Mengapa Kedokteran Membutuhkan AI Neuro-simbolik

Pada bulan Maret, seorang perempuan berusia 63 tahun menemui dokternya untuk pemeriksaan rutin. Hasil tes darah menunjukkan gula darahnya selama ini tinggi, dan ia diberi tahu bahwa ia mengidap diabetes tipe 2. Ia mulai minum obat yang lazim untuk penyakit itu dan diminta kembali tiga bulan lagi.

Pada bulan Juni, ia menjalani pengambilan darah di laboratorium dekat kantornya, karena lebih praktis daripada menyetir ke klinik. Gula darahnya lebih tinggi daripada bulan Maret. Saat kontrol, perawat menimbangnya dan mendapati berat badannya turun sekitar 4 kg. Catatan medisnya menyebutkan bahwa ia menanggapi perubahan gaya hidup dengan baik. Ia dan dokternya sama-sama senang.

Pada bulan Agustus, ia datang ke klinik urgent care karena nyeri di bagian tengah punggung yang sudah beberapa minggu tidak hilang. Ia tidak jatuh dan tidak mengangkat beban berat. Ia diberi obat antiradang dan dirujuk ke fisioterapi.

Ketiga dokter itu mengerjakan tugas yang ada di hadapan mereka, dan setiap catatan, jika dibaca sendiri-sendiri, tampak wajar. Namun, jika dibaca bersama, ketiganya menunjuk pada sesuatu yang tidak terlihat dari satu catatan saja, dan dokter yang melihat ketiganya akan ingin pankreasnya diperiksa dengan pencitraan.

Mengapa ketiga kunjungan itu harus dibaca bersama

Pankreas adalah organ kecil yang letaknya jauh di belakang lambung, menempel pada dinding belakang rongga perut. Salah satu tugasnya adalah membuat insulin, hormon yang menjaga gula darah tetap terkendali.

Inilah yang menghubungkan ketiga kunjungan itu. Tumor di pankreas dapat mengganggu pembuatan insulin sehingga gula darah naik, terkadang sebelum tanda lain apa pun muncul. Kanker juga dapat membuat berat badan turun tanpa diupayakan. Dan karena pankreas terletak dekat tulang belakang dan saraf-sarafnya, tumor di sana dapat menimbulkan nyeri tumpul di tengah punggung.

Kebanyakan orang yang baru terkena diabetes tidak mengidap kanker. Namun, jika diabetes muncul pertama kali setelah usia 50 tahun, sekitar satu dari seratus orang didiagnosis kanker pankreas dalam tiga tahun, kira-kira delapan kali lipat angka yang diperkirakan pada usia itu. Para peneliti di Mayo Clinic menyusun sebuah skor untuk menemukan pasien-pasien ini, berdasarkan usia saat diabetes mulai muncul, perubahan berat badan, dan perubahan gula darah. Yang paling berbobot adalah berat badan yang turun ketika gula darah naik.

Waktu menjadi penting karena kanker pankreas biasanya ditemukan terlambat. Sekitar separuh kasus baru terdiagnosis setelah kanker menyebar, ketika pengobatan tidak banyak lagi bisa berbuat. Menemukannya beberapa bulan lebih awal dapat mengubah apa yang masih mungkin dilakukan.

Dalam kasus perempuan ini, informasi yang dibutuhkan sebenarnya sudah tercatat. Hanya saja, informasi itu tersebar di tiga tempat, dan tidak ada yang melihat semuanya.

Celah yang sama juga bekerja ke arah sebaliknya. Saya pernah melihat pasien menjalani serangkaian pemeriksaan jantung, padahal penyebabnya kecemasan dan detak jantung yang tidak teratur adalah gejalanya; pasien seperti itu juga pernah saya tangani sendiri. Jantung mereka diperiksa dengan cermat, tetapi jawabannya ada di bagian lain dari kisah mereka. Ketika kepingan-kepingan kesehatan seseorang tercerai-berai, kedokteran luput melihat yang serius dan malah mengejar yang tidak.

Mengapa komputer belum memecahkan masalah ini

Komputer membaca jauh lebih cepat daripada manusia, jadi wajar jika kita bertanya mengapa komputer belum juga menangkap kasus seperti ini. Alasannya, sebagian besar AI dalam kedokteran termasuk salah satu dari dua jenis, dan masing-masing hanya melihat sebagian dari gambaran utuhnya.

Jenis pertama belajar dari contoh. Diberi data jutaan pasien terdahulu, ia mempelajari pola mana yang cenderung muncul sebelum suatu penyakit. Chatbot yang kini dipakai banyak orang dibangun dengan cara ini, dilatih dengan teks dalam jumlah sangat besar. AI jenis ini jeli menangkap tanda, tetapi tidak dapat menunjukkan mengapa ia sampai pada suatu kesimpulan, dan ia terdengar sama yakinnya saat salah maupun saat benar. Seorang dokter tidak bisa dengan aman bertindak berdasarkan kesimpulan yang tidak mungkin ia periksa.

Jenis kedua mengikuti aturan yang ditulis manusia, dalam bentuk “jika begini, maka begitu.” Sebuah aturan jelas tentang apa yang diperiksanya dan mengapa. Namun, aturan hanya menangkap apa yang sudah terpikirkan oleh seseorang sebelumnya, dan hanya jika informasinya datang persis dalam bentuk yang diharapkan aturan itu. Aturan tidak belajar.

Kedua pendekatan itu sama-sama tidak lengkap, tetapi tak satu pun merupakan gagasan yang buruk.

