Current Article:

Bagaimana Drama AI di The Pitt Berlangsung di Rumah Sakit Nyata

Categories Informasi

Bagaimana Drama AI di The Pitt Berlangsung di Rumah Sakit Nyata

SC - 13 INT. TRAUMA ONE

(SeaPRwire) –   Pada episode Kamis dari , ketegangan yang telah lama berkembang mengenai di Pittsburgh Trauma Medical Center telah meletus.

Pada musim kedua dari yang memenangkan Emmy lima kali, seorang dokter pengawas baru, Baran Al-Hashimi (Sepideh Moafi), bertekad untuk meningkatkan efisiensi di rumah sakit. Dia memberi tahu staf skeptisnya bahwa sistem AI baru dapat mengurangi waktu yang mereka habiskan untuk membuat catatan sebesar 80%, sehingga mereka dapat menghabiskan lebih banyak waktu di sisi pasien dan di rumah.

Tetapi pada episode keenam, para dokter menemukan bahwa alat AI telah membuat detail palsu tentang seorang pasien dan salah mengidentifikasi “urologi” sebagai “neurologi”.

“Tingkat kesalahan AI dua persen masih lebih baik daripada dictasi,” kata Al-Hashimi, menambahkan bahwa perlu diperiksa untuk kesalahan. Tetapi seorang Dr. Campbell (Monica Bhatnagar) yang marah, yang bekerja di bidang kedokteran internal, berbalik: “Aku benar-benar tidak peduli apakah kamu ingin menggunakan robot di sini. Aku butuh informasi akurat dalam catatan medis.”

Seperti banyak tema dari serial tersebut, alur cerita ini mencerminkan perdebatan di kehidupan nyata yang terjadi di rumah sakit di seluruh negeri. Dua pertiga dari para dokter mengatakan bahwa mereka menggunakan AI dengan beberapa tingkat, menurut oleh American Medical Association. Beberapa telah menemukan bahwa itu sangat berharga dalam memberikan perawatan dan mengurangi kelelahan. Tetapi para pekerja kesehatan lainnya mengatakan bahwa itu diluncurkan terlalu cepat dan membuat terlalu banyak kesalahan untuk bidang yang sangat risiko tinggi.

AI sebagai papan suara medis

Di The Pitt, AI diperkenalkan terutama sebagai alat untuk membuat catatan: proses di mana dokter mendokumentasikan pertemuan mereka dengan pasien. Membuat catatan adalah salah satu poin sakit terbesar bagi dokter, karena mereka sering harus bekerja sampai jam lewat untuk menyelesaikannya. Untuk beberapa tahun terakhir, rumah sakit telah menerapkan AI scribes ambient, yang mendengarkan percakapan dengan pasien dan kemudian merangkumnya untuk catatan dokter.

Murali Doraiswamy, seorang dokter dan profesor di Duke University School of Medicine, mengatakan bahwa AI scribes saat ini memungkinkan dokter untuk fokus pada pasien daripada mengetik catatan selama pertemuan. Tetapi dia mengatakan bahwa alat tersebut hanya benar-benar menghemat satu atau dua menit per pertemuan, karena dokter kemudian harus menghabiskan waktu untuk mengedit apa yang telah dibuat AI (seperti yang dicatat oleh Al-Hashimi di The Pitt). “Ini tidak secara signifikan menghemat waktu yang kita sebut ‘waktu istirahat,'” katanya. “Tetapi secara keseluruhan, itu adalah peningkatan, dan harapan adalah bahwa itu akan semakin baik dan semakin baik.”

Beberapa alat pembuatan catatan AI bahkan lebih maju. Tahun lalu, Presbyterian Healthcare Services di New Mexico, melaksanakan uji coba terhadap asisten AI bernama GW RhythmX, yang dapat memberikan ringkasan riwayat medis pasien yang akan datang kepada dokter, berpotensi menyelamatkan dokter dari harus membaca ribuan catatan dan file laboratorium sebelum pertemuan.

Lori Walker, Chief Medical Information Officer dari Presbyterian, mengatakan bahwa alat RhythmX juga dapat memberikan solusi untuk masalah pasien yang kompleks. Misalnya, katanya bahwa seorang pasien baru-baru ini dirawat karena luka terinfeksi — tetapi memiliki alergi terhadap banyak antibiotik yang mungkin dapat mengobati bakteri tersebut. Sebelumnya, seorang dokter akan berkonsultasi dengan spesialis penyakit menular — proses yang dapat memakan waktu antara 24 dan 48 jam. Sebaliknya, dokter tersebut mengajukan pertanyaan ke chatbot, dan segera mendapatkan resep yang efektif.

Sudheesha Perera, seorang resident dokter tahun kedua di Yale School of Medicine, mengatakan bahwa dia dan rekan-rekannya menggunakan OpenEvidence, sebuah chatbot model bahasa besar yang dilatih dengan literatur medis yang telah diverifikasi, hampir setiap hari. “Jika ada pasien dengan infeksi, saya mungkin akan mengajukan pertanyaan, ‘Aku memilih obat ini karena alasan ini. Apa alternatifnya?’ kata Perera, menyebutkan bahwa itu lebih cepat daripada menggunakan Google atau buku medis.

