Spesialis mata bekerja untuk mengatasi resistensi terhadap skrining AI Myopia
Beberapa orang tua merasa khawatir pada kemampuan AI dalam memberikan penilaian holistik dibandingkan dengan dokter.
AI untuk skrining miopia pada anak-anak menghadapi penolakan dari orang tua dan pemangku kepentingan karena muncul kekhawatiran tentang efektivitas dan etikanya. Dr. Foo Li Lian, seorang konsultan di Singapore National Eye Centre, mengatakan keberatan orang tua termasuk “penilaian holistik yang dipertanyakan dibandingkan dengan dokter, akuntabilitas terkait rekomendasi AI, kurangnya persetujuan peraturan sementara pemangku kepentingan memiliki masalah dengan akurasi AI secara keseluruhan.”
Salah satu cara untuk mengatasi keragu-raguan di antara orang tua dan pemangku kepentingan lainnya adalah lembaga kesehatan melakukan penilaian kinerja menggunakan AI, khususnya untuk mempublikasikan penelitian untuk menunjukkan hasil kinerja prediksi algoritme AI, kata Foo.
Bersama rekan-rekannya, Foo menerbitkan artikel ilmiah di British Journal of Ophthalmology, yang membahas bagaimana platform AI berhasil membantu dalam skrining retinopati diabetik, degenerasi makula terkait usia, dan glaukoma.
Tetapi untuk Foo, lebih banyak yang harus dilakukan untuk memastikan bahwa algoritma AI memenuhi syarat untuk aplikasi klinis pada miopia, yang merupakan istilah lain untuk kondisi penglihatan, rabun jauh.
“Sementara ada banyak publikasi terkait dengan skrining dan prediksi miopia, sebagian besar tetap sebagai upaya akademis yang memberikan hasil prototipikal. Seringkali, penelitian ini tidak cukup kuat untuk diterapkan dalam pengaturan klinis dunia nyata,” kata Foo kepada Healthcare Asia.
Inilah sebabnya mengapa mereka saat ini memulai sistem pembelajaran mendalam prediktif di mana mereka bertujuan untuk "mengembangkan kolaborasi internasional untuk pengumpulan data retrospektif dan prospektif."
Untuk mendorong penggunaan AI dan mengedukasi orang tua serta pemangku kepentingan lainnya tentang hal itu, Foo juga menyarankan tapping program nasional melalui berbagai institusi.
Dia mengutip contoh dari Badan Promosi Kesehatan yang memimpin National Myopia Prevention Programme (NMPP) untuk mengurangi prevalensi miopia di kalangan anak sekolah. NMPP mengadopsi strategi intervensi dini, yang melakukan skrining penglihatan dan pendidikan kesehatan preventif pada perawatan mata di pusat penitipan anak serta taman kanak-kanak.
Cara kerja skrining prediktif
Sebuah studi di 2016 menemukan bahwa miopia tinggi kemungkinan memengaruhi 86,8% anak-anak Singapura berusia tujuh tahun ke bawah. Untuk mengatasi masalah ini, perlu pemanfaatan AI untuk mengotomatisasi dan menskalakan program skrining.
Nilai prediktif AI memungkinkan untuk menentukan apakah seorang anak berisiko lebih tinggi untuk miopia yang lebih tinggi, yang akan menghasilkan pengobatan yang lebih cepat dan lebih agresif termasuk inisiasi dini dan pengobatan kombinasi, kata Foo.
Tanpa teknologi AI, klinik mata harus menyaring pasien dan membuat penilaian subjektif berdasarkan faktor-faktor seperti riwayat keluarga yang mengidap miopia dan perkiraan perkembangan klinis dalam tiga hingga enam bulan terakhir.
Dengan AI, Foo mengatakan klinik mata dapat menggunakan machine learning dan pembelajaran mendalam untuk mengevaluasi risiko miopia anak secara objektif.
Untuk meningkatkan pemahaman dan evaluasi proses pengambilan keputusan AI, peningkatan perangkat lunak seperti heat mapping diterapkan untuk menyoroti area minat. Dalam miopia, dua area yang biasanya dipantau oleh ahli perawatan mata adalah saraf dan makula, yang mewakili pusat penglihatan.
“Misalnya, degenerasi dini diskus optikus yang miring, juga dikenal sebagai atrofi peripapiler, di sekitar area saraf, yang biasa terlihat pada pasien dengan miopia atau bahkan miopia tinggi,” katanya lebih lanjut.
Sentuhan manusia tidak tergantikan
AI, seperti teknologi lainnya, dapat membantu mengurangi tenaga kerja atau jam kerja untuk proses skrinig, tetapi memiliki keterbatasan seperti menangani masalah hukum medis.
“Saat ini, masih ada penekanan besar pada keterlibatan dokter karena keterbatasan AI yang signifikan dalam perawatan kesehatan, yang mencakup penerjemahan ke dalam praktik klinis, dan juga pertimbangan medis-hukum,” kata Foo.
“Ini karena pertimbangan hukum akibat rekomendasi AI yang tidak tepat. Siapa yang akan bertanggung jawab untuk itu?” kata Foo.
Dia menambahkan bahwa tidak ada angka pasti untuk menentukan penghematan tenaga kerja yang disebabkan oleh AI dalam oftalmologi.
“Di area fokus seperti skrining retinopati diabetik, penghematan tenaga kerja akan datang dalam bentuk penggantian penilai citra manusia, sementara di kasus lain, AI berfungsi sebagai alat pendukung dan tidak dimaksudkan untuk menggantikan kontribusi manusia,” kata Foo.