Apakah Emotion AI dapat Diandalkan di Masa Depan Kesehatan Digital?

Kita tentu sudah sering mendengar perihal kecerdasan buatan atau Artificial Intelligence, yang dapat dimanfaatkan dalam berbagai bidang kehidupan. Salah satu bidang ini adalah kesehatan, bidang ini terkenal dengan risiko yang tinggi dan relatif belum efisien karena terkait kesehatan seorang manusia. Sebagian orang sepakat apabila suatu bidang atau kegiatan yang melibatkan teknologi akan meningkatkan efektifitas dan efisiensi. Oleh sebab itu, pada artikel kali ini, kami akan mengulas tentang, apakah teknologi seperti Emotion AI dapat diandalkan dalam bidang kesehatan khususnya terkait kesehatan digital? Yuk, pahami bersama!

Definisi Emotion AI

Emotion AI atau Affective AI merupakan bidang ilmu komputer yang mendeteksi dan menginterpretasikan sebuah sinyal emosi seperti dari manusia. Hal ini dapat bersumber dari teks (Sentiment Analysis dan Natural Language Processing atau NLP), video (Facial Expressions Analysis, Gaits and Physiological Signals), audio (Voice Emotion AI) dan juga kombinasi dari semuanya.

Bagaimana Emotion AI Digunakan dalam Industri Healthcare?

Penggunaan AI dalam bidang kesehatan relatif beragam. Mulai dari pendeteksi emosi manusia pada perawatan kesehatan mental yang kemudian dapat berpeluang besar menjadi teknologi diagnosis, hingga kondisi kesehatan fisik juga dapat memanfaatkan AI dalam hal memantau ketahanan dalam kondisi seperti kanker. Pentingnya perawatan holistik dan integratif saat ini telah diakui secara luas alias terbukti bermanfaat.

AI juga bukan hanya mendeteksi emosi manusia tetapi juga memiliki kemampuan untuk meresponsnya. Contohnya orang yang tinggal dengan pasien penyakit demensia, yang mana sulit memahami keadaan emosi mereka sendiri dan terlebih lagi mengomunikasikan perasaan mereka kepada pengasuh mereka. Jadi, cenderungnya ketika hal ini dilakukan secara manual maka akan membebani pengasuh sebab mesti senantiasa membaca dan menguraikan perasaan mereka, yang merupakan tugas berat.

Potensi besar pemanfaatan Emotion AI dapat menggunakan hal-hal seperti biometrik atau psikometri yang kurang bergantung pada informasi apa yang dirasakan pasien sendiri (penilaian diri), melainkan lebih pada apa yang nampak langsung dari pasien, seperti ekspresi wajah, isyarat ucapan, atau perilaku. Emotion AI memungkinkan kita untuk memprediksi seperti apa keadaan seseorang pasien dengan tingkat kompetensi yang bisa sama baiknya atau bahkan lebih baik daripada yang dapat dikatakan oleh pengasuh kepada kita. Dalam kasus penggunaan mereka di LUCID (platform kesehatan mental berbasis Machine Learning), mereka menggunakan data untuk menyusun musik yang dipersonalisasi dalam rangka membantu mengatasi gejala psikologis demensia.

Melalui Emotion AI dapat meningkatkan rasa kepedulian kepada pasien karena dapat dideteksi dan direspon oleh AI. Selain itu, juga mengurangi tingkat kelelahan berlebihan pengasuh karena proses pemantauan dibantu oleh AI. Dengan demikian, kehadiran AI dapat membantu memberikan pasien perawatan yang lebih baik dan meningkatkan stamina bagi perawat.

Apa Kekhawatiran dan Kelemahan Terkait Affective AI ?

Kekhawatiran muncul, ketika kini lahir sebuah mesin yang dapat memanipulasi emosi manusia. Hal ini menjadi valid disebabkan oleh kemampuan mesin yang dapat memahami emosi seperti menangkap pola-pola emosi sehingga memiliki potensi untuk digunakan dalam mengatur atau mengolah emosi yang akan dilakukan manusia, meskipun mesin ini telah diberikan tempat bermain yang sangat terbatas. Oleh sebab itu, pelatihan AI yang bertanggung jawab sangat penting, dimana mereka diberikan data untuk berbuat baik dan bijaksana dengan informasi tersebut. Dengan demikian, kita harus mendorong etika yang bertanggung jawab dalam AI.

Solusi nyata dari kekhawatiran ini sulit dengan hanya memanfaatkan undang-undang (aturan pemerintah resmi), sebab kita menyadari teknologi berkembang lebih cepat dibandingkan proses pembentukan suatu aturan pemerintah resmi. Oleh sebab itu, diperlukan bantuan dari berbagai pihak seperti AI for Good Foundation. Kerangka kerja dan institusi ini penting karena membantu mengembangkan etika profesional untuk mempromosikan budaya positif seputar AI.

