Di mana Anda menjalankan AI klinis biasanya diperlakukan sebagai persoalan infrastruktur — urusan bagi mereka yang mengelola server, yang ditetapkan jauh setelah keputusan klinis diambil. Kami berpendapat hal itu membalik urutannya. Keputusan untuk menjalankan inferensi di tempat pasien berada, alih-alih di suatu tempat yang jauh, pertama-tama adalah keputusan tentang keamanan, privasi, dan kepercayaan. Pengaturan teknis lahir darinya; itu bukanlah alasan keberadaannya.

AI klinis seharusnya berjalan di tempat pasien berada. Ketika analisis berlangsung di lokasi, data sensitif tetap berada di tempat yang semestinya, dan klinisi tetap memegang kendali atas alat yang dapat mereka audit. Satu kalimat itu saja sudah memuat sebagian besar argumennya, tetapi tetap layak untuk membongkar setiap bagiannya, karena masing- masing — keamanan, privasi, kendali — adalah alasan tersendiri, dan ketika digabungkan, semuanya menunjuk dengan tegas ke arah edge dan pod.

Edge dan pod: AI di tempat perawatan berlangsung

Platform kami disusun agar AI berada di titik perawatan. Alat edge — EndoEdge, PathoEdge, dan TomoEdge — berada di tempat pekerjaan klinis dilakukan, di ruang endoskopi, laboratorium patologi, dan ruang baca radiologi. Pod — EndoPod, PathoPod, dan TomoPod — menyediakan sistem informasi dan arsip di belakangnya. Kedua lapisan dapat dijalankan secara on-premises atau dalam pengaturan hibrida, dan keseluruhannya dapat diskalakan dari klinik kecil hingga rumah sakit besar.

Ini bukanlah kebetulan dari cara perangkat lunak ini kebetulan dikemas. Ini adalah bentuk yang lahir dari menanggapi serius soal di lokasi. EndoPod menawarkan bantuan endoskopi real-time berdampingan dengan sistem informasi endoskopi, yang hanya masuk akal jika bantuan itu hadir tepat di sana selama prosedur, alih-alih menunggu respons dari kejauhan. PathoPod memadukan pencitraan slide utuh dari pemindai slide dengan sistem informasi laboratorium untuk laboratorium patologi anatomi, plus penampil web untuk pendidikan dan dewan tumor. TomoPod adalah RIS+PACS yang dirancang berbasis AI yang menghasilkan laporan semi-otomatis dengan radiolog sebagai pemverifikasi dan penyetuju. Dalam setiap kasus, analisis berlangsung di tempat citra dibuat dan dibaca, karena di situlah ia berguna dan di situlah ia dapat dipercaya.

Keamanan adalah alasan yang mendahului privasi

Mudah untuk mengira bahwa argumen bagi AI di lokasi sebagian besar tentang privasi. Privasi itu penting, dan kita akan membahasnya, tetapi di sebuah klinik, argumen pertama adalah keamanan.

Alur kerja yang bergantung pada koneksi jarak jauh adalah alur kerja dengan satu titik kegagalan di luar kendali klinik. Koneksi terputus, layanan melambat, sistem jarak jauh mengalami gangguan — dan tak satu pun dari itu boleh mampu menginterupsi perawatan. Menjalankan inferensi di lokasi menjaga ketahanan alur kerja: alat itu melakukan pekerjaannya di tempat pekerjaan itu berada, sehingga masalah sesaat pada tautan ke dunia luar tidak menjadi masalah klinis. Perawatan tidak bergantung pada koneksi jarak jauh, yang berarti ia tidak gagal ketika koneksi itu gagal.

Pertukaran antara edge dan komponen pusat apa pun bersifat asinkron secara desain. Informasi bergerak antara edge dan sistem yang lebih luas menurut jadwalnya sendiri, alih-alih sebagai dependensi langsung yang harus dipenuhi sebelum seorang klinisi dapat melanjutkan. Itulah yang membuat ketahanan menjadi nyata alih-alih sekadar cita-cita: momen klinis tidak pernah harus menunggu satu putaran bolak-balik. Sinkronisasi terjadi di sekitar pekerjaan, bukan di tengah-tengahnya.

