Pendahuluan

Tekanan eksternal memicu industri pelayanan kesehatan untuk terus berbenah dalam mengendalikan biaya, dengan tetap memperhatikan kualitas. Salahsatu langkah yang dilakukan adalah dengan menggunakan berbagai perangkat pendukung (berbasis tekhnologi). Penggunaan berbagai alat pendukung berbasis tekhnologi (dengan kecerdasan buatan/AI & tekhnologi lainnya) dalam pelayanan kesehatan, diharapkan dapat mendukung layanan yang efektif& efesien. Karena itu, sangat penting bagi manajemen organisasi pelayanan kesehatan untuk memahami arah industri tekhnologi pelayanan kesehatan.

Menurut sebuah artikel dalam situs www.mobidev.biz, disebutkan bahwa terdapat tujuh tren tekhnologi yang dapat dimanfaatkan di industri pelayanan kesehatan tahun 2021, yaitu; Telemedicine, Artificial Intelligence Against COVID-19, The Internet of Medical Things (IoMT), Privacy Issues, AR/VR/MR in Healthcare, Blockchain, & Artificial Intelligence (AI) in healthcare. Tulisan ini akan mengangkat 3 dari 7 tren tekhnologi yang disebutkan diatas.

Telemedicine (trend #1)

Penggunaan telehealth (telemedicine) semakin meningkat dengan adanya pandemi COVID-19. Selanjutnya dapat dilihat pada artikel yang berjudul ”Tren penggunaan telemedicine di organisasi pelayanan kesehatan AS”.

Artificial Intelligence Against COVID-19 (trend #2)

Kecerdasan buatan (AI) memainkan peran penting dalam perang melawan COVID-19, termasuk area seperti deteksi pandemi, pengembangan vaksin, skrining termal, pengenalan wajah dengan masker, dan menganalisis CT scan.

Pandemic detection. BlueDot merupakan aplikasi yang dikembangkan oleh sebuah perusahaan dari Toronto, Kanada, dan merupakan pelopor utama dalam sistem peringatan dini untuk mengidentifikasi pandemi seperti COVID-19. BlueDot yang pertama menerbitkan makalah yang memprediksi penyebaran COVID-19 di seluruh dunia. Sistem Bluedot memindai lebih dari 100.000 sumber media di seluruh dunia dalam lebih dari 65 bahasa berbeda setiap hari untuk memastikan wabah berbahaya hampir dalam waktu nyata. Untuk memprediksi risiko suatu penyakit menjadi pandemi, vektor ancaman berikut dianalisis:

• Populasi serangga dan hewan,
• Kondisi iklim global dan regional,
• Data penerbangan dan rencana perjalanan di seluruh dunia,
• Kapasitas sistem kesehatan,
• Pengembangan Vaksin.

Menurut Brookings Institution, pengembangan vaksin baru dilakukan dengan memasukkan komponen virus yang sangat imunogenik yang menyebabkan respons dari sistem kekebalan. Pembelajaran mesin telah memungkinkan kemajuan besar dalam imunologi. Kecerdasan buatan (AI) dapat membantu mengidentifikasi fragmen virus yang memiliki sifat yang diperlukan untuk mencapai tujuan ini. Presisi, efisiensi, & kecepatan perkembangan ini tidak dapat dicapai hanya dengan pekerjaan manusia. Dengan bantuan mesin, ahli imunologi telah mengidentifikasi lebih dari satu juta fragmen protein pada permukaan sel yang dapat ditemukan oleh sel-T. SYGFQPTNGVGYQPY, fragmen dari COVID-19, yang bisa menjadi fragmen dengan kualitas yang diinginkan. Berkat pembelajaran mesin, pengembangan vaksin COVID-19 berlanjut dengan cepat.

Thermal screening. Menurut FDA, termometer inframerah non-kontak & jenis sistem penyaringan termal lainnya menggunakan berbagai metode untuk menentukan suhu benda seperti manusia. AI dapat dengan cepat mengidentifikasi banyak orang sekaligus untuk mengidentifikasi orang dengan suhu tinggi. Ini dapat membantu mengidentifikasi individu yang bergejala.

Facial recognition with masks. Deep learning systems dalam teknologi pengenalan wajah (facial recognition technology), telah cukup meningkat sehingga mereka dapat mengidentifikasi individu dengan topeng (masker) sekalipun dengan akurasi hingga 95%.

Ct scan analysis. Kesalahan manusia adalah masalah dalam analisis CT scan. Kecerdasan buatan (AI) dapat mendeteksi pneumonia yang disebabkan oleh COVID-19 dalam CT scan dada melalui data pelatihan multinasional untuk pembelajaran mesin.

The Internet of Medical Things/IoMT (trend #3)

Berbagai perangkat & aplikasi seluler telah memainkan peran penting dalam melacak & mencegah penyakit kronis bagi banyak pasien. Hal ini ditunjukkan  dengan lahirnya Internet of Medical Things (IoMT), yang merupakan peng-gabungan antara IoT dengan teknologi telemedicine & telehealth. Pendekatan ini mencakup penggunaan sejumlah perangkat yang dapat dikenakan, termasuk monitor ECG dan EKG. Banyak pengukuran medis umum lainnya juga dapat dilakukan, seperti suhu kulit, kadar glukosa, dan pembacaan tekanan darah. Pada 2025, industri IoT akan bernilai $ 6,2 triliun. Industri pelayanan kesehatan sangat bergantung pada teknologi IoT pada tahun 2020 sehingga 30% dari pangsa pasar perangkat IoT tersebut akan datang dari industri pelayanan kesehatan. Dengan hadirnya metode baru, seperti the first smart pill (pil pintar pertama) yang disetujui tahun 2017 oleh FDA, maka praktisi akan memiliki banyak pilihan untuk memberikan perawatan dengan cara yang lebih efektif.

Menyediakan komunikasi yang konsisten & efektif dengan banyak perangkat IoT medis adalah salah satu tantangan terbesar yang dihadapi sektor ini. Produsen masih secara teratur menggunakan protokol kepemilikan mereka sendiri untuk berbicara dengan perangkat. Namun, hal ini dapat menimbulkan masalah, terutama saat mencoba mengumpulkan data dalam jumlah besar oleh server. Masalah konektivitas juga masih sering terjadi, karena pengumpulan data oleh mikrokontroler dan smartphone dapat terganggu oleh sejumlah faktor lingkungan. Metode buffering pada mikrokontroler lokal perlu dibuat lebih kuat untuk mempertahankan koneksi yang lebih baik. Disamping itu, masalah keamanan potensial juga perlu ditangani.