Penerapan Etis Kecerdasan Buatan dalam Kedokteran Keluarga

Penerapan Etis Kecerdasan Buatan dalam Kedokteran Keluarga –  Dokter keluarga menyediakan dan mengoordinasikan layanan kesehatan komprehensif untuk semua jenis kelamin, ras, etnis, orientasi seksual, preferensi seksual, dan usia. Mereka memberikan perawatan pencegahan, menangani kesehatan mental, dan mendiagnosis, mengobati, serta menangani penyakit akut dan kronis. Seringkali, dokter keluarga adalah satu-satunya dokter yang memberikan perawatan di komunitas mereka, terutama di daerah pedesaan atau daerah tertinggal, dan dapat menyesuaikan perawatan mereka dengan kebutuhan unik komunitas tersebut.

Penerapan Etis Kecerdasan Buatan dalam Kedokteran Keluarga

dodingtonfamily – Dokter keluarga juga mengurangi kesenjangan kesehatan, termasuk rasisme sistemik, dengan bekerja sama dengan pemangku kepentingan masyarakat untuk mencapai perubahan positif pada populasi yang mereka layani. Ketika dokter membangun hubungan jangka panjang dengan pasien, mereka memperoleh pemahaman mendalam tentang riwayat kesehatan pasien melalui pemeriksaan rutin dan memberikan ruang yang aman bagi pasien untuk mendiskusikan topik sensitif seperti kesehatan reproduksi, penggunaan alkohol dan narkoba, serta kesehatan mental. penyakit . Pengalaman praktik keluarga didasarkan pada interaksi dokter-pasien yang sangat pribadi, yang memerlukan dukungan teknologi, termasuk kecerdasan buatan (AI).
AI atau pembelajaran mesin (AI/ML) dapat mendukung pengobatan keluarga dengan mendukung empat C utama peduli. . (kontak pertama, kelengkapan pelayanan, kontinuitas dan koordinasi) dan peningkatan kapasitas dan peningkatan kapasitas. AI/ML dapat mencapai lima tujuan jika diterapkan dengan benar dalam pengobatan keluarga. Oleh karena itu, kami yakin bahwa solusi berbasis AI/ML harus mengikuti prinsip-prinsip tertentu yang dapat membantu memastikan penerapan AI/ML secara tepat dalam pengobatan keluarga.

 

Baca Jugaa : Bagaimana Teknologi Memajukan Keluarga Berencana

AI/ML harus dievaluasi dengan cermat seperti halnya pengobatan lainnya. Karena AI/ML berpotensi mengganggu praktik medis dan pengalaman pasien dalam skala besar, pengelolaan, desain, implementasi, dan penggunaan AI/ML harus mengikuti prinsip-prinsip yang membantu memastikan AI/ML diterapkan. secara tepat dan optimal bagi pelayanan kesehatan dan sistem pengobatan keluarga. Itulah sebabnya AAFP telah menetapkan prinsip-prinsip awal yang kami yakini harus dipatuhi di bidang AI/ML agar dapat diterapkan dalam pengobatan keluarga.
1. Melestarikan dan Meningkatkan Perawatan Dasar

Jika pola pasien-dokter berkembang menjadi segitiga dengan kecerdasan buatan, hubungan pasien-dokter setidaknya harus dipertahankan dan idealnya ditingkatkan. Jika AI/ML diterapkan di layanan kesehatan primer, AI/ML harus meningkatkan 4C layanan primer dan memperluas kapasitas dan kemampuan layanan primer untuk menyediakan layanan jangka panjang yang mencapai lima tujuan utama.

2. Maksimalkan Transparansi

Solusi AI/ML harus memberikan transparansi kepada dokter dan pengguna lain sehingga efektivitas dan keamanan solusi dapat dievaluasi. Perusahaan harus memastikan transparansi data pelatihan yang digunakan untuk melatih model. Perusahaan harus memberikan informasi yang jelas dan mudah dipahami yang menjelaskan bagaimana solusi AI/ML membuat prediksi. Idealnya, hal ini berlaku untuk setiap kesimpulan, namun setidaknya memberikan model konseptual untuk pengambilan keputusan, termasuk pentingnya data yang digunakan untuk menarik kesimpulan.

