Machine Translated by Google
Berita
COVID-19 dan kecerdasan buatan: melindungi pekerja layanan kesehatan dan
mengekang penyebarannya
Kasus penyakit virus corona 2019 (COVID-19)
yang terkonfirmasi melebihi kasus sindrom
pernapasan akut parah (SARS), dan, pada saat
publikasi ini diterbitkan, kini terdapat lebih dari
73.435 kasus terkonfirmasi dan lebih dari 2000
kematian secara global, hampir semuanya terjadi
di Tiongkok. Sebagai perbandingan, SARS
membunuh 774 orang pada tahun 2003, yang
sebagian besar terjadi di Tiongkok, yang
merupakan pusat kedua wabah tersebut. Baik
COVID-19 maupun SARS menyebar ke seluruh
benua, menginfeksi hewan dan manusia, serta
menggunakan mekanisme serupa untuk masuk
dan menginfeksi sel. Di garis depan, respons
taktis terhadap COVID-19 mirip dengan respons
terhadap SARS, namun ada satu perbedaan
besar: dalam 17 tahun sejak SARS, sebuah alat
baru yang ampuh telah muncul yang berpotensi
berperan dalam menjaga virus ini dalam batas
wajar—yaitu, kecerdasan buatan (AI).
Hanya sedikit orang yang berpendapat bahwa
AI menyebabkan perubahan paradigma dalam
layanan kesehatan dan penerapan AI pada
wabah COVID-19 saat ini mungkin bermanfaat,
misalnya, dalam memprediksi lokasi wabah
berikutnya. Aplikasi ini secara efektif adalah apa
yang coba dilakukan oleh perusahaan Kanada,
Blue Dot, dan oleh karena itu dilaporkan secara
luas sebagai organisasi pertama yang
mengungkapkan berita tentang wabah tersebut
pada akhir Desember.
Berbagai penerapan AI lain yang muncul sebagai
respons terhadap epidemi terbaru ini termasuk
BenevolentAI dan Imperial College London, yang
melaporkan bahwa obat yang disetujui untuk
rheumatoid arthritis, baricitinib, mungkin efektif
melawan virus tersebut, sementara Insilico
Medicine yang berbasis di Hong Kong baru-baru
ini mengumumkan bahwa algoritma AI-nya telah
merancang enam molekul baru yang dapat
menghentikan replikasi virus.
Namun sejauh mana AI benar-benar mampu
memberikan wawasan dan solusi yang efektif,
tepat waktu, dan berskala luas untuk membantu
menghentikan epidemi saat ini?
Sebagai Direktur Eksekutif
Klaster Penyakit Menular, WHO,
www.thelancet.com/digital-health Jilid 2 April 2020
David Heymann memimpin respons internasional
terhadap SARS. Ia menjelaskan bahwa AI atau
tanpa AI, memerlukan beberapa faktor kunci agar
respons kesehatan masyarakat berhasil terhadap
wabah infeksi baru. Faktor-faktor ini mencakup
pemahaman tentang penularan dan populasi
berisiko; menetapkan riwayat alami infeksi,
termasuk masa inkubasi dan angka kematian;
mengidentifikasi dan mengkarakterisasi organisme
penyebab; dan, dalam beberapa kasus,
pemodelan epidemiologi untuk menyarankan
tindakan pencegahan dan pengendalian yang
efektif. Informasi ini dapat dikumpulkan dari
mereka yang bekerja di lokasi wabah yang secara
virtual terhubung dengan WHO. Strategi ini
berhasil untuk SARS dan, sekali lagi, merupakan
sumber informasi utama mengenai COVID-19,
katanya
menekankan.
Secara kolektif, data ini dapat digunakan untuk
melatih dan menyiapkan aplikasi AI untuk tugas
khusus mereka. “Kita tidak dapat menggantikan
otak manusia pada saat ini, maupun ahli
epidemiologi atau ahli virologi dengan apa pun
yang dapat menganalisis dan dengan cepat
melakukan apa yang diperlukan pada awal
wabah. Kita masih perlu melengkapi AI tersebut
dengan informasi dari studi bukti dan
menghubungkannya dengan kejadian-kejadian
dalam wabah ini,” kata Heymann.
