Model kecerdasan buatan kini dapat mendeteksi pneumothorax dan kondisi lainnya dengan akurasi lebih dari 95%, seringkali mengungguli radiolog bersertifikat. Namun meskipun memiliki kemampuan yang mengesankan ini, komunitas medis menemukan bahwa menggantikan radiolog manusia tidaklah semudah yang diprediksi banyak orang. Diskusi ini mengungkap beberapa hambatan fundamental yang jauh melampaui performa teknis.
Performa AI dalam Radiologi:
- Model AI CareDocs : akurasi >95% dalam deteksi pneumotoraks (2017)
- Perusahaan yang mengembangkan alat radiologi AI: Aidoc.ai , Lunit.io , Oxipit
- Penghematan waktu per studi: <30 menit rata-rata
- Pendapatan spesialisasi radiologi (2022): $378 juta USD agregat, $570.000 USD rata-rata individu
Kekhawatiran Legal dan Tanggung Jawab Menciptakan Hambatan Besar
Hambatan terbesar bukanlah kemampuan teknis melainkan tanggung jawab hukum. Asuransi malpraktik medis memerlukan apa yang digambarkan seorang komentator sebagai leher untuk dicekik - seseorang yang dapat dimintai pertanggungjawaban ketika terjadi kesalahan. Perusahaan AI tidak tertarik untuk menerima tanggung jawab atas kesalahan diagnostik, yang berarti radiolog tetap diperlukan secara hukum terlepas dari performa AI . Hal ini menciptakan situasi di mana rumah sakit harus mempekerjakan sistem AI dan radiolog manusia, membuat prosesnya lebih mahal daripada hemat biaya.
Hambatan Utama Penggantian AI:
- Persyaratan tanggung jawab hukum untuk asuransi malpraktik
- Tantangan persetujuan regulasi untuk sistem yang sepenuhnya otonom
- Kebutuhan pengawasan manusia dalam kasus yang kompleks/ambigu
- Persyaratan komunikasi dengan profesional medis lainnya
- Kompleksitas integrasi alur kerja
Realitas Pekerjaan Radiolog Berbeda dari Persepsi Publik
Sementara beberapa orang percaya radiolog menghabiskan sebagian besar waktu mereka berbicara dengan pasien dan kolega, radiolog yang berpraktik menggambarkan gambaran yang berbeda. Sebagian besar radiolog bekerja secara remote, menganalisis gambar medis dan mendiktekan temuan dengan interaksi pasien yang minimal. Namun, mereka memang berkomunikasi secara ekstensif dengan dokter lain tentang kasus kompleks dan temuan yang ambigu. Peran konsultasi ini menjadi semakin penting ketika AI menangani diagnosis rutin, meninggalkan manusia untuk fokus pada kasus sulit yang memerlukan penilaian klinis dan pemahaman kontekstual.
Integrasi Alur Kerja Terbukti Lebih Kompleks dari yang Diharapkan
Implementasi AI saat ini biasanya menghemat kurang dari 30 menit per studi untuk radiolog individual. Meskipun ini berskala menjadi penghematan signifikan di seluruh sistem rumah sakit, hal ini tidak menghilangkan kebutuhan akan pengawasan manusia. Sebaliknya, AI berfungsi sebagai sistem triase, menandai kasus mendesak dan membantu dengan skrining rutin. Teknologi ini unggul dalam menangkap kondisi langka yang mungkin terlewatkan, seperti pancreas divisum, tetapi masih memerlukan verifikasi dan interpretasi manusia.
Evolusi Profesional Daripada Penggantian
Komunitas medis semakin memandang AI sebagai transformasi daripada eliminasi karier radiologi. Radiolog beradaptasi dengan beralih ke prosedur intervensi dan area khusus lainnya yang memerlukan keahlian langsung. Profesi ini berkembang untuk lebih fokus pada manajemen kasus kompleks dan konsultasi interdisipliner sementara AI menangani tugas diagnostik rutin.
Seiring AI menjadi lebih baik, bisnis bergeser dari sekadar menginterpretasi scan menjadi fokus pada scan yang benar-benar sulit dan ambigu yang masih memerlukan keahlian klinis.
Bukti menunjukkan bahwa AI akan terus menambah kemampuan radiolog daripada menggantikan mereka sepenuhnya. Kerangka hukum, kekhawatiran tanggung jawab, dan sifat kompleks pengambilan keputusan medis menciptakan hambatan yang tidak dapat diatasi oleh performa teknis murni. Meskipun AI mungkin mengurangi jumlah radiolog yang dibutuhkan dari waktu ke waktu, profesi ini tampaknya akan bertahan dalam kapasitas yang berubah untuk masa mendatang.
Referensi: AI isn't replacing radiologists