Perera membantu Yale membangun kurikulum AI yang memberikan nasihat kepada resident tentang praktik terbaik saat menggunakan teknologi ini. Dan di Laboratorium Ilmu Data Kardiovaskular Yale, dia menggunakan Claude Code dan Gemini untuk membantu dia menulis kode untuk analisis data. “Aku hanya bisa mengatakan secara teks biasa: ‘Ini seperti apa data saya, dan inilah yang saya inginkan.’ Itu benar-benar mengubah permainan dalam hal menyelesaikan sesuatu.”

Kesalahan dan risiko

Tetapi banyak rasa takut dan risiko yang mengintai. Sama seperti di The Pitt, alat AI telah membuat banyak kesalahan di lingkungan medis nyata. Michelle Gutierrez Vo, seorang perawat resident dan presiden dari California Nurses Association dan National Nurses Organizing Committee, mengatakan bahwa tiga tahun yang lalu, rumah sakitnya mencoba untuk menerapkan alat baru untuk menggantikan keputusan kasus manager. Tetapi ketika mereka menguji alat tersebut, ia salah menangani banyak kasus, termasuk menyarankan bahwa seorang pasien kanker yang dirawat untuk satu bulan pengobatan kemoterapi harus dirawat dalam dua sampai tiga hari.

“Kami telah membuktikan berkali-kali bahwa implementasi atau penggunaan AI sebenarnya lebih buruk, dan lebih mahal bagi mereka, ” katanya. Sebanyak dua pertiga dari perawat gigi bersar yang bergabung ke union mengatakan bahwa AI merendahkan mereka dan mengancam keselamatan pasien.

Gutierrez Vo khawatir bahwa AI hanya digunakan untuk mengurangi biaya dan meningkatkan keuntungan, memaksa staf yang semakin berkurang untuk bekerja lebih keras. Kebimbangan ini diucapkan kembali oleh Dr. Robby (Noah Wyle) dari The Pitt: “Itu akan membuat kita lebih efisien — tetapi rumah sakit akan mengharapkan kita untuk merawat lebih banyak pasien tanpa gaji tambahan,” katanya.

Sementara itu, ada kekhawatiran utama tentang pengurangan keterampilan: bahwa bahkan jika AI membantu dokter sekarang, itu akan merusak pengetahuan intrinsik mereka dan pengambilan keputusan pada saat yang paling diperlukan. Ide ini dijelajahi pada akhir episode minggu ini dari The Pitt: serangan siber memaksa rumah sakit untuk beralih ke analog sepenuhnya dan hanya mengandalkan keterampilan dan pelatihan mereka.

Skenario ini resonansi dengan Perera. “Ketika pasien sedang mengalami kegagalan di depan matamu, kamu perlu memiliki pengetahuan di depan pikiranmu. Alat AI terlalu lambat,” kata Perera. “Sangat benar bahwa pada akhirnya, kita perlu berlatih tanpa alat.”

Perera sangat khawatir bahwa jika generasi dokter baru terlalu bergantung pada alat AI tanpa belajar keterampilan terlebih dahulu, seluruh bidang kedokteran akan sangat terjejas. “Anak yang sama yang tidak pernah menulis esai kuliah dan hanya menggunakan ChatGPT mungkin akan menjadi dokter yang tidak pernah menulis penilaian kritis dan rencana dan hanya menggunakan OpenEvidence,” kata Perera. “Mengajar resident dokter untuk menjadi pengelola yang baik dari alat-alat ini, pada waktu yang tepat dalam pelatihan mereka, akan menjadi penting.”

Doraiswamy berharap bahwa alat akan dibuat dengan cara yang dirancang untuk mendukung penilaian dokter daripada menggantikan mereka. “Semakin banyak kita bisa membuat AI membuat dokter bertanya pertanyaan yang tepat, daripada secara otomatis hanya mengambil jawaban, semakin baik,” katanya. “Kita ingin sesuatu yang membuat kita berpikir.”

Artikel ini disediakan oleh penyedia konten pihak ketiga. SeaPRwire (https://www.seaprwire.com/) tidak memberikan jaminan atau pernyataan sehubungan dengan hal tersebut.

Sektor: Top Story, Daily News

SeaPRwire menyediakan distribusi siaran pers real-time untuk perusahaan dan lembaga, menjangkau lebih dari 6.500 toko media, 86.000 editor dan jurnalis, dan 3,5 juta desktop profesional di 90 negara. SeaPRwire mendukung distribusi siaran pers dalam bahasa Inggris, Korea, Jepang, Arab, Cina Sederhana, Cina Tradisional, Vietnam, Thailand, Indonesia, Melayu, Jerman, Rusia, Prancis, Spanyol, Portugis dan bahasa lainnya.