Sampai saat ini, obat-obatan telah menjadi bergengsi dan sering sangat menguntungkan pilihan karir. Namun dalam waktu dekat, akan kita membutuhkan banyak dokter seperti yang kita miliki sekarang? Apakah kita akan melihat pengangguran medis yang signifikan dalam dekade mendatang?

Dr Saxon Smith, presiden cabang Australian Medical Association NSW, mengatakan dalam sebuah laporan akhir tahun lalu bahwa masalah yang paling umum ia mendengar dari dokter-in-training dan mahasiswa kedokteran yang, "apa masa depan kedokteran?" dan "akan saya punya pekerjaan?". Jawaban, katanya, terus menghindari dia.

Seiring universitas Australia, Inggris dan Amerika terus menambah jumlah mahasiswa kedokteran, pertanyaan yang jelas adalah di mana dokter baru ini akan bekerja di masa depan?

Apakah akan ada peran diperluas bagi para profesional medis karena populasi penuaan kita? Atau tekanan untuk mengurangi biaya sambil meningkatkan hasil cenderung memaksa adopsi teknologi baru, yang kemudian akan cenderung mengikis sejumlah peran saat ini dilakukan oleh dokter?

Mengendarai biaya

Semua pemerintah, pasien dan dokter di seluruh dunia tahu bahwa biaya kesehatan akan perlu untuk mengurangi jika kita ingin lebih banyak orang. Beberapa mengusulkan agar pasien membayar lebih, tapi bagaimanapun kami membayarnya, jelas bahwa menurunkan biaya adalah apa yang perlu terjadi.

Penggunaan robot medis untuk membantu ahli bedah manusia menjadi lebih luas tetapi, sejauh ini, mereka digunakan untuk mencoba dan memperbaiki hasil pasien dan tidak mengurangi biaya operasi. Penghematan biaya bisa terjadi kemudian ketika teknologi robot ini matang.

Ini adalah di bidang diagnosa medis dimana banyak orang melihat kemungkinan pengurangan biaya yang signifikan sambil meningkatkan akurasi menggunakan teknologi bukan dokter manusia.

Hal ini sudah umum untuk tes darah dan pengujian genetik (genomik) akan dilakukan secara otomatis dan biaya sangat efektif oleh mesin. Mereka menganalisis spesimen darah dan secara otomatis menghasilkan laporan.

Tesnya bisa sesederhana tingkat hemoglobin (hitung darah) sampai tes diabetes seperti insulin atau kadar glukosa. Mereka juga bisa digunakan untuk tes yang jauh lebih rumit seperti melihat susunan genetik seseorang.

Sebuah contoh yang baik adalah Thyrocare Technologies Ltd di Mumbai, India, di mana lebih dari tes diagnostik 100,000 dari seluruh negeri dilakukan setiap malam, dan laporan disampaikan dalam 24 jam darah diambil dari seorang pasien.

Mesin vs manusia

Jika mesin bisa membaca tes darah, apa lagi yang bisa mereka lakukan? Meski banyak dokter tidak menyukai pemikiran ini, tes apa pun yang membutuhkan pengenalan pola akhirnya akan dilakukan dengan baik oleh a mesin dari manusia.

Banyak penyakit memerlukan diagnosis patologis, di mana dokter melihat sampel darah atau jaringan, untuk menetapkan penyakit yang tepat: tes darah untuk mendiagnosis infeksi, biopsi kulit untuk menentukan apakah lesi adalah kanker atau tidak dan sampel jaringan diambil oleh seorang ahli bedah mencari untuk membuat diagnosis.

Semua contoh ini, dan pada kenyataannya semua diagnosis patologis dibuat oleh dokter menggunakan pengenalan pola untuk menentukan diagnosis.

teknik kecerdasan buatan menggunakan jaringan saraf dalam, yang merupakan jenis pembelajaran mesin, dapat digunakan untuk melatih mesin-mesin diagnostik. Mesin belajar dengan cepat dan kami tidak berbicara tentang satu mesin, namun jaringan mesin dihubungkan secara global melalui internet, menggunakan data panel untuk terus meningkatkan.

Ini tidak akan terjadi dalam semalam - itu akan mengambil beberapa waktu untuk belajar - tapi setelah dilatih mesin hanya akan terus menjadi lebih baik. Dengan waktu, mesin yang terlatih akan unggul di pengenalan pola daripada manusia pernah bisa.

Patologi sekarang soal dolar laboratorium multi-juta mengandalkan skala ekonomi. Dibutuhkan sekitar 15 tahun meninggalkan sekolah tinggi untuk melatih ahli patologi berfungsi secara independen. Mungkin butuh waktu bertahun-tahun 15 agar ahli patologi itu sebaik mungkin.

Beberapa tahun setelah itu, mereka akan pensiun dan semua pengetahuan dan pengalaman itu hilang. Tentunya, akan lebih baik jika pengetahuan itu bisa ditangkap dan dimanfaatkan oleh generasi penerus? Ahli patologi robot bisa melakukan hal itu.