Selanjutnya terkait kelemahan dari Affective AI yang saat ini relatif terfokus pada Bias yang mungkin terjadi dalam proses prediksi. Bias yang dimaksud adalah apabila suatu kumpulan data pelatihan AI yang relatif tidak dapat merepresentasikan populasi yang lebih besar.  Kita menyadari data pelatihan merupakan kunci keefektifan sebuah AI, sedangkan emosi manusia relatif sangat beragam dan terpersonalisasi sehingga hal ini menjadi masalah yang sulit bagi AI pada umumnya.

Strategi untuk mencegah Bias dalam Affective AI yaitu secara aktif mengumpulkan badan peserta dan sampel dari orang-orang yang berasal dari semua lapisan masyarakat sebanyak mungkin. Anda harus berupaya untuk mendistribusikan kumpulan data ini seluas mungkin. Solusi lain untuk Bias ini adalah mengembangkan produk yang benar-benar dimobilisasi untuk melatih AI, mobilisasi ini dapat dilakukan melalui produk yang murah, dapat diakses, dan didistribusikan secara global sehingga memungkinkan memperoleh data yang mencakup representasi budaya sebanyak mungkin.

Bagaimana Mesin Empati Digunakan dalam Kesehatan Digital Saat Ini?

Kita menyadari cenderung seorang dokter memiliki keterbatasan waktu dan sumber daya dalam menangani pasiennya yang sangat banyak. Berdasarkan realitas sebelumnya maka relatif teknologi memiliki keunggulan dalam menyatukan dirinya ke dalam kehidupan pasien melebihi apa yang dapat dilakukan oleh seorang dokter karena relatif tidak terbatas oleh waktu dan hal yang membatasinya. Pada saat ini kita bergerak menuju pendekatan longitudinal yang berpusat pada orang, celah itulah yang diharapkan dapat mulai diisi dengan penggunaan AI. Dengan munculnya perawatan integratif, banyak usaha kesehatan digital kini memanfaatkan Emotion AI.

Twill (sebelumnya Happify) adalah salah satu contoh penggunaan AI emosi dalam perawatan kesehatan mental. Platform Penyembuhannya menggunakan AI untuk mempelajari tentang kebutuhan kesehatan seseorang dan merekomendasikan tindakan. Obrolan kesehatannya dilatih untuk memberikan perawatan dan dukungan yang dipersonalisasi dengan cara empati.

LUCID juga menggunakan sistem rekomendasi AI untuk menyarankan musik berdasarkan kondisi mental seseorang. Ini memanfaatkan biometrik dan data yang dinilai sendiri sebagai masukan untuk mengklasifikasikan keadaan emosional pengguna. Dengan mempelajari suasana hati seseorang dan responnya terhadap musik, algoritma beradaptasi untuk membantu mereka dengan lebih baik.

Meskipun mesin empati dan Emotion AI mungkin terdengar mengintimidasi, mereka membantu mengisi kekosongan dalam perawatan pasien, yang terkadang gagal dilakukan oleh model kesehatan tradisional. Pemantauan pasien dan perawatan longitudinal menggunakan banyak sumber daya manusia. Seorang dokter menyatakan, “Membangun dan memelihara rencana perawatan longitudinal yang berpusat pada orang adalah pekerjaan yang sangat sulit. Dibutuhkan banyak sumber daya. Tidak ada penyedia layanan kesehatan yang akan melakukannya jika biayanya lebih mahal untuk melakukan rencana daripada manfaat yang mereka peroleh darinya.”

Perawatan kesehatan digital akan semakin efektif apabila semakin baik dan cepat kita membuat mesin menjadi lebih berempati. Melalui teknologi ini akan membuka banyak peluang yang dapat benar-benar memahami perasaan orang setiap saat dan berempati. Dengan demikian, Emotion AI adalah salah satu pilar terpenting kesehatan digital sebab melalui pemahaman yang tepat terkait apa yang terjadi dengan pasien akan sangat mempengaruhi keefektifan dalam penentuan cara terbaik untuk merawat dan mengobati pasien.

Kesimpulan

Kita telah membahas banyak hal tentang Emotion AI dalam bidang kesehatan. Seperti penggunaan AI yang tidak hanya mendeteksi tetapi dapat pula merespon terkait gejala pasien. Kemudian kekhawatiran bahwa AI akan memanipulasi manusia dan kelemahan AI terkait ketersedian data berkualitas. Selain itu, kita juga telah mengulas penggunaan mesin empati saat ini dalam kesehatan digital yang sudah banyak diterapkan seperti Twill, LUCID, dan sebagainya.

Ingin mempelajari AI dan pemanfaatannya lebih lanjut hingga berkarir di dunia data menjadi seorang data scientist handal, Anda dapat mengikuti Bootcamp Algoritma Data Science yang memiliki serangkaian program yang dapat membantu Anda menguasai dunia data di industri yang Anda minati. Yuk, bergabung bersama Algoritma sekarang!

TONI ANDREAS SUSANTO