Dilema Penggunaan AI di ICU, Rentan Picu Tindakan Medis yang Keliru

Karena itu, diperlukan kolaborasi riset skala global dalam berbagi data ICU. Seperti yang telah disebutkan sebelumnya, model dari data yang bias hanya akan melanggengkan bias tersebut. Sebagai gambaran, model AI berisiko berkurang drastis kinerjanya ketika digunakan di rumah sakit yang berbeda dalam sebuah negara. Dalam hal ini, penggunaan data lokal dari negara lain sangat diperlukan untuk mengurangi keparahan bias tersebut.

Komunitas medis Tanah Air dapat mengadaptasi komunitas linguistik komputasional yang rutin menghelat konferensi Language Resources and Evaluation (LREC) setiap dua tahun sekali. Forum ini bertujuan mempublikasikan data dan hasil riset dari berbagai wilayah di dunia.

Sementara, komunitas medis global perlu mengadakan konferensi maupun membuat jurnal yang berfokus mengomunikasikan data dan riset medis dari negara-negara yang kurang dikenal di dunia akademik global.

4. Regulasi penggunaan AI

Tidak cukup sampai di situ, pemerintah perlu menerapkan regulasi mengenai etika penggunaan AI di dunia medis. WHO dan Uni Eropa, misalnya, telah merumuskan regulasi guna memastikan dan mengevaluasi kinerja, keamanan, serta akurasi model AI di bidang kesehatan agar mudah digunakan, bebas dari bias dan diskriminasi.

Memastikan perawatan intensif yang bebas bias memerlukan upaya menyeluruh yang melibatkan beragam pemangku kepentingan, termasuk dokter, tenaga kesehatan, akademisi, pengembang teknologi, dan pemerintah.

Komitmen dari seluruh pemangku kepentingan sangat diperlukan untuk memulai kolaborasi ini. Langkah ini bisa dimulai dengan memahami, mengakui, dan mengevaluasi eksistensi bias tak kasat mata dalam pelayanan kesehatan.

Ali Akbar Septiandri, PhD Candidate in Statistical Science, UCL

Artikel ini terbit pertama kali di The Conversation. Baca artikel sumber.