JAKARTA (ANTARA) – Tim peneliti telah mengembangkan sistem kamera lemah yang dapat menggunakan kecerdasan buatan untuk mendeteksi kemungkinan kesalahan dalam perawatan medis pasien.
Dalam uji coba tersebut, yang hasilnya dipublikasikan di jurnal npj Digital Medicine pada tanggal 22 Oktober, sistem video tersebut diakui dan terkenal karena efisiensinya yang tinggi dalam mengambil obat di lingkungan klinis yang sibuk. AI mencapai sensitivitas 99,6 persen dan spesifisitas 98,8 persen dalam mendeteksi kesalahan penggantian cangkir.
Sistem ini mungkin sulit untuk dipelihara, terutama di ruang operasi, unit perawatan intensif, dan fasilitas medis, kata rekan penulis utama Dr. Kelly Michaelsen, asisten profesor anestesiologi dan pengobatan nyeri di Washington University School of Medicine.
“Ide untuk bisa membantu pasien secara langsung atau menghentikan kesalahan pengobatan sebelum terjadi sungguh luar biasa,” ujarnya seperti dilansir Medical Xpress, Selasa (22/10).
Michaelsen menambahkan, “Kami dapat mengharapkan akurasi 100 persen, namun banyak orang yang bahkan tidak bisa mencapainya. Dalam survei terhadap lebih dari 100 penyedia anestesi, mayoritas menginginkan sistem yang lebih dari 95 persen akurat, dan hal ini berhasil kami capai.”
Kesalahan medis adalah insiden kritis yang paling sering dilaporkan dalam anestesi dan penyebab paling umum dari kesalahan medis serius dalam perawatan intensif. Dalam gambaran yang lebih besar, diperkirakan 5-10 persen dari seluruh pemberian pengobatan disebabkan oleh kesalahan.
Efek samping akibat penggunaan narkoba suntik diperkirakan berdampak pada 1,2 juta pasien setiap tahunnya dan menelan biaya sebesar $5,1 miliar.
Kesalahan pertukaran jarum suntik dan botol paling sering terjadi selama suntikan intravena, ketika dokter harus memindahkan obat dari botol ke jarum suntik pasien. Sekitar 20 persen kesalahan adalah kesalahan pertukaran, yaitu pemilihan botol yang salah atau jarum suntik tidak diberi label dengan benar. 20 persen kesalahan lainnya terjadi ketika obat diberi label dengan benar namun diberikan secara tidak tepat.
Untuk mencegah kecelakaan, langkah-langkah keamanan telah diterapkan, seperti sistem barcode yang dengan cepat membaca dan mengonfirmasi isi botol. Namun, dokter terkadang lupa melakukan pemeriksaan ini dalam situasi stres karena ini merupakan langkah tambahan dalam alur kerja mereka.
Para peneliti bertujuan untuk membangun model pembelajaran mendalam yang, jika dikombinasikan dengan kamera GoPro, cukup pintar untuk mengenali isi botol silinder dan jarum suntik serta memberikan peringatan tepat waktu sebelum pasien meminum obat.
Model pelatihan memakan waktu berbulan-bulan. Para peneliti mengumpulkan video 4K dari 418 penyedia anestesiologi dari 13 ruang operasi anestesi dengan pengaturan dan pencahayaan berbeda.
Rekam medis berisi botol dan jarum suntik untuk pemberian obat tertentu. Klip video ini direkam dan isi jarum suntik serta vial ditandai dengan pola untuk mengidentifikasi isi dan wadahnya.
Alih-alih langsung membaca kata-kata di setiap cangkir, sistem penglihatan melihat isyarat visual lainnya, seperti ukuran dan bentuk cangkir dan alat suntik, warna cangkir, dan ukuran label yang dicetak. .
“Tantangan terbesarnya adalah orang-orang di ruang operasi memegang jarum suntik dan botol dan Anda tidak dapat melihatnya sama sekali karena ditutupi oleh tangan yang cepat. Mereka melakukan tugasnya. Mereka tidak boleh difoto,” kata Shyam. Gollakota, salah satu penulis makalah dan Profesor Paul G. dari Allen School of Computer Science & Engineering, UW.
Selain itu, model komputer harus dirancang untuk fokus pada obat di dalam perangkat tubuh dan mengabaikan botol dan jarum suntik yang mendasarinya.
“AI melakukan segalanya dengan mendeteksi jarum suntik tertentu yang diambil oleh penyedia layanan kesehatan,” kata Gollakota.
Menurut Michaelsen, penelitian ini menunjukkan bahwa kecerdasan buatan dan pembelajaran mendalam dapat meningkatkan keselamatan dan efisiensi dalam banyak praktik perawatan kesehatan. Para peneliti mulai menggali potensi ini.
Peneliti dari Universitas Carnegie Mellon dan Universitas Makerere di Uganda juga berpartisipasi dalam penelitian ini. Toyota Research Institute membangun dan menguji sistem tersebut.
Leave a Reply