Kini Tenaga Kesehatan Bisa Lakukan Deteksi Jantung Dengan AI

AI tak hanya membantu memajukan kehidupan manusia dalam sektor teknologi dan hiburan. Para ilmuwan dan tenaga kesehatan terus mengembangkan artificial intelligence dan mengeksplorasinya untuk sektor-sektor lain. Usaha itu tidak sia-sia, karena kini tenaga kesehatan bisa mendeteksi gejala penyakit jantung menggunakan kecerdasan buatan.

Deteksi penyakit jantung dengan AI

Gagal jantung adalah istilah umum ketika jantung tidak dapat memompa darah ke seluruh tubuh dengan baik. Cara mengklasifikasikan gagal jantung saat ini tidak secara akurat memprediksi bagaimana penyakit ini cenderung berkembang.

Pada penelitian terkait kardiovaskular yang dipublikasikan di Lancet Digital Health, para peneliti melihat data pasien anonim yang terperinci. Pasien berjumlah lebih dari 300.000 orang berusia 30 tahun atau lebih yang didiagnosis gagal jantung di Inggris selama rentang waktu 20 tahun.

Deteksi penyakit jantung sangat penting. Apalagi, jika tidak segera ditangani, bisa saja kondisi pasien menjadi lebih parah atau bahkan meningkatkan risiko terjadinya serangan jantung.

Serangan jantung adalah gangguan jantung serius ketika otot jantung tidak mendapat aliran darah. Kondisi ini akan mengganggu fungsi jantung dalam mengalirkan darah ke seluruh tubuh.

Penyakit yang juga disebut infark miokard dapat menyebabkan kematian bila tidak segera tertangani. Serangan jantung terjadi akibat terhambatnya aliran darah ke otot jantung. Penyebab utama kondisi ini adalah penyakit jantung koroner.

Gunakan kecerdasan buatan dan machine learning

Menggunakan berbagai teknik machine learning, para peneliti telah menemukan lima subtipe penyakit jantung. Ini termasuk onset dini, onset lambat, metabolik (terkait dengan obesitas dan tingkat penyakit kardiovaskular yang rendah), kardiometabolik (terkait dengan obesitas dan penