Kita tidak meminta tes dengan harapan hasilnya positif
Ketika seorang dokter meminta pemeriksaan troponin, pertanyaannya bukan “apakah pasien ini terkena serangan jantung?” Pertanyaannya adalah “seberapa jauh hasil ini harus mengubah dugaan saya?” Keduanya pertanyaan yang berbeda.
Sebelum tes diminta, dokter sudah punya perkiraan. Laki-laki 62 tahun dengan nyeri dada yang menjalar ke lengan kiri disertai diaforesis memiliki probabilitas pra-tes yang tinggi untuk sindrom koroner akut. Perempuan 28 tahun dengan keluhan utama yang sama setelah minum tiga gelas espresso memiliki probabilitas yang rendah. Hasil troponin bermakna lain bagi masing-masing. Troponin yang sedikit meningkat pada pasien pertama menguatkan apa yang sudah ia curigai. Hasil yang sama pada pasien kedua lebih mungkin positif palsu. Sebabnya, tes itu sendiri tidak sempurna, dan bila tes yang tidak sempurna dipakai pada orang yang kemungkinan besar tidak sakit, hitungannya justru bekerja melawan kita.
Setiap tes punya sensitivitas dan spesifisitas. Sensitivitas menunjukkan seberapa sering tes menemukan penyakit yang memang ada. Spesifisitas menunjukkan seberapa sering tes dengan benar menyatakan sehat orang yang memang tidak sakit. Tidak ada tes yang mencapai 100% pada keduanya. Tes dengan sensitivitas 95% tetap melewatkan 5% kasus yang sebenarnya. Tes dengan spesifisitas 90% tetap keliru menandai 10% orang sehat. Angka-angka ini adalah sifat tesnya, bukan sifat pasiennya. Artinya, setiap hasil membawa ketidakpastian yang semestinya mengubah keyakinan kita, bukan menggantikannya.
Itulah penalaran Bayesian. Kita mulai dari apa yang sudah kita ketahui tentang pasien. Lalu datang informasi baru. Kita memperbarui perkiraan sesuai seberapa andal informasi itu. Kemudian kita mengulanginya dengan informasi berikutnya.
Kebanyakan AI klinis bekerja terbalik
Kebanyakan sistem AI kesehatan bekerja ke belakang. Sistem mengambil sekumpulan hasil, entah tanda vital, laboratorium, diagnosis, atau obat, lalu mencocokkannya secara retrospektif dengan pola yang dipelajari dari data latih. Sistem melihat kreatinin 1,6, riwayat diabetes, dan ACE inhibitor dalam daftar obat, lalu menyimpulkan “kemungkinan PGK” (penyakit ginjal kronis), karena kombinasi itu sering muncul bersama dalam kasus-kasus yang dipakai untuk melatihnya.
Kedengarannya wajar, sampai kita memikirkan apa yang luput. Sistem tidak tahu apakah kreatinin itu sedang naik atau stabil. Ia tidak tahu apakah ACE inhibitor diresepkan untuk melindungi ginjal atau untuk tekanan darah. Ia tidak tahu bahwa kreatinin pasien itu 0,9 dua tahun lalu dan terus merangkak naik. Ia tidak memperhitungkan bahwa tes albumin urine memiliki angka positif palsu 15% pada populasi ini. Ia hanya mencocokkan potret saat ini dengan pola masa lalu, lalu memberi label.
Dokter yang memeriksa pasien yang sama akan menalar ke depan. Ia mulai dari probabilitas awal PGK berdasarkan usia, jenis kelamin, dan faktor risiko pasien. Ia memperbarui dugaannya berdasarkan kreatinin, tetapi bobot pembaruan itu bergantung pada seberapa jauh ia memercayai satu kali pengukuran kreatinin. Ia melihat trennya, bukan hanya angka hari ini. Ia mempertimbangkan ACE inhibitor, tetapi menanyakan alasan peresepannya sebelum menghitungnya sebagai bukti penyakit ginjal. Setiap bukti menggeser probabilitas, dan setiap bukti diberi bobot sesuai keandalannya.
