Apakah ujian sebenar Bill Gates untuk AI dalam dunia kesihatan?

Dalam sistem sedemikian, AI berpotensi memanjangkan kapasiti tenaga kerja kesihatan yang terbeban: menyokong kakitangan perubatan mengakses maklumat profesional, mengagihkan sumber dengan wajar, serta membantu klinik, komuniti, dan pesakit di rumah. Gates menegaskan bahawa alat-alat daripada Horizon 1000 akan menyokong, bukannya menggantikan kakitangan perubatan manusia.

Dalam lawatannya ke negara itu pada Julai 2026, Gates memberikan perhatian khusus kepada Health Intelligence Center, tempat data masa nyata dari klinik, hospital, dan kakitangan kesihatan komuniti dikumpul untuk membantu Kementerian Kesihatan membuat keputusan. Horizon 1000 disepadukan ke dalam struktur tersebut kerana keupayaan penggunaan AI dalam kesihatan akhirnya bergantung kepada kapasiti sistem yang menerimanya.

Inilah titik di mana kisah Horizon 1000 berdepan dengan masalah yang lebih besar di peringkat global.

Baca lagi: Dr. Tran Van Xuan dan usaha memahami otak manusia melalui inovasi kesihatan

Laporan Scaling Artificial Intelligence in Health oleh OECD yang diterbitkan pada Mac 2026 menunjukkan bahawa AI telah muncul dalam sistem kesihatan di semua negara OECD yang dikaji, namun perluasan di peringkat kebangsaan masih sangat terhad. Dalam bidang diagnostik imej – salah satu aplikasi AI yang paling matang dalam kesihatan – hanya kira-kira 10 peratus aplikasi telah mencapai skala kebangsaan.

Perkara yang lebih ketara adalah jurang antara infrastruktur digital yang telah dibina dan keupayaan tadbir urus khusus untuk AI.

Di peringkat asas, tahap kesediaan agak tinggi: 100 peratus negara OECD yang dikaji mempunyai undang-undang mengenai perlindungan atau privasi data kesihatan; 71 peratus telah menetapkan strategi nasional mengenai keupayaan saling kendali (interoperability) data kesihatan; 63 peratus mempunyai prosedur nasional untuk menyenaraikan aset data kesihatan kritikal; dan 61 peratus mempunyai pendekatan kebangsaan terhadap kelulusan peranti perubatan yang mengintegrasikan AI.

Namun, apabila beralih kepada institusi yang perlu menangani sifat unik AI, peratusannya menurun secara drastik. Hanya 3 peratus mempunyai undang-undang khusus untuk AI dalam kesihatan. Hanya 24 peratus telah memasukkan AI ke dalam sistem penilaian teknologi kesihatan. Kira-kira 18 peratus mempunyai agensi pengawasan nasional bagi AI kesihatan; 18 peratus mempunyai strategi atau pelan tindakan nasional khusus bagi pertemuan antara AI dan kesihatan; dan hanya 11 peratus telah menyesuaikan panduan perolehan awam untuk mengambil kira AI.

Jurang ini menunjukkan lebih daripada sekadar tanggapan bahawa “tadbir urus ketinggalan di belakang teknologi.” Ia menunjukkan bahawa sistem kesihatan sebahagian besarnya telah belajar cara mengurus data dan produk perubatan, tetapi belum benar-benar belajar cara mengurus teknologi yang terus berubah selepas digunakan, yang memberi kesan kepada banyak rantaian proses membuat keputusan, dan semakin sukar dipisahkan daripada aktiviti harian pengamal perubatan.

Dengan AI, persoalan tidak terhenti pada sama ada model tersebut memenuhi keperluan pada masa kelulusan atau tidak. Sistem juga perlu mengetahui bagaimana ia berfungsi dalam keadaan sebenar, sama ada keberkesanannya berbeza antara kumpulan pesakit, sama ada pengguna mula terlalu bergantung pada saranan mesin, bagaimana model berubah dari masa ke masa, dan siapa yang bertanggungjawab apabila outputnya menyumbang kepada keputusan klinikal yang salah.

Jurang dari segi tenaga kerja juga jelas. Hanya 29 peratus negara OECD mempunyai pendekatan nasional untuk meningkatkan kesedaran atau keupayaan AI bagi tenaga kerja kesihatan; 39 peratus mempunyai inisiatif untuk membantu orang awam memahami keupayaan dan penggunaan AI dalam kesihatan. Sementara itu, satu penilaian baharu oleh WHO/Europe pada 2026 mendapati bahawa hanya kira-kira satu perlima negara anggota menyediakan latihan AI untuk kakitangan perubatan sebelum mereka memulakan kerjaya, dan hanya kira-kira satu perempat meneruskan latihan semasa mereka berada dalam tenaga kerja.

Justeru, “membawa AI ke 1,000 klinik” hanyalah menggambarkan skala pengagihan teknologi. Ujian sebenar bagi Horizon 1000 adalah sama ada klinik-klinik tersebut mempunyai sistem yang mampu memilih alat yang betul, menggunakannya untuk tujuan yang tepat, mengesan apabila alat berfungsi dengan salah, dan bertanggungjawab terhadap kesan penggunaannya.

WHO sedang berusaha menjawab persoalan ini melalui Panduan Etika dan Tadbir Urus Model AI Multimodal Besar dalam Kesihatan (2024).

WHO membahagikan tanggungjawab kepada kerajaan, pembangun teknologi, kemudahan kesihatan, kakitangan profesional, dan kumpulan yang terjejas, kerana keselamatan AI dalam kesihatan tidak dapat dijamin semata-mata oleh kualiti teknikal model tersebut.

Lebih 40 syor tersebut boleh diringkaskan kepada beberapa standard teras.

