

Algoritme supersmart tidak akan mengambil semua pekerjaan, tetapi mereka belajar lebih cepat dari sebelumnya, melakukan segalanya mulai dari diagnostik medis hingga menayangkan iklan.

Sejarah dapat menjelaskan mengapa ahli radiologi tidak mahir dalam menilai nyeri lutut pada pasien kulit hitam. Penilaian standar yang digunakan saat ini berasal dari penelitian kecil tahun 1957 di kota pabrik Inggris bagian utara dengan populasi yang kurang beragam daripada AS modern. Dokter menggunakan apa yang mereka lihat untuk menemukan cara untuk menilai tingkat keparahan osteoartritis berdasarkan pengamatan seperti tulang rawan yang menyempit. Peralatan sinar-X, gaya hidup, dan banyak faktor lainnya telah banyak berubah sejak saat itu. “Tidak mengherankan jika gagal menangkap apa yang dilihat dokter di klinik hari ini,” kata Obermeyer.

Studi ini terkenal tidak hanya untuk menunjukkan apa yang terjadi ketika AI dilatih oleh umpan balik pasien alih-alih pendapat ahli, tetapi karena algoritma medis lebih sering dilihat sebagai penyebab bias, bukan obatnya. Pada 2019, Obermeyer dan kolaborator menunjukkan bahwa perawatan yang memandu algoritme untuk jutaan pasien AS memberi prioritas pada orang kulit putih daripada orang kulit hitam untuk bantuan dengan kondisi kompleks seperti diabetes.

Diposting oleh : Lagutogel