3. Mengatasi Bias Implisit

Perusahaan yang menawarkan solusi AI/ML harus mengatasi bias implisit dalam desain mereka. Kami menyadari bahwa bias yang tersirat tidak selalu dapat dihilangkan sepenuhnya. Namun, perusahaan harus memiliki proses standar untuk mengidentifikasi bias implisit dan memitigasi model AI/ML berdasarkan pembelajaran dari bias yang sama. Selain itu, jika memungkinkan, perusahaan harus memiliki proses untuk melacak berbagai hasil, terutama yang berdampak pada kelompok pasien rentan.

4. Memaksimalkan keragaman data praktik

Untuk memaksimalkan kemampuan generalisasi solusi AI/ML, data pelatihan harus beragam dan mewakili populasi yang dilayani oleh kedokteran keluarga. Perusahaan harus memberikan dokumentasi yang jelas mengenai keragaman dokumen pelatihannya. Perusahaan juga harus berupaya meningkatkan keragaman informasi pendidikannya agar tidak berkembang dan tidak menimbulkan perbedaan kesehatan baru 1 .

 

Baca Jugaa : Cara Museum Munch Menggunakan Kecerdasan Buatan

 

5. Hormati privasi pasien dan pengguna
AI/ML memerlukan data dalam jumlah besar untuk pelatihan. Penting bagi pasien dan dokter untuk percaya bahwa perusahaan akan menjaga kerahasiaan informasi mereka. Perusahaan harus memberikan kebijakan yang jelas mengenai pengumpulan, penyimpanan, penggunaan dan pembagian data pasien dan pengguna akhir. Perusahaan harus mendapatkan izin untuk mengumpulkan informasi yang dapat diidentifikasi, dan izin tersebut harus menyatakan dengan jelas bagaimana informasi tersebut akan digunakan atau dibagikan.

6. Ambil perspektif sistem saat merancang
Solusi AI/ML merupakan komponen dari sistem operasi yang lebih besar, sehingga solusi tersebut harus dirancang sebagai komponen sistem yang terintegrasi. Artinya, perusahaan perlu memahami bagaimana solusi AI/ML digunakan dalam alur kerja. Perusahaan harus memiliki pendekatan desain yang berpusat pada pengguna. Karena sebagian besar solusi AI/ML dalam layanan kesehatan tidak bersifat otonom, perusahaan perlu memahami dan menggunakan ilmu pengetahuan terkini dalam interaksi manusia-AI dan penjaminan kualitas.

7. Bertanggung jawab

Karena solusi AI/ML memainkan peran penting dalam layanan kesehatan, perusahaan harus mengambil tanggung jawab untuk memastikan keamanannya. Solusi yang ditujukan untuk perawatan pasien langsung harus menjalani evaluasi ketat yang sama seperti perawatan lainnya. Kami juga percaya bahwa perusahaan harus mengambil tanggung jawab bila diperlukan. Penerapannya harus didasarkan pada model berbasis risiko yang mempertimbangkan peran AI/ML dan situasi penerapannya. Titik awal yang baik untuk model risiko tersebut adalah Framework for Software as Medical Devices (FDA) dan National Health Information Technology Coordinator (ONC) untuk Software as Medical Devices.

8. Desain untuk Kepercayaan

Mempertahankan kepercayaan dokter dan pasien sangat penting bagi keberhasilan AI/ML di bidang perawatan kesehatan di masa depan. Perusahaan harus menerapkan kebijakan dan prosedur yang memastikan penerapan prinsip-prinsip di atas dengan benar. Perusahaan harus mengupayakan tingkat keamanan, keandalan, dan akurasi tertinggi dari solusi AI/ML mereka. Perusahaan perlu memikirkan bagaimana mereka dapat memaksimalkan kepercayaan dokter dan pasien sepanjang masa pakai produk. AI/ML terus berkembang pesat, sehingga perusahaan harus terus mengadopsi praktik terbaik terbaru.

 

.