Pendekatan retrospektif bertanya: ini mirip apa? Pendekatan prospektif bertanya: dengan semua yang sudah kita ketahui, apa arti informasi baru ini, dan seberapa jauh kita boleh memercayainya?
Melihat pasien seutuhnya, bukan sekadar hasil pemeriksaan
Salah satu pelajaran pertama dalam pendidikan klinis adalah bahwa yang kita obati adalah pasien, bukan hasil lab. Kalium 5,8 dari sampel yang hemolisis tidak berarti apa-apa. Tekanan darah 160 pada pasien yang baru saja berlari mengejar jadwal kontrol bukanlah hipertensi. Konteks menentukan apakah sebuah hasil merupakan sinyal atau sekadar derau, dan konteks menuntut kita mengenal pasien melampaui apa yang tertulis di rekam medis hari ini.
AI serba guna mengolah hasil. Ia membaca angka, catatan, dan kode diagnosis, lalu menghasilkan keluaran berdasarkan pola teks. Dalam hal ini ia sangat piawai. Ia bisa meringkas catatan pulang rawat lebih cepat daripada manusia mana pun. Ia bisa menyaring data terstruktur dari teks klinis yang berantakan. Tetapi ia membaca rekam medis seperti kita membaca laporan kasus di buku teks: setelah semuanya terjadi.
Dokter yang menangani pasien secara langsung mengerjakan hal yang lain. Ia menalar di tengah ketidakpastian, maju mengikuti waktu, memperbarui penilaiannya setiap kali informasi baru datang, dan menimbang setiap informasi menurut seberapa besar ia memercayainya. Ia tahu bahwa D-dimer positif pada pasien berisiko rendah kemungkinan besar positif palsu. Ia tahu bahwa foto toraks normal tidak menyingkirkan pneumonia dini. Ia menyimpan probabilitas awal di kepalanya dan menyesuaikannya dengan setiap temuan, tidak sama rata, tetapi sebanding dengan nilai diagnostik masing-masing temuan.
Ketika membangun Chroneme, kami ingin sistem ini menalar seperti dokter itu, bukan seperti mesin pencari. Ke depan, bukan ke belakang. Memperbarui probabilitas dengan setiap bukti baru, ditimbang sesuai seberapa andal bukti itu sebenarnya.
Bagaimana cara kerjanya dalam praktik
Seorang laki-laki 58 tahun dengan diabetes tipe 2 datang untuk pemeriksaan lab rutin. Probabilitas awalnya untuk penyakit ginjal kronis, berdasarkan usia, jenis kelamin, dan diagnosis diabetes, berada pada tingkat tertentu. Bukan nol, karena diabetes adalah penyebab utama PGK. Juga tidak tinggi, karena ia tidak bergejala dan belum pernah punya temuan ginjal sebelumnya.
Kreatininnya 1,2. Secara teknis masih dalam rentang normal, tetapi lebih tinggi daripada hasil sebelumnya. Sistem memperbarui perkiraannya, tetapi tidak banyak, karena satu kali kreatinin yang sedikit meningkat hanya punya nilai diagnostik yang terbatas. Sensitivitas dan spesifisitas satu pemeriksaan kreatinin untuk PGK tidak terlalu kuat jika berdiri sendiri.
Sepuluh bulan kemudian, kreatininnya 1,4 dan eGFR-nya turun di bawah 60. Kini pembaruannya lebih besar, karena eGFR di bawah 60 punya nilai diagnostik yang jauh lebih tinggi untuk PGK. Namun sistem juga melihat sesuatu yang tidak terlihat oleh model statis: trajektorinya. Kreatinin itu tidak sekadar tinggi. Kenaikannya berlangsung dengan laju yang, bila diproyeksikan ke depan, akan masuk ke rentang yang mengkhawatirkan.
