AI di Bidang Kesehatan Harus Berpikir Kecil

Enam menit setelah misi Apollo 13 ke bulan pada tahun 1970, tangki oksigennya meledak. Peristiwa ini memicu NASA untuk mengembangkan pendekatan baru dalam memprediksi kemungkinan kegagalan pada pesawat ulang-aliknya. Pendekatan ini bergantung pada data sensor yang terus-menerus, yang kemudian memberi makan simulasi digital yang mendalam, memungkinkan pengujian yang jauh lebih ketat pada sistem antariksa yang kompleks. Ini adalah penggunaan pertama teknologi “digital twin”.

Saat ini, sistem digital twin digunakan di berbagai industri untuk meningkatkan operasi dan mensimulasikan perubahan apa pun pada suatu sistem dengan akurat. Perusahaan teknologi seperti Apple dan Tesla menggunakan digital twin untuk memantau kinerja produk di lapangan dan menentukan apakah komponen sistem tertentu memerlukan perawatan.

Digital twin juga telah digunakan dalam bidang kesehatan, meskipun sebagian besar dalam penelitian dan pengembangan obat. Namun, potensi terbesarnya terletak pada pengelolaan penyakit kronis. Dengan menggabungkan pembelajaran mesin dan teknologi Internet of Things dengan digital twin AI, suatu pendekatan yang berasal dari eksplorasi ruang angkasa memiliki potensi untuk membuat perawatan kesehatan menjadi benar-benar individual.

Mendigitalkan perawatan tradisional telah gagal

Kedokteran modern telah membuat langkah-langkah kecil menuju perawatan yang dipersonalisasi selama dekade terakhir dengan memberikan suara kepada pasien dalam pengambilan keputusan, dan menuju kedokteran presisi melalui kemajuan penelitian genomik. Keduanya telah membantu menyesuaikan perawatan dengan individu, namun sebagian besar sistem kesehatan kita mengambil pendekatan “kelompok besar” dalam penyampaian perawatan.

Hal ini terlihat dalam cara kita mengelola penyakit kronis. Setiap satu dari 133 juta orang Amerika yang saat ini hidup dengan satu atau lebih penyakit kronis ditempatkan pada jalur perawatan yang direncanakan – suatu regimen perawatan, diet fad, seringkali sejumlah obat – dan perbaikannya diukur dalam batch ribuan orang lain yang berbagi kondisi mereka.

Pendekatan ini tidak berhasil. Terkenal, pengeluaran AS untuk diabetes, penyakit jantung, dan kanker terus meningkat, dan dampak teknologi pada hasil dan biaya telah terbatas. Dalam pengelolaan digital diabetes, penurunan berat badan, dan kondisi lainnya, dampak tersebut tidak signifikan.

Pada Maret, laporan yang diterbitkan oleh Peterson Health Technology Institute menekankan kekurangan hasil yang berkelanjutan. Laporan tersebut menemukan bahwa semua solusi yang dievaluasi performa buruk pada keterlibatan dan hasil dalam jangka waktu lama. Sebagai hasilnya, penurunan berat badan, reduksi A1C, penghapusan obat, penghapusan diabetes, dan manfaat kesehatan, kesejahteraan, dan ekonomi dari solusi tersebut terbatas dan tidak berkelanjutan.

Hal ini karena sebagian besar solusi hanya mendigitalkan template perawatan yang tidak efektif. Mereka tidak memperhitungkan perbedaan individu. Setiap orang membawa set unik faktor budaya, biologis, diet, perilaku, dan lingkungan yang mempengaruhi kesehatan mereka pada tingkat yang sangat individu.

Berpindah dari perawatan ‘dipersonalisasi’ ke perawatan individual

Digital twin AI menjanjikan suatu keberangkatan dari template. Inti dari teknologi ini adalah konsep bahwa setiap individu adalah satu dari satu. Digital twin seseorang diberitahu oleh pengukuran terus-menerus variabel klinis dan perilaku unik, dan menggunakan data tersebut untuk membentuk pedoman perawatan menuju versi terbaik dan paling sehat dari individu tersebut.

