Vendor View: Ingin mengadopsi AI dalam sistem perawatan kesehatan? Bangun kerangka data terlebih dahulu

Ahli menawarkan kunci membangun kerangka kerja data yang kuat untuk data layanan kesehatan dan keterlibatan pemangku kepentingan di Asia Pasifik.

Ketika AI berkembang pesat di industri layanan kesehatan, firma layanan penasihat teknologi, International Data Corporation (IDC), memperkirakan bahwa pada akhir 2026, lebih dari setengah organisasi perawatan kesehatan di Asia Pasifik akan membangun kerangka kerja tata kelola data.

Kerangka kerja tersebut, kata IDC, akan memprioritaskan penggunaan AI yang etis dan dapat dijelaskan untuk perawatan prediktif dan preventif.

Tapi faktor apa yang harus dipertimbangkan oleh penyedia layanan kesehatan saat membuat kerangka kerja seperti itu? Tantangan apa yang akan dihadapi pengembang perangkat lunak?

Healthcare Asia berkonsultasi dengan pakar industri tentang masalah ini dan mereka memberikan wawasan dan poin yang sangat menarik yang memerlukan perhatian.

Eric Dulaurans, Growth Digital Leader Intercontinental di GE HealthCare

Melembagakan Data Governance Framework (DGF) yang terdefinisi dengan baik sangat penting dalam perawatan kesehatan, mengingat sifat sensitif informasi pasien dan kompleksitas manajemen data layanan kesehatan.

DGF yang kuat dapat membantu organisasi layanan kesehatan mengelola data secara lebih efektif, mengurangi risiko pelanggaran data, meningkatkan kualitas data, dan meningkatkan kualitas perawatan secara keseluruhan. Ini juga dapat membantu organisasi mematuhi persyaratan peraturan yang berkembang.

DGF memastikan bahwa ada pedoman untuk semua aspek tata kelola data, seperti pengumpulan, penyimpanan, dan pemrosesan data sensitif, peran dan tanggung jawab pengelola data, serta kebijakan dan prosedur untuk melindungi data perawatan kesehatan dari akses, penggunaan, atau pengungkapan yang tidak sah, di antara yang lain.

Sementara kawasan ini tidak asing dengan tata kelola terkait privasi dan keamanan data, kawasan ini juga merupakan salah satu yang secara budaya sangat kaya dan beragam baik dalam dinamika sistem perawatan kesehatan maupun persyaratan peraturannya masing-masing. Kekayaan dan keragaman ini dapat berdampak signifikan pada pengumpulan, pengelolaan, dan penggunaan data layanan kesehatan.

Saat membangun kerangka tata kelola data dalam layanan kesehatan di kawasan tersebut, penyedia layanan kesehatan harus mempertimbangkan pertimbangan budaya tertentu yang terkait dengan data layanan kesehatan, seperti privasi pasien, kerahasiaan, dan sikap budaya terhadap sharing data.

Oleh karena itu, saat mengembangkan perangkat lunak yang memanfaatkan penggunaan data sensitif, seperti penggunaan AI dan perawatan prediktif dalam perawatan kesehatan presisi atau asisten kesehatan virtual, langkah aktif harus diambil untuk meningkatkan keamanan data, sehingga mengurangi kerentanan terhadap pelanggaran data, dan memungkinkan lebih baik berbagi data untuk memastikan kolaborasi yang lebih efisien dalam perawatan pasien.

GE Healthcare menciptakan seperangkat etika tentang bagaimana dan tidak  menggunakan AI dalam layanan kesehatan. Pertimbangan etis ini berfokus pada empat isu:

Menjamin keamanan dan privasi pasien.

Menjadi pengelola data yang tepercaya

Menciptakan transparansi

Menjaga dari bias

Dengan perencanaan yang cermat, keterlibatan pemangku kepentingan, dan manajemen perubahan yang tepat, inisiatif semacam itu dapat dilakukan tanpa menimbulkan tantangan seperti lapisan tambahan kompleksitas organisasi, birokrasi, dan bahkan silo data.