Privasi sebagai properti tempat

Di lokasi adalah keputusan keamanan sebesar keputusan privasi — tetapi argumen privasi itu kuat, dan ia paling kuat justru karena ia bersifat struktural. Ketika inferensi berlangsung di lokasi, data paling sensitif dalam dunia medis — citra, laporan, dan rekam medis itu sendiri — tetap berada di tempat yang semestinya, di dalam institusi yang bertanggung jawab atasnya.

Ini mengubah privasi dari sebuah kebijakan menjadi sebuah properti dari tempat sistem itu berjalan. Tidak ada pengiriman data pasien secara tersirat ke layanan yang jauh hanya untuk memperoleh hasil, karena hasilnya dihitung secara lokal. Standar yang sudah menjadi sandaran seluruh dunia medis — DICOM dan HL7, dengan penanganan yang selaras dengan HIPAA — menjelaskan bagaimana data bergerak dan dilindungi, dan menjaga komputasi tetap di lokasi berarti institusilah yang memutuskan di mana data itu berada, alih-alih menemukan setelah kejadian bahwa ia ternyata berada di tempat lain. Residensi data menjadi pilihan pelanggan: on-premises, atau hibrida dengan batas ditarik di tempat yang ditetapkan oleh tata kelola institusi itu sendiri.

Klinisi tetap memegang kendali — dan dapat mengaudit alat itu

Alasan ketiga adalah kendali, dan inilah alasan yang mengikat arsitektur platform dengan filosofi klinisnya. AI di lokasi menjaga orang-orang yang bertanggung jawab atas suatu keputusan tetap kokoh berada dalam lingkaran, karena alat itu beroperasi dalam lingkungan mereka, atas syarat mereka, di tempat mereka dapat melihat dan mengaudit apa yang dilakukannya.

Kendali itu paling terlihat dalam cara bantuan ditawarkan. Laporan itu dibantu AI, tetapi seorang manusia tetap berada dalam lingkaran: laporan semi-otomatis TomoPod membiarkan radiolog sebagai pemverifikasi dan penyetuju, dan di seluruh endoskopi, patologi, serta radiologi, klinisi mengonfirmasi, menyunting, atau membatalkan apa yang ditampilkan oleh sistem. Ini hanya koheren jika AI benar-benar berada di bawah kendali klinisi, dan menjalankannya di lokasi adalah bagian dari apa yang menjadikan hal itu benar. Sebuah alat yang dapat Anda audit, dalam lingkungan yang Anda kendalikan, adalah alat yang sarannya dapat Anda tindak lanjuti secara bertanggung jawab.

Penampil berbasis web memperluas kendali itu tanpa mengompromikan prinsipnya. Seorang klinisi dapat meninjau citra slide utuh atau studi melalui peramban — di dewan tumor, untuk pendidikan, atau sekadar jauh dari pemindai — sementara data dan komputasi yang mendasarinya tetap berlabuh di lokasi. Akses ke tampilan tidaklah sama dengan mengekspor data, dan menjaga keduanya tetap terpisah adalah bagian dari cara AI di lokasi tetap di lokasi bahkan ketika lebih banyak orang perlu melihat pekerjaan itu.

Sebuah keputusan, lalu sebuah arsitektur

Gabungkan ketiga alasan ini, dan AI di lokasi berhenti tampak seperti sebuah preferensi penerapan dan mulai tampak seperti sebuah komitmen. Ia menjaga perawatan tetap tahan banting, karena alur kerja tidak bergantung pada tautan jarak jauh. Ia menyimpan data di tempat yang semestinya, karena privasi lahir dari tempat pekerjaan itu berjalan. Dan ia menjaga klinisi tetap memegang kendali atas alat yang dapat mereka audit, karena AI beroperasi di dalam lingkungan mereka alih-alih di balik API orang lain.

Inilah prinsip di balik segala yang kami bangun: mengutamakan lokal, bersifat membantu, dan dapat diaudit. Klinisi memutuskan; alat itu mendukung. Kami menempatkan AI di edge dan dalam pod, dapat dijalankan secara on-premises atau hibrida, bukan karena di situlah tempat yang paling mudah untuk menjalankannya, tetapi karena di situlah tempat yang tepat bagi orang-orang yang penilaian dan tanggung jawabnya menjadi alasan keberadaan seluruh sistem ini untuk mendukungnya.