Masalah yang lebih mendasar terletak pada catatan yang menjadi bahan belajar sistem-sistem ini. Sebagian besar rekam medis berupa catatan klinis, dan setiap catatan adalah cerita satu orang tentang satu kunjungan, ditulis terburu-buru dan diwarnai cara orang itu memandang pasiennya. Sebagian besar sisanya dirancang untuk penagihan, dengan diagnosis yang disimpan sebagai kode pembayaran. Sistem yang hanya belajar dari bahan seperti ini ikut mempelajari titik butanya. Pada 2019, para peneliti menemukan bahwa sebuah algoritme yang dipakai sistem kesehatan Amerika untuk memilih pasien yang mendapat perawatan tambahan menilai pasien kulit hitam lebih sehat daripada kenyataannya. Algoritme itu belajar dari pengeluaran di masa lalu, dan biaya yang dikeluarkan untuk perawatan mereka memang lebih sedikit.

Pembelajaran dan logika, bersama-sama

Dokter yang baik memakai kedua cara berpikir itu. Bertahun-tahun praktik mengajari mereka untuk menangkap saat ada yang tidak beres, lalu mereka mencocokkan kesan itu dengan bukti sebelum bertindak. AI neuro-simbolik dibangun dengan cara yang sama. Bagian “neuro” belajar dan menangkap tanda, seperti pengalaman. Bagian “simbolik” bernalar dengan aturan, seperti dokter yang mencocokkan temuannya dengan bukti.

Di Chroneme, aturan-aturannya berasal dari penelitian yang telah terbit dan pedoman medis, dan aturan itu bekerja seperti lensa. Untuk setiap pertanyaan klinis, aturan menetapkan informasi mana yang penting dan seberapa jauh sumbernya bisa dipercaya, sehingga berat badan yang diukur dengan timbangan lebih berbobot daripada satu kata dalam catatan. Di dalam kerangka itu, bagian yang belajar tetap bisa menangkap pola yang tidak terpikir oleh siapa pun untuk dituliskan. Bagian logika kemudian menguji setiap pola itu dengan bukti, dan pola yang tidak lolos uji tidak akan pernah sampai ke dokter sebagai rekomendasi.

Bayangkan perempuan yang sama, kali ini dengan Chroneme yang membaca riwayat perawatannya. Hasil lab, berat badan, dan catatan klinisnya dari setiap tempat ia berobat dihimpun menjadi satu rekam medis, diurutkan sesuai urutan kejadiannya. Pada bulan Juni, ketika gula darahnya naik sementara berat badannya turun, pola itu cocok dengan apa yang dicari skor yang telah dipublikasikan tadi, dan dokternya melihat temuan itu pada minggu yang sama, dua bulan sebelum nyeri punggungnya muncul. Temuan itu ditulis dengan bahasa yang mudah dipahami dan memperlihatkan setiap hasil yang mendasarinya, di mana dan kapan masing-masing dicatat, serta penelitian yang menjadi dasar aturannya. Permintaan pemeriksaan pencitraan sudah disiapkan, berikut pesan untuk pasien yang menjelaskan alasannya tanpa membuatnya cemas. Dokternya meninjau, setuju atau tidak setuju, lalu menandatangani.

Karena aturannya tertulis, fakta yang sama menghasilkan kesimpulan yang sama untuk setiap pasien, siapa pun dokter yang sedang jaga. Ketika bukti berubah, aturan cukup diperbarui sekali dan langsung berlaku untuk semua orang. Ketika ada yang salah, titik kegagalannya bisa ditemukan.

Apa yang sedang kami bangun

Metode yang lebih baik saja tidak cukup. Metode itu membutuhkan sistem tempat ia berjalan, sistem yang menjaga rekam medis setiap orang tetap utuh dan bekerja sama baiknya untuk pasien kesejuta seperti untuk pasien pertama. Sistem itulah yang sedang kami bangun.

Sistem ini juga membuka jalan bagi wawasan jenis baru. Hasil pemindaian menunjukkan seperti apa bagian dalam tubuh, riwayat menunjukkan bagaimana tubuh bisa sampai pada keadaan itu, dan genetika menunjukkan apa yang lebih mungkin terjadi pada tubuh itu. Selama ini semuanya biasanya dibaca terpisah, oleh spesialis yang berbeda-beda. Jika dibaca bersama dan berurutan, akan tampak kombinasi yang tidak termuat dalam satu catatan mana pun.

Sudah puluhan tahun kedokteran tahu seperti apa perawatan yang baik dan berbasis bukti. Yang tidak dimilikinya adalah waktu untuk menerapkan seluruh bukti itu pada setiap pasien, setiap hari, sebab tidak ada dokter yang sanggup mencocokkan setiap catatan dengan setiap pedoman sebelum setiap kunjungan. Agen-agen Chroneme, yaitu program yang menjalankan langkah-langkah suatu tugas, mengerjakan persiapan itu. Agen menyusun draf instruksi medis, pesan, dan catatan, masing-masing lengkap dengan sumbernya, untuk ditinjau dan ditandatangani klinisi. Keputusan tetap di tangan manusia, dan waktu yang terhemat kembali untuk merawat pasien.

Kami berhati-hati dengan apa yang kami klaim. Bahwa setiap kesimpulan dapat ditelusuri dan diperiksa, itu sudah benar hari ini karena memang dirancang demikian. Apakah sistem ini cukup sering benar untuk menolong pasien, itu pertanyaan yang harus dijawab oleh bukti. Kami sedang mengujinya berdasarkan protokol yang ditulis sebelum hasil apa pun terlihat, dan kami akan memublikasikan temuan kami, termasuk di mana sistem ini masih kurang.