Setahun kemudian, muncul proteinuria. Probabilitasnya kini cukup tinggi untuk ditindaklanjuti. Tetapi yang penting secara klinis adalah ini: sistem sudah menandai pasien itu berbulan-bulan sebelum proteinuria muncul. Bukan dengan kepastian, melainkan dengan probabilitas yang terus naik dengan cara yang layak diperhatikan. Dokter yang meninjau rekam medis bisa melihat setiap pembaruan, apa yang mendorongnya, dan memutuskan apakah ia setuju. Jika menurutnya ACE inhibitor itu diresepkan untuk tekanan darah, bukan untuk ginjal, ia bisa memberi bobot berbeda pada faktor itu dalam penilaian klinisnya. Sistem menunjukkan penalarannya. Dokter menerapkan penalarannya sendiri.
Trajektori itu sendiri menjadi bukti, lepas dari angka tunggal mana pun.
Mengapa ini penting bagi kepercayaan
Ketika jaringan saraf tiruan menyatakan “peluang PGK 73%”, kita tidak punya cara untuk bertanya mengapa. Angka itu muncul dari jutaan parameter yang tidak berpadanan dengan konsep klinis apa pun. Dokter tidak bisa menatapnya lalu berkata, “Saya setuju dengan bagian kreatininnya, tetapi menurut saya riwayat obatnya diberi bobot terlalu besar.” Tidak ada bagian kreatinin. Tidak ada bagian obat. Yang ada hanya sebuah angka.
Ketika sistem Bayesian menyatakan 73%, dokter bisa bertanya mengapa. Ia bisa melihat bukti mana yang menggeser probabilitas dan seberapa besar. Ia bisa tidak setuju pada satu faktor tertentu dan menerapkan penilaiannya sendiri. Dialog semacam itulah yang membuat AI klinis benar-benar mengubah perawatan. Tanpanya, keluaran sistem hanyalah klaim. Dengannya, keluaran itu menjadi argumen.
Ketika kami memperlihatkan sistem ini kepada seorang nefrolog, ia menegaskan hal itu dengan jelas. Ia menelusuri rantai bukti seorang pasien dan mengatakan bahwa ia setuju dengan sebagian besarnya, tetapi menurutnya ada satu faktor yang bobotnya terlalu besar, karena konteks peresepannya berbeda dari asumsi sistem. Ia benar. Kemampuannya melihat hal itu, menunjuk faktor yang dimaksud, dan menerapkan keahliannya, itulah persisnya yang seharusnya dimungkinkan oleh sistem pendukung keputusan klinis. Kotak hitam akan memberinya probabilitas yang sama tanpa ruang untuk dialog semacam itu.
Keterbatasan yang kami akui
Inferensi Bayesian mengasumsikan bahwa setiap bukti bersifat independen bersyarat terhadap penyakitnya. Dalam kedokteran klinis, asumsi ini sering tidak terpenuhi. Kreatinin dan proteinuria saling berkorelasi pada PGK. Keterbatasan ini sudah diketahui, dan mengatasinya secara sempurna masih menjadi persoalan terbuka di bidang ini.
Mutu keluaran bergantung pada mutu bobot bukti. Sebagian bobot sudah mapan dalam literatur. Sebagian lagi masih berupa perkiraan yang terus kami perhalus lewat validasi. Kalibrasi masih berlangsung, dan kami tidak berpura-pura sebaliknya.
Inferensi Bayesian cocok untuk bukti yang terstruktur dan terukur: hasil lab, tanda vital, obat, dan diagnosis berkode. Untuk catatan klinis tak terstruktur dan keluhan yang dilaporkan pasien, ia kurang andal. Karena itu kami memakai pendekatan berbeda untuk jenis data klinis yang berbeda, menyesuaikan alat dengan masalahnya.
Kami memilih inferensi Bayesian karena ia mencerminkan cara dokter memang sudah berpikir. Sistem ini merumuskan secara formal apa yang secara intuitif dilakukan klinisi yang baik, dalam skala besar, untuk setiap pasien, terus-menerus. Hanya itu. Tidak ada sihir. Hanya matematika di balik penalaran klinis, yang dibuat gamblang.