Angka tinggi, tetapi konteksnya penting
MAI-DxO adalah sistem AI medis Microsoft yang menalar kasus secara bertahap dengan menyusun pertanyaan, memilih pemeriksaan, dan memperbarui dugaan diagnosis berdasarkan bukti yang terkumpul. Microsoft mengembangkan AI diagnosis Microsoft ini untuk membantu menangani kasus medis kompleks, dan hasil penelitiannya dipublikasikan di jurnal Science pada hari Kamis. Dalam pengujian terhadap 304 kasus kompleks dari pembahasan klinis, MAI-DxO mencatat akurasi diagnosis 83,2 persen. Dokter umum yang diizinkan memakai bahan referensi medis mencapai 36,1 persen. Selisih itu patut diperhatikan, tetapi bukan bukti bahwa pasien akan memperoleh diagnosis atau perawatan lebih baik. Kasus yang sudah terdokumentasi lebih rapi daripada situasi di ruang praktik, tempat informasi sering tidak lengkap dan gejala dapat berubah. Jadi, angka tersebut merupakan alasan untuk menguji sistem lebih lanjut, bukan dasar untuk menyatakan dokter sudah bisa digantikan.
Orkestrator yang menalar langkah demi langkah
MAI-DxO Microsoft tidak dirancang untuk menebak penyakit dari satu kumpulan gejala sekaligus. Sistem ini mengoordinasikan beberapa agen AI untuk menentukan pertanyaan lanjutan, menimbang kemungkinan penyakit, memilih pemeriksaan, lalu menilai hasil sebelum memutuskan langkah berikutnya. Cara kerja itu berusaha meniru penalaran tim dokter ketika menghadapi diagnosis yang sulit. Perbedaannya penting: ukuran kemampuan AI medis sering kali berasal dari tes pilihan ganda, sementara kasus nyata menuntut pengumpulan informasi dan keputusan bertahap. Salah satu alasan penelitian ini menarik ialah ia mencoba menguji proses tersebut, bukan hanya jawaban akhir. Namun, simulasi penalaran tetap bukan interaksi klinis. Sistem belum menghadapi seluruh dinamika komunikasi dengan pasien, perubahan kondisi dari waktu ke waktu, atau konsekuensi ketika pilihan pemeriksaan keliru. Nilai pendekatannya ada pada potensi sebagai alat bantu, bukan pada klaim otonomi.
Perbandingan lain memberi gambaran tambahan, bukan jaminan keunggulan universal. Pada 325 kasus terkait pasien unit gawat darurat, MAI-DxO mencapai 80,3 persen, sementara dokter mencatat 46,8 persen. Dalam pengujian berbeda, hasil AI juga dipengaruhi model yang digunakan dan jenis kasus; manfaat sistem koordinasi tidak selalu sama. Karena itu, angka akurasi diagnosis AI sebaiknya dibaca bersama rancangan uji, kelompok pembanding, serta jenis kasusnya. Dokter dalam evaluasi utama bekerja sendiri, bukan sebagai tim spesialis yang lazim dimintai pendapat untuk persoalan rumit. Perbandingan tersebut menunjukkan kemampuan yang layak diteliti, tetapi tidak cukup untuk menyimpulkan bahwa AI mengungguli keseluruhan layanan medis.
Kesenjangan antara studi dan manfaat pasien
Batas bukti adalah inti dari berita ini. Penelitian menggunakan kasus medis yang telah terdokumentasi, bukan pemeriksaan langsung terhadap pasien dalam praktik sehari-hari. Angka akurasi pada kumpulan kasus tidak mengukur keberhasilan perawatan di rumah sakit secara keseluruhan. Dalam layanan nyata, dokter perlu bekerja dengan riwayat yang mungkin tidak lengkap, gejala yang berkembang, dan pertimbangan keselamatan saat menentukan pemeriksaan maupun tindakan. Pasien juga membutuhkan penjelasan, tindak lanjut, dan keputusan yang mempertimbangkan keadaan individual—hal-hal yang tidak terwakili sepenuhnya oleh skor diagnosis. Maka, klaim bahwa sistem ini sudah lebih baik bagi pasien melampaui bukti yang tersedia. Untuk pengguna biasa, MAI-DxO belum layak diperlakukan sebagai pengganti konsultasi atau dasar tunggal mengambil keputusan medis. Potensi sebagai alat bantu penalaran klinis masih perlu diuji terhadap keamanan, keandalan, dan manfaat pasien.
Pengujian rumah sakit menjadi tahap yang menentukan sebelum membahas kesiapan klinis. Microsoft bekerja sama dengan Beth Israel Deaconess Medical Center di Boston untuk mengevaluasi sistem dalam konteks gawat darurat dan perawatan mendesak, termasuk triase pasien di ruang tunggu. Uji seperti ini dapat menjawab pertanyaan yang tidak dijawab oleh kumpulan kasus: apakah sistem bekerja ketika informasi berantakan, apakah sarannya aman, dan apakah bantuannya memperbaiki keputusan tim medis. Sampai bukti tersebut tersedia, kesimpulan yang masuk akal bukan bahwa AI telah mengalahkan dokter, melainkan bahwa AI menunjukkan kinerja menjanjikan dalam skenario terbatas. Arah yang patut didukung adalah evaluasi klinis yang ketat, dengan dokter tetap bertanggung jawab atas keputusan dan perawatan pasien.