Mengambil pandangan yang seimbang tentang
posisi AI dalam armamentarium saat ini
untuk mengatasi COVID-19, Heymann
menambahkan “Dengan memantau media sosial,
feed berita, atau sistem tiket pesawat misalnya,
kita dapat mengetahui apakah ada sesuatu yang
tidak beres yang memerlukan eksplorasi lebih
lanjut. Semua hal ini bersama-sama sangatlah
penting.” Namun, Heymann memperingatkan
bahwa sumber data yang diperlukan untuk
memberi informasi kepada AI dalam wabah ini,
“belum tentu berasal dari Tiongkok karena
Tiongkok belum bisa mendapatkan data yang
dibutuhkan karena kekacauan dan kepanikan.
Virus ini telah menyebar ke 24 negara lain dan
negara-negara ini telah menerapkan sistem
pelacakan kontak dan pelacakan kontak yang
sangat baik
isolasi pasien. Dari sinilah informasi kami berasal.”
Peter Hotez (Baylor College of Medicine,
Houston, TX, USA) menegaskan bahwa AI dapat
memberikan kontribusi besar terhadap wabah
ufnC
aeh KI
saat ini
isi/vnre
dan dapat digunakan untuk memprediksi dampak
wabah COVID-19 berdasarkan musim. “Secara
historis di belahan bumi utara, virus corona Diterbitkan Daring
saluran pernapasan atas mencapai puncaknya 20 Februari 2020
https://doi.org/10.1016/
pada bulan-bulan musim dingin dan kemudian
S2589-7500(20)30054-6
menurun.
Untuk informasi lebih lanjut tentang mekanisme
AI mungkin bisa membantu memprediksi bagaimana infeksi virus dari virus corona
cuaca yang lebih hangat, pada bulan April dan Mei, lihat DOI:10.1128/JVI.00127-20
dapat memberikan efek menguntungkan pada penyebarannya.”
Untuk informasi lebih lanjut tentang Blue Dot AI
prediksi lokasi wabah
Penerapan seperti ini benar-benar dapat
lihat https://www.
membantu menstabilkan pasar keuangan di Asia wired.com/story/how-ai-
saat ini, ujarnya. “Orang-orang mengira kiamat tracking-coronavirus-outbreak/
akan datang, namun pernyataan yang Untuk mengetahui lebih lanjut
tentang potensi terapi baricitinib terhadap
mencerminkan bahwa epidemi ini akan berkurang
COVID 19 lihat Korespondensi
secara signifikan saat kita memasuki musim semi Lancet 2020; 395: e30–31
mungkin dapat memberikan kepastian, dan AI Untuk mengetahui lebih lanjut tentang desain obat
dapat berperan dalam hal ini.” baru yang didorong oleh AI untuk melawan COIVD-19
lihat https://insilico.com/ncov-
sprint
Senada dengan Heymann, Hotez juga
Untuk informasi lebih lanjut
mencerminkan bahwa AI yang efektif memerlukan tentang potensi penyebaran internasional
data masukan berkualitas tinggi dan mengatakan COVID-19 lihat https://academic.
oup.com/jtm/advance-article/doi/
dengan tegas bahwa, “ini adalah kasus sampah
10.1093/jtm/taaa008/5704418
masuk, sampah keluar”. Menggambarkan
penelitian sebelumnya yang mengumpulkan data
terkait penyakit di Afrika sub-Sahara, ia
menunjukkan bahwa terdapat lubang “donat
menganga” dengan sedikit atau tanpa data yang
bukan disebabkan oleh tidak adanya penyakit,
namun karena tidak adanya pengawasan. Hal
serupa juga berlaku pada COVID-19.
“Penerbangan menuju Afrika, misalnya, ke
Ethiopia dari Tiongkok sepanjang waktu dan
entah apa yang terjadi di sana,” catatnya.
