AI dalam Kesehatan: Harapan vs Realitas, Apakah Teknologi Ini Benar-Benar Berfungsi?

Klaim AI vs Realitas dalam Kesehatan

Perusahaan-perusahaan AI kerap membuat janji besar tentang dampak teknologi mereka di bidang kesehatan. Alphabet melalui Isomorphic mengklaim "AI frontier dapat membuka wawasan ilmiah lebih dalam, mempercepat terobosan, dan menciptakan obat yang mengubah hidup". Sementara Lila memasarkan AI-nya sebagai alat untuk "penemuan lebih cepat di setiap bidang yang membutuhkan terobosan ilmiah".

Mereka juga tak segan menghabiskan dana besar seolah-olah klaim tersebut sudah terbukti. Baru-baru ini, Anthropic bahkan mengakuisisi startup stealth Coefficient Bio dengan nilai $400 juta. Namun, satu-satunya tes sejati bagi AI kesehatan adalah: Apakah teknologi itu benar-benar berhasil pada manusia? Apakah ia mampu menciptakan obat yang menyelamatkan nyawa?

Kebanyakan Perusahaan AI Belum Membuktikan Diri

Jika dilihat dari jumlah obat yang berhasil dipasarkan, klaim-klaim tersebut belum terbukti. Isomorphic? Belum ada. Lila? Juga belum. Janji pemasaran AI seringkali tidak tahan uji ketika dihadapkan pada realitas.

Mengapa Membuat Kemajuan di Bidang Kesehatan Begitu Sulit?

Untuk menguji sebuah obat baru, diperlukan uji klinis Fase 3 yang biasanya memakan waktu 10 tahun dan biaya $2 miliar. Sementara untuk mendiagnosis, harus dibuktikan manfaat klinisnya, lulus uji ketat pihak ketiga, dan membangun sistem manajemen mutu lengkap sebelum produk diizinkan masuk klinik. Menemukan dan membuktikan biologi manusia baru bahkan bisa memakan puluhan tahun penelitian ilmiah.

Bagaimana Industri AI Kesehatan Harus Maju?

Industri ini perlu menutup kesenjangan antara pelatihan model AI dengan praktik nyata di bidang medis. Beberapa perusahaan terdepan sudah melakukannya:

• Insilico Medicine dan Recursion sedang memajukan aset yang ditemukan AI melalui uji klinis.
• Owkin telah membawa obat onkologi OKN4395 ke uji klinis Fase 1a INVOKE.
• Perusahaan ini juga telah melatih AI-nya menggunakan data pasien nyata selama bertahun-tahun dan berhasil membawa MSIntuit CRC melalui sertifikasi CE Eropa untuk digunakan dalam praktik patologi.

Manfaat Nyata: AI yang Diuji pada Pasien Menjadi Lebih Baik

Membawa AI ke pasien memiliki keuntungan besar: memaksa AI untuk menjadi lebih baik. Dari pengalaman Owkin, mereka harus menghadapi masalah tak terduga dan rumit. Saat pertama kali menerapkan AI diagnostik di klinik, mereka menyadari model tersebut tidak dapat beradaptasi dengan perubahan populasi atau perbedaan perangkat scanner. Mereka pun mengembangkan metode sederhana namun tangguh untuk menyesuaikan model dengan variasi lokasi dan teknologi.

Memperbaiki Umpan Balik secara Real-Time

Owkin meyakini bahwa "pemeriksaan realitas"—menguji hasil model dengan pasien nyata—sangat penting. Mereka membangunnya ke dalam struktur uji klinis INVOKE. Berbeda dengan uji klinis tradisional yang hanya melihat indikator kesuksesan utama, Owkin menggunakan data berkelanjutan dari partisipan untuk meningkatkan AI-nya.

"Semakin banyak informasi yang kami dapatkan dari uji klinis nyata, semakin baik AI kami, semakin baik kinerjanya untuk pasien, dan semakin banyak model yang dapat kami uji."

Kesimpulan: AI Kesehatan Harus Berfokus pada Bukti Nyata

Industri AI kesehatan tidak boleh terjebak dalam janji-janji pemasaran semata. Kemajuan nyata hanya terjadi ketika AI diuji pada manusia, melalui proses yang ketat dan memakan waktu. Perusahaan yang berhasil adalah mereka yang bersedia melakukan pekerjaan keras: mengintegrasikan AI dengan praktik medis nyata, mengatasi tantangan tak terduga, dan terus meningkatkan model berdasarkan umpan balik real-time.

Hanya dengan pendekatan ini, AI dapat benar-benar memberikan dampak yang dijanjikan—bukan hanya di atas kertas, tapi dalam kehidupan nyata pasien.