Pertama, AI mesti dinilai berdasarkan tugas yang ditetapkan dan bukan berdasarkan keupayaan umum model tersebut. WHO menuntut pembangun merekabentuk sistem untuk melaksanakan tugas yang jelas, dengan tahap ketepatan dan kebolehpercayaan yang diperlukan untuk tugas itu. Oleh itu, model yang mempunyai keupayaan komunikasi yang mengagumkan atau mencapai keputusan tinggi dalam ujian umum bukan bukti yang mencukupi untuk menggunakannya dalam penjagaan pesakit.

Kedua, keberkesanan purata tidak memadai; perlu diketahui bagaimana teknologi memberi kesan kepada setiap kumpulan individu. WHO memberi perhatian khusus bahawa data latihan mungkin mengandungi bias mengikut kaum, etnik, asal usul, jantina, identiti gender, atau umur. Oleh itu, bagi sistem yang digunakan secara meluas, audit dan penilaian impak selepas pelancaran perlu menerbitkan keputusan yang dipecahkan mengikut kumpulan pengguna, seperti umur, kaum, atau status kecacatan.

Ketiga, penilaian tidak berakhir apabila produk dilancarkan. WHO mengesyorkan audit wajib selepas pelancaran dan penilaian impak oleh pihak ketiga yang bebas terhadap LMM yang digunakan secara meluas, termasuk isu perlindungan data dan hak asasi manusia. Dalam erti kata lain, keberkesanan dan risiko mesti terus diukur dalam kehidupan sebenar, selepas teknologi keluar daripada persekitaran pembangunan.

Keempat, tanggungjawab tidak boleh hilang dalam model tersebut. Kerajaan disyorkan untuk menentukan atau menubuhkan agensi yang berwibawa untuk menilai dan meluluskan LMM yang digunakan dalam kesihatan. WHO juga memberi amaran tentang “automation bias”: doktor atau pesakit mungkin mengabaikan ralat yang sepatutnya disedari jika maklumat itu tidak datang daripada sistem AI yang kelihatan yakin dan berwibawa.

Kelima, pesakit dan pengamal perubatan mesti terlibat sejak proses reka bentuk. WHO menuntut pembangunan LMM bukan sahaja melibatkan saintis dan jurutera. Kakitangan perubatan, penyelidik, pesakit, dan pihak yang terjejas secara langsung atau tidak langsung perlu terlibat sejak awal dalam proses yang berstruktur, telus, dan inklusif.

Namun, walaupun AI memenuhi semua keperluan tersebut, Bill Gates masih mengemukakan persoalan lain: adakah setiap kerja yang boleh dilakukan dengan baik oleh mesin harus diserahkan kepada mesin?

Dalam The Turbulent AI Era Is Here, Gates menceritakan tahun-tahun terakhir kehidupan bapanya, Bill Gates Sr., yang menghidap Alzheimer. Apabila keupayaan untuk meluahkan fikiran semakin merosot, pasukan penjagaan masih dapat mengenal pasti keperluan yang tidak lagi dapat disuarakan dengan mudah oleh bapanya. Gates melihat dalam pekerjaan itu sesuatu yang beliau anggap sebagai “tidak dapat digantikan dari segi kemanusiaan.”

Daripada situ, beliau mengemukakan konsep Human Reserved: bidang-bidang yang secara proaktif dikhaskan oleh masyarakat untuk manusia, walaupun AI atau robot dari segi teknikalnya mampu melaksanakan tugas tersebut.

Metafora yang dipilih oleh Gates sangat menarik. “Human Reserved” mengingatkan beliau kepada kawasan perlindungan alam semula jadi: manusia mungkin boleh membina jalan atau bangunan di sana, tetapi memilih untuk tidak melakukannya, kerana harga yang perlu dibayar terlalu tinggi. Begitu juga, had untuk AI tidak semestinya muncul daripada ketidakupayaan teknologi. Ia mungkin bermula daripada keputusan sosial bahawa ada nilai-nilai yang akan hilang jika keupayaan teknikal menjadi satu-satunya kriteria.

Sektor kesihatan memberikan contoh paling jelas kepada Gates mengenai perbezaan antara “boleh” dan “sepatutnya”. Sebuah robot sememangnya boleh memaklumkan kepada pesakit bahawa mereka menghidap penyakit yang tidak boleh diubati. Tiada halangan teknikal yang menghalangnya daripada melakukan tugas itu. Namun, Gates berpendapat bahawa inilah jenis keputusan yang boleh ditetapkan secara proaktif oleh masyarakat sebagai tugas manusia.

Oleh itu, kesihatan mungkin menjadi ujian pertama yang sangat ketat terhadap janji kesamaan AI. Bukan kerana ini adalah tempat di mana teknologi paling mudah mencipta pertunjukan yang menakjubkan, tetapi kerana di sinilah tiga persoalan muncul serentak: adakah AI sampai kepada mereka yang paling memerlukannya; apabila sampai, adakah ia benar-benar meningkatkan penjagaan dengan selamat dan adil; dan dalam proses tersebut, adakah kita tahu apa yang tidak sepatutnya diserahkan kepada mesin?

Jika AI melepasi ketiga-tiga ujian tersebut, hujah Gates tentang teknologi yang boleh menjadikan dunia lebih adil baharulah mempunyai bukti yang kukuh.

BACA SEKARANG

[Cover Story] Huynh Bich Ngoc, Naib Pengerusi Tetap, Ketua Pegawai Eksekutif Kumpulan TTC: Dari visi hijau kepada legasi yang ditinggalkan

Daripada teknologi kepada keupayaan organisasi: Bagaimana perniagaan membina kelebihan daya saing?

Literasi kewangan: Tonggak asas bagi generasi masa depan