Untuk mempercepat transformasi layanan kesehatan, pengembang perangkat lunak dapat memimpin biaya dan memandu penyedia layanan kesehatan untuk tidak hanya menentukan apa yang harus dilakukan, tetapi juga memandu cara menerapkan DGF yang disesuaikan untuk kebutuhan pelanggan mereka, dari waktu ke waktu, dan dengan hasil positif yang terukur dan nyata.

Dengan memprioritaskan integrasi data, keamanan data, dan analitik, pengembang perangkat lunak dapat membantu organisasi layanan kesehatan meningkatkan perawatan dan hasil pasien sambil memastikan kepatuhan terhadap peraturan pasar.

Profesor James Pang, Associate Professor dari Department of Analytics & Operations di NUS Business School

Saat membangun kerangka kerja tata kelola data di organisasi layanan kesehatan di kawasan Asia Pasifik (APAC) di tengah kebangkitan AI dan perawatan prediktif, beberapa faktor utama perlu dipertimbangkan.

Privasi dan Keamanan Data: Terapkan langkah-langkah yang kuat seperti enkripsi, kontrol akses, dan jalur audit untuk melindungi data pasien. Kembangkan kebijakan dan prosedur yang komprehensif untuk melindungi informasi kesehatan yang sensitif, memitigasi akses tidak sah, mencegah pelanggaran data, dan melawan ancaman dunia maya.

Kepatuhan Peraturan: Memahami dan mematuhi peraturan lokal dan regional yang mengatur privasi data, keamanan, dan praktik perawatan kesehatan. Peraturan tersebut meliputi Undang-Undang Perlindungan Data Pribadi (PDPA), Peraturan Perlindungan Data Umum (GDPR), Undang-Undang Portabilitas dan Akuntabilitas Asuransi Kesehatan (HIPAA), dan peraturan terkait lainnya yang spesifik untuk setiap negara.

Kualitas dan Integritas Data: Tetapkan standar kualitas data untuk memastikan data yang akurat dan andal untuk analisis. Terapkan proses validasi dan verifikasi data, teknik pembersihan data, dan protokol integrasi data untuk menjaga integritas data dan mencegah bias dalam algoritme AI.

Manajemen Persetujuan: Kembangkan kebijakan dan prosedur yang jelas untuk mendapatkan persetujuan dari pasien untuk pengumpulan, penyimpanan, dan analisis data. Pastikan transparansi dalam menjelaskan bagaimana data pasien akan digunakan dan dibagikan, khususnya dalam konteks AI dan perawatan prediktif.

Pertimbangan Etis: Atasi masalah etika yang terkait dengan AI dan perawatan prediktif, seperti potensi bias, diskriminasi, dan keadilan dalam pengambilan keputusan algoritmik. Memasukkan pedoman dan prinsip etika ke dalam kerangka tata kelola data untuk memastikan penggunaan teknologi AI yang bertanggung jawab dan adil.

Berbagi Data dan Interoperabilitas: Aktifkan interoperabilitas antara sistem perawatan kesehatan dan dorong berbagi data yang aman untuk penelitian dan kolaborasi. Terapkan standar dan protokol untuk pertukaran, integrasi, dan berbagi data, sambil memastikan kepatuhan terhadap peraturan privasi.

Haruskah ini menantang pengembang perangkat lunak penyedia layanan kesehatan? Ya, pengembangan kerangka kerja tata kelola data di organisasi layanan kesehatan memang menimbulkan tantangan yang signifikan bagi pengembang perangkat lunak.

Mereka harus memastikan keamanan data, mematuhi peraturan yang rumit, menangani pertimbangan etis, memfasilitasi interoperabilitas, dan memprioritaskan pengalaman pengguna.

Pengembang harus memiliki keahlian dalam pengkodean yang aman, tata kelola data, peraturan privasi, dan teknologi baru.

Berkolaborasi dengan pakar tata kelola data, profesional layanan kesehatan, dan pemangku kepentingan sangatlah penting. Investasi yang memadai dalam tim pengembangan yang terampil, pelatihan, dan pembinaan budaya tata kelola data dan etika sangat penting bagi penyedia layanan kesehatan untuk memenuhi tantangan ini secara efektif.