Radiologi, sinar-X dan seterusnya

akun tes radiologi untuk lebih AUS $ 2 miliar dari Medicare tahunan menghabiskan. Dalam laporan 2013, diperkirakan bahwa pada periode 2014-15, Investigasi radiologis 33,600,000 akan dilakukan di Australia. Ahli radiologi harus mempelajari semua ini dan menulis sebuah laporan.

Ahli radiologi sudah membaca, rata-rata, lebih dari tujuh kali jumlah penelitian per hari dibandingkan lima tahun yang lalu. Laporan-laporan ini, seperti yang ditulis oleh ahli patologi, didasarkan pada pengenalan pola.

Saat ini, banyak tes radiologis yang dilakukan di Australia sedang dibaca oleh ahli radiologi di negara lain, seperti Inggris. Alih-alih memiliki seorang ahli di Australia keluar dari tempat tidur di 3am untuk membaca pemindaian otak pasien yang cedera, gambar tersebut dapat dikirim secara digital ke dokter di zona waktu yang sesuai dan segera dilaporkan hampir seketika.

Bagaimana jika mesin diajarkan membaca sinar-X yang bekerja pada awalnya, dan akhirnya bukan ahli radiologi manusia? Apakah kita masih membutuhkan manusia? ahli radiologi? Mungkin. Peningkatan pencitraan, seperti MRI dan CT scan, akan memungkinkan ahli radiologi untuk melakukan beberapa prosedur yang sekarang ahli bedah melakukan.

Bidang radiologi diagnostik berkembang pesat. Di bidang ini, ahli radiologi mampu mendiagnosis dan mengobati kondisi seperti pendarahan pembuluh darah. Hal ini dilakukan dengan menggunakan teknik invasif minimal, melewati kabel melalui pembuluh yang lebih besar untuk mencapai titik pendarahan.

Jadi ahli radiologi mungkin berakhir melakukan prosedur yang saat ini dilakukan oleh pembuluh darah dan ahli bedah jantung. Peningkatan penggunaan operasi dibantu robot akan berarti ini lebih mungkin daripada tidak.

Masih banyak lagi mendiagnosis lesi kulit, Ruam atau pertumbuhan dari sekedar melihat itu. Tetapi banyak dari diagnosis didasarkan pada dokter kulit mengenali lesi (sekali lagi, pengenalan pola).

Jika diagnosis masih belum jelas maka beberapa jaringan (biopsi) dikirim ke laboratorium untuk diagnosis patologis. Kami telah menetapkan bahwa mesin dapat membaca kedua. Prinsip yang sama berlaku untuk pengakuan lesi kulit.

Setelah dikenali dan dipelajari, lesi akan bisa dikenali lagi. Ponsel dengan kamera berkualitas tinggi akan dapat terhubung ke database global yang akan, seperti database lain dengan kemampuan belajar, terus meningkat.

Bukan kalau, tapi kapan

Perubahan ini tidak akan terjadi dalam semalam, tapi tidak bisa dihindari. Meskipun banyak dokter akan melihat perubahan ini sebagai ancaman, kesempatan untuk kebaikan global belum pernah terjadi sebelumnya.

Sinar-X yang diambil di Afrika khatulistiwa dapat dibaca dengan keandalan yang sama seperti yang diambil di pusat keunggulan Australia. Ruam menular bisa diupload ke telepon dan diagnosis diberikan seketika. Banyak nyawa akan diselamatkan dan biaya perawatan kesehatan bagi orang miskin di dunia bisa sangat minim dan, dalam banyak kasus, bebas.

Untuk ini menjadi kenyataan, itu akan mengambil ahli untuk bekerja dengan mesin dan membantu mereka belajar. Awalnya, mesin mungkin diminta untuk melakukan tes lebih mudah namun secara bertahap mereka akan diajarkan, seperti manusia belajar banyak hal dalam hidup.

Profesi medis harus menangkap peluang ini untuk perubahan, dan dokter muda masa depan kita harus berpikir hati-hati di mana pekerjaan medis masa depan akan berbohong. Hal ini hampir pasti bahwa lanskap kerja medis di 15 tahun tidak akan terlihat seperti yang kita lihat sekarang ini.

Tentang Penulis

Ross Crawford, Profesor Riset Ortopedi, Universitas Teknologi Queensland; Anjali Jaiprakash, Fellow Penelitian Post-Doktor, Robotika Medis, Universitas Teknologi Queensland, dan Jonathan Roberts, Profesor di bidang Robotika, Universitas Teknologi Queensland

Artikel ini awalnya diterbitkan pada Percakapan. Membaca Artikel asli.

Buku terkait:

at

Terimakasih telah berkunjung InnerSelf.com, dimana ada 20,000 + artikel yang mengubah hidup yang mempromosikan "Sikap Baru dan Kemungkinan Baru". Semua artikel diterjemahkan ke dalam 30+ bahasa. Berlangganan ke Majalah InnerSelf, diterbitkan mingguan, dan Inspirasi Harian Marie T Russell. Innerself Majalah telah diterbitkan sejak tahun 1985.