Saat menyatakan situasi ini sebagai darurat
kesehatan masyarakat yang menjadi perhatian
internasional, Direktur Jenderal WHO, Tedros
Adhanom Ghebreyesus, merefleksikan dampak
yang terjadi di negara-negara kurang berkembang,
“...kita tidak tahu jenis kerusakan apa yang bisa
ditimbulkan oleh virus ini jika terjadi untuk
menyebar ke negara dengan sistem kesehatan yang lebih lemah”.
Moritz Kraemer, ahli epidemiologi spasial
(Universitas Oxford, Oxford, Inggris) terlibat
dalam pelacakan
e166
Machine Translated by Google
Berita
Untuk informasi lebih lanjut mengenai
negara-negara dengan risiko impor
COVID-19 tertinggi, lihat studi
non-peer-review di sini https://
www.medrxiv.org/content/10.11
01/2020.02.05.20020792v1)
Untuk informasi lebih lanjut tentang
penggunaan data crowdsourced
untuk mengumpulkan data epidemiologi
pasien COVID-19, lihat Artikel Lancet Digital Healthmerupakan
2020; diterbitkan online 20 Februari.
https://doi.org/10.1016/
S2589-7500(20)30026-1
Untuk informasi lebih lanjut
mengenai penularan COVID-19
terkait rumah sakit di Wuhan,
lihat https://jamanetwork.com/
jurnal/publik/artikel lengkap/2761044
e167
penyebaran COVID-19 yang direpresentasikan
dalam platform berbasis web, Healthmap, yang
secara visual merepresentasikan wabah penyakit
global berdasarkan lokasi, waktu, dan agen
penyakit menular. “Di Afrika Sub-Sahara, model
kami memperkirakan bahwa titik masuk utama
adalah di Afrika Selatan, Ethiopia, dan Nigeria,
yang
pusat populasi tinggi.
Namun hal ini bergantung pada di mana, di
Tiongkok, fokus wabah ini karena jumlah
penerbangan ke beberapa bagian Afrika berbeda-
beda di setiap kota di Tiongkok,” jelas Kraemer.
keluar.
“Di sebagian besar aplikasi AI, kami
mempertimbangkan pertanyaan dan menanyakan
data terbaik apa yang tersedia untuk
menjawabnya?” kata Kraemer. Salah satu dari
berbagai aliran data yang relevan dengan
penyebaran patogen adalah pelaporan kasus
COVID-19 yang akurat. Kraemer menerima
laporan berita dan laporan pemerintah dua kali
sehari yang menyediakan kumpulan data tentang
berapa banyak kasus yang ada di satu lokasi tertentu (misalnya, di kota Wuhan).
“Ini adalah data dasar bagi kami.. Sebelum
Tahun Baru Imlek, kami melihat berapa banyak
orang yang meninggalkan Wuhan dalam sehari,
dan informasi ini berasal dari mesin pencari
termasuk Baidu. WeChat, aplikasi perpesanan,
media sosial, dan pembayaran seluler,
menyediakan data perjalanan di sekitar Wuhan,”
jelasnya. “Model pembelajaran mesin
menggunakan data ini untuk memprediksi lokasi
yang paling mungkin menjadi tempat kedatangan
virus corona berikutnya dan ini mungkin memberi
informasi di mana dan bagaimana melakukan
pemeriksaan perbatasan.” Sebuah studi yang
dilakukan oleh Kaiyuan Sun dan rekan-rekannya
yang diterbitkan hari ini di The Lancet Digital
Health membuktikan kekuatan pemantauan
laporan berita dan media sosial untuk membantu
merekonstruksi perkembangan wabah dan untuk
menyediakan data tingkat pasien secara rinci
dalam konteks darurat kesehatan.
Tiongkok tidak hanya berperan penting dalam
wabah ini, namun negara ini juga berperan besar
dalam penggunaan AI untuk membantu
menangani COVID-19.
wabah. Infervision, sebuah perusahaan AI yang
berbasis di Beijing menggunakan algoritmenya
untuk membedakan COVID-19 pada gambar
paru-paru dengan infeksi saluran pernapasan
lainnya.
Velislava Petrova adalah ahli virologi
(Universitas Cambridge, Cambridge, Inggris),
yang saat ini bekerja di UNAIDS, Jenewa, pada
bidang aplikasi AI terbaru dan paling efektif.
“Kami mencoba menemukan cara yang lebih
berkelanjutan untuk mengendalikan dampak
virus corona baru daripada harus menutup
perbatasan, tempat usaha, dan sejenisnya,”
katanya.
Petrova menyoroti bahwa penerapan AI
Infervision meminimalkan beban proses ini
dengan mempercepat diagnosis dan pemantauan
COVID-19. “Seiring dengan semakin banyaknya
pemindaian yang dilakukan maka algoritme
akan belajar dan meningkatkan akurasi bersama
dengan virus.”
“Nilai AI berperan dalam mengurangi beban
dokter dalam skenario seperti wabah COVID-19
saat ini,” jelas Petrova.
Merefleksikan kekhawatiran yang berkembang
pesat dalam wabah saat ini mengenai infeksi
pada profesional layanan kesehatan, Kuan
Chen, pendiri Infervision, menekankan bahwa
aplikasi Infervision AI dapat membantu
melindungi staf. Kematian dokter medis, Li
Wenliang, pada tanggal 7 Februari 2020, yang
ditegur oleh otoritas Tiongkok karena memberikan
peringatan tentang virus tersebut, menyoroti
penderitaan para dokter di garis depan.
“Sebuah artikel di JAMA menyatakan bahwa
penularan dari manusia ke manusia yang terkait
dengan rumah sakit menyumbang 41% dari
seluruh kasus dalam penelitian terhadap pasien
di Rumah Sakit Zhongnan Universitas Wuhan,”
catat Chen. “Kami juga mengetahui bahwa lebih
dari 1000 staf rumah sakit di kota Wuhan telah
dipastikan terinfeksi.”
www.thelancet.com/digital-health Jilid 2 April 2020
Di sinilah aplikasi AI Infervision dapat
membantu. Dari CT scan paru-paru, AI dirancang
untuk dengan cepat mendeteksi lesi yang
mungkin disebabkan oleh virus corona
pneumonia, mengukur volume, bentuk, dan
kepadatannya, serta membandingkan perubahan
beberapa lesi paru-paru dari gambar, yang
semuanya memberikan laporan kuantitatif untuk
membantu dokter. membuat penilaian cepat.
“Meskipun pembacaan CT scan secara manual
dapat memakan waktu hingga 15 menit, AI
dapat menyelesaikan pembacaan gambar dalam
10 detik.” Penerapan teknologi ini pada
COVID-19 belum dipublikasikan dalam jurnal
peer-review.
Chen menambahkan bahwa di Wuhan,
dimana terdapat terlalu banyak kasus untuk diuji
dan diagnosis berbasis PCR memakan waktu
terlalu lama (terkadang lebih dari seminggu),
pencitraan CT dengan AI dapat menjadi
pengganti bagi dokter ketika diperlukan penilaian
yang cepat. “Dokter tidak perlu lagi melakukan
proses panjang membaca gambar secara
manual satu per satu untuk mengidentifikasi
kasus-kasus berisiko tinggi, sementara pasien
yang kemungkinan terkena virus corona
menunggu di sekitar rumah sakit sehingga
menimbulkan risiko besar untuk menulari pasien
lain dan staf rumah sakit.”
Masih terlalu dini untuk mengatakan apakah
—dan sejauh mana—AI akan berdampak pada
wabah COVID-19.
Jumlah kasus terkonfirmasi dan kematian
meningkat setiap hari, demikian pula pasokan
data. Satu hal yang pasti, “AI relevan dengan
wabah ini dan di masa depan hal ini akan
menjadi lebih relevan lagi,” kata Moritz. Heymann
lebih konservatif dan menyatakan bahwa, “AI
adalah salah satu bagian dari pemahaman akhir”.
Waktu akan berbicara.
Becky McCall
Hak Cipta © 2020 Penulis. Diterbitkan oleh
Elsevier Ltd. Ini adalah artikel Akses Terbuka di
bawah lisensi CC BY 4.0.