Jepang Terus Kembangkan Teknologi Medis Bertenaga AI, Atasi Kekurangan Pekerja Medis
Redaksi
17/03/2024 14:36
.
4 min read
By : Jhon Collings
John Collings, presiden Stryker di Asia-Pasifik, sebuah perusahaan teknologi medis yang berbasis di A.S., dan ketua Asosiasi Teknologi Medis Asia Pasifik.
Meningkatnya kekurangan pekerja medis di Jepang memperburuk sistem layanan kesehatan yang disebabkan oleh penuaan penduduk yang cepat di negara tersebut.
Hal ini telah menciptakan tantangan besar yang memerlukan solusi multifaset. Salah satu pendekatan yang semakin dianut Jepang adalah penggunaan teknologi medis yang didukung kecerdasan buatan.
Alat-alat ini mempunyai potensi untuk meningkatkan secara eksponensial kemampuan petugas kesehatan di Jepang dalam merawat populasi lansia di negara tersebut.
Banyak yang sudah diuji atau diterapkan di Jepang, dalam bentuk perangkat seperti jam tangan pintar yang dapat melacak tanda-tanda vital pemakainya dan robot yang dapat membantu operasi.
Pembelajaran mesin digunakan untuk membuat sistem pencitraan medis lebih cerdas dan mengekstrak lebih banyak informasi dari CT scan, hasil MRI, dan sinar-X.
Kemajuan seperti ini berpotensi menjadikan pembedahan lebih aman dan tidak terlalu invasif serta mempersingkat waktu pemulihan pasien, yang merupakan faktor penting dalam merawat lansia.
Meskipun potensi teknologi medis yang didukung AI tidak terbatas, teknologi ini juga membawa tantangan regulasi unik yang perlu dipecahkan untuk memanfaatkan potensinya.
Tidak seperti perangkat medis tradisional, algoritma AI yang terlibat dalam teknologi ini terus berkembang. Dengan akses ke lebih banyak data dunia nyata, sistem berbasis ML terus berkembang menjadi lebih tepat.
Meskipun teknologi ML sangat menjanjikan, sifatnya yang selalu berubah menjadikannya target pengawasan peraturan. Masalah seperti penggunaan data yang etis, bias algoritmik, dan keandalan jangka panjang dapat memperparah masalah ini.
Kekhawatiran ini perlu diatasi melalui kebijakan-kebijakan yang berpikiran maju. Kehati-hatian dan prosedur yang tepat harus diimbangi dengan kecepatan dan inovasi untuk memanfaatkan teknologi baru yang dapat memberikan perawatan yang mengubah hidup dengan aman.
Sebagai negara yang pertama kali mengadopsi teknologi inovatif, Jepang mengatasi tantangan ini dengan menerapkan kebijakan yang selaras dengan rekomendasi praktik terbaik yang ditetapkan oleh Asosiasi Teknologi Medis Asia Pasifik dan Asosiasi Produsen Peralatan Medis dan Diagnostik Amerika, yang masing-masing mewakili produsen dan pemasok teknologi inovatif. peralatan medis.
Badan Farmasi dan Alat Kesehatan Jepang telah mulai menerapkan kebijakan yang mengatasi sifat evolusi perangkat lunak yang menggabungkan AI dan ML sebagai perangkat medis.
Salah satu kebijakan yang diperkenalkan pada tahun 2020, Desain Peningkatan dalam Persetujuan untuk Evaluasi dan Pemberitahuan Tepat Waktu, memperhitungkan sifat perangkat lunak berbasis AI yang terus berkembang dengan mengizinkan perubahan sebagian terhadap persetujuan peraturan yang ada. Setelah produk diluncurkan dengan menyetujui proses validasi untuk perubahan di masa mendatang.
Sakigake, sebuah kebijakan yang dikeluarkan pada tahun 2014, adalah sistem penetapan yang memberikan percepatan persetujuan regulasi terhadap perangkat medis tertentu yang menunjukkan efisiensi nyata dalam uji klinis fase awal.
Bukti efektivitas kebijakan-kebijakan ini mulai terlihat, seperti terlihat dari semakin besarnya jumlah perangkat berbasis perangkat lunak yang disetujui dalam dua tahun terakhir dibandingkan periode sebelumnya.
Teknologi ini mencakup inovasi seperti perangkat lunak analisis citra medis yang dapat mengidentifikasi temuan yang mengarah pada kanker paru-paru melalui rontgen dada dan alat diagnostik yang dapat mendeteksi pneumonia COVID-19 berdasarkan CT scan.
Inisiatif seperti ini memungkinkan sains dan inovasi berkembang, yang berarti lebih banyak terobosan pengobatan, analisis prediktif yang lebih akurat, dan peningkatan kualitas hidup baru untuk meningkatkan hasil layanan kesehatan bagi pasien.
Also Read:
Namun, pengembang AI juga harus mengatasi dan memitigasi risiko, seperti penanganan data pribadi yang sensitif, untuk mengembangkan model dan algoritma AI yang bertanggung jawab dan transparan yang tidak memihak, tidak diskriminatif, dan tidak berbahaya.
Pendekatan Jepang menunjukkan bagaimana kerangka peraturan yang terstruktur dengan baik dapat mengkatalisasi adopsi teknologi medis bertenaga AI dan mendorong inovasi sekaligus mengatasi kekhawatiran seputar keselamatan dan privasi.
Also Read:
Di wilayah yang beragam seperti Asia-Pasifik, cara solusi kesehatan disetujui untuk digunakan di yurisdiksi berbeda tentu saja akan berbeda-beda. Mengingat potensi dampak luas dari teknologi medis yang didukung AI, banyaknya proses persetujuan menyebabkan inefisiensi dalam menghadirkan alat penyelamat jiwa kepada sebanyak mungkin orang.
Jika otoritas layanan kesehatan dan perwakilan industri dari berbagai yurisdiksi berbagi temuan dan praktik terbaik saat mereka berupaya memahami efisiensi dan keterbatasan kerangka peraturan yang ada, hal ini dapat mencapai tujuan untuk memberikan teknologi canggih kepada pasien lebih cepat.
Dinamika seperti ini sudah terjadi di Tiongkok. Setelah negara ini bergabung dalam Dewan Internasional untuk Harmonisasi Persyaratan Teknis Farmasi untuk Penggunaan Manusia, sebuah badan yang menyusun pedoman untuk pengembangan obat-obatan yang aman dan efektif dengan cara yang hemat sumber daya, 161 obat kanker disetujui oleh Beijing selama tiga tahun berikutnya. Lebih dari tiga kali lipat jumlah yang diotorisasi selama tiga tahun sebelumnya.
Meskipun kemanusiaan harus selalu menjadi pusat layanan kesehatan, potensi AI untuk merevolusi cara kita merawat pasien lanjut usia harus dieksplorasi sepenuhnya. Menunda hal ini berpotensi membuat pasien kehilangan layanan yang paling canggih.
Kita beruntung hidup di zaman di mana kemajuan teknologi yang luar biasa muncul setiap hari. Kami berhutang budi kepada mereka yang datang sebelum kami untuk memastikan mereka juga merasakan manfaatnya.
Also Read:
You might also like