Kekuatan teknologi digital twin terletak pada perhatiannya terhadap hal-hal kecil – hal-hal yang kita makan dan lakukan – dan bagaimana mereka mempengaruhi diri kita saat ini dan di masa depan. Dalam prakteknya, digital twin dapat memprediksi secara akurat efek makan malam steak pada kesehatan metabolik atau kardiovaskular seseorang. Sejauh dampak tersebut mungkin negatif, digital twin dapat menawarkan cara untuk mengurangi dampak tersebut. Mungkin itu menyarankan berjalan selama 10 menit atau makanan penutup alternatif. Sebagai gantinya es krim, mungkin itu roti kacang dengan yogurt Yunani dan buah segar atau hanya urutan yang berbeda.

Dengan cara ini, digital twin AI dapat menunjukkan kepada seseorang apa yang akan terjadi jika mereka tetap pada jalur mereka saat ini dan perubahan besar yang dapat terjadi dengan membuat penyesuaian kecil dari waktu ke waktu. Teruslah menjalani rutinitas Anda saat ini, dan Anda akan dapat berhenti mengambil metformin dalam tiga minggu. Jatuh kembali ke kebiasaan lama, dan Anda dapat mengharapkan untuk mengambil penggantinya.

Ini adalah teknologi yang kuat, dan meskipun dampaknya pada kesehatan sebagian besar hanya diakui dalam akademia, teknologi ini mulai menemukan perannya dalam kasus penggunaan komersial. Pada 2014, Dassault Systemes dan FDA meluncurkan SIMULIA Living Heart, sebuah proyek yang bekerja sama dengan produsen perangkat untuk mengembangkan dan memperbaiki perangkat jantung dengan kecepatan yang lebih cepat. Pada awal pandemi, OnScale’s Project BreathEasy mengembangkan digital twin paru-paru pasien COVID-19 untuk meningkatkan dan mengoptimalkan penggunaan sumber daya ventilator.

Peneliti medis juga menggunakan model penyakit digital twin untuk memprediksi efektivitas intervensi farmakologis berdasarkan proses biologis yang kompleks dan sangat individual. Takeda Pharmaceuticals telah mengadopsi teknologi ini untuk mempersingkat proses farmasi dan membuat prediksi input-output yang realistis untuk reaksi biokimia. Baru-baru ini, peneliti menggunakan teknologi digital twin untuk mensimulasikan hasil terapi dan menentukan perawatan terbaik untuk karsinoma orofaringeal berdasarkan individu.

Pengelolaan penyakit kronis adalah frontier berikutnya

Sebuah makalah terbaru yang diterbitkan di Nature menyatakan bahwa digital twin “siap untuk membuat kontribusi yang signifikan” pada perawatan kanker, terutama dalam memantau kemajuan penyakit dan mengevaluasi respons perawatan, yang terkenal bervariasi secara individual. Makalah yang sama menganalisis digital twin jantung yang diberi makan oleh citra, EHR, genetik, dan data wearable terus-menerus, dan potensinya untuk memprediksi peristiwa jantung akut.

Kemajuan ini akan membuka jalan bagi teknologi kesehatan yang dapat mengubah kehidupan. Kekuatannya terletak pada konsep yang menjadi inti tujuan mereka: tidak ada yang kompleks yang statis.

Hal ini terutama benar untuk sistem biologis kita. Digital twin memerlukan ribuan titik data per hari, per individu, untuk benar-benar memahami interaksi antara biologi, budaya, gaya hidup, preferensi, dan kesehatan seseorang. Beberapa data ini sudah dikumpulkan oleh wearable dan aplikasi mobile, tetapi tanpa model yang memasukkan data tersebut ke dalam konteks individu dan perjalanan perawatan mereka, data tersebut tidak berguna.

Dalam dunia pengelolaan penyakit kronis, hal-hal kecil dapat dengan cepat menjadi besar dan mengancam jiwa. Dan meskipun kesehatan digital telah meningkatkan harapan pasien dengan bahasa seperti “personalisasi”, alat dan pendekatan yang telah ditawarkan kepada orang-orang tidak telah memenuhi kebutuhan dan preferensi unik mereka.

Digital twin AI akan membalikkan pendekatan ini dengan membantu kita memahami dan meningkatkan kesehatan kita pada tingkat yang sangat dipersonalisasi. Ini adalah teknologi yang siap untuk memenuhi janji perawatan individual.