Kecerdasan Buatan Gantikan Peran Dokter, Menulis Surat Keterangan

Bagaimana kecerdasan buatan atau artificial intelligence (AI) gantikan peran dokter misalnya menuliskan resep bagi pasien? Contoh Large Language Models (LLM) yang lagi ngetop saat ini adalah perangkat ChatGPT—terampil menulis esai,  puisi atau pusai bahkan kode rahasia.

Penulis/editor: Rayendra L Toruan

mmINDUSTRI.co.id – Fraunhofer (sumber): Hari-hari belakangan ini pemberitaan kecerdasan buatan atau  artificial intelligence (AI) dengan ChatGPT menempati posisi top news di pelbagai media.

Pengembangannya dalam beragam diverifikasi yang ditemukan oleh para developer termasuk lembaga riset seperti Fraunhofer IAIS di Jerman.

Contoh yang diamati dan dikembangkan oleh para ahli Fraunhofer IAIS berkaitan dengan perjalanan seorang pasien saat memerlukan penanganan tim medis di rumah sakit.

Panduan  bagi pasien  merupakan penunjukkan di area medis yang hal itu dapat dibantu aplikasi kecerdasan buatan atau artificial intelligence (AI).

Aplikasi  yang digunakan bertujuan untuk menyederhanakan proses pelayanan sekaligus mendukung tim medis termasuk pasien itu sendiri.

Menurut tim ahli, para dokter yang menangani pasien menulis 150 juta surat dokter  setiap tahun di Jerman. Pekerjaan menulis surat dokter itu membutuhkan waktu berharga yang dapat digunakan di tempat lain.

Surat yang disebut doctor’s letter generator atau kumpulan surat dokter yang saat ini sedang dikembangkan oleh para ilmuwan di Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS.

Buku putih yakni laporan dokter itu berisikan informasi solusi yang berguna untuk membuat dokumen dalam waktu singkat.

Aplikasi ini didasarkan pada kombinasi algoritma dan kecerdasan buatan yang diterapkan untuk Natural Language Processing (NLP).

Buku putih baru berjudul Whitepaper Natural Language Processing in der Medizin mencantumkan banyak peluang tambahan untuk rumah sakit ketika mereka menggunakan NLP.

Data kesehatan saat ini merupakan salah satu kumpulan data yang tumbuh paling cepat.

“Bagaimana cara memproses data dan kemungkinan apa yang ditawarkan data kepada pasien, profesional perawatan, dan dokter merupakan pertanyaan yang menarik untuk dijawab—dan salah satu yang kami miliki setidaknya sebagian dari jawabannya,” jelas Dr Dario Antweiler, pemimpin tim Healthcare Analytics di Fraunhofer IAIS.

Bersama dengan timnya, Dr Dario Antweiler sukses menulis buku putih yang menjelaskan perkembangan terkini dan peluang untuk proses berbasis dokumen di bidang medis.

Peluang tambahan dari penggunaan Model Bahasa Besar

Dalam makalah ilmiah tersebut, para ahli membahas Large Language Models (LLM) yang mengalami perkembangan drastis dalam beberapa bulan terakhir, melambungkannya menjadi sorotan publik.

Contoh LLM yang paling terkenal saat ini adalah ChatGPT, sebuah chatbot yang Ketika mesin membaca teks terdengar secara  alami seperti diucapkan oleh manusia.

“Dalam waktu yang tidak lama lagi, model ini akan dapat bekerja secara multimodal. Artinya aplikasi dapat memproses gambar dan data tabular serta teks dan bahasa lisan yang telah mereka kerjakan,” urai  Dr Dario Antweiler.

Aplikasi ChatGPT membuka kemungkinan baru di sektor medis, yang dapat membebaskan staf untuk tugas lain sehingga meningkatkan proses perawatan pasien — sambil mempertimbangkan perlindungan data setiap saat.

ChatGPT merupakan chatbot kecerdasan buatan yang mampu menghasilkan konten tertulis dalam berbagai format seperti  esai, puisi, kode, dan mampu menjawab pertanyaan sederhana.

Perangkat ini diluncurkan oleh OpenAI pada November 2022 dengan dukungan model yang mengucapkan Bahasa –memungkinkannya  meniru tulisan manusia.

ChatGPT tersedia sebagai aplikasi seluler untuk perangkat iOS pada Mei 2023 dan untuk perangkat Android pada Juli 2023.

Sementara dunia perawatan kesehatan menghadapi banyak tantangan, seperti kekurangan staf, tekanan biaya, dan “kelebihan informasi” dari jumlah data yang terus meningkat.

Saat ini, sebagian besar data di rumah sakit masih sulit dianalisis dengan tangan.

“Mengevaluasi, menganalisis, dan menarik kesimpulan dari data membutuhkan waktu yang berharga di berbagai titik—komoditas yang kurang dalam tekanan rumah sakit sehari-hari,” tutur Dr Dario Antweller.

Dalam kasus terburuk, informasi penting yang hilang misalnyaS justru  mempersulit perawatan, menyebabkan pemeriksaan ulang yang mahal atau penghitungan yang tidak lengkap, demikian Dr Dario  Antweiler.

Kapan aplikasi temuan ahli itu diluncurkan?

Baca:  Suara Mesin Pembaca Teks Terdengar Alami, Jangan-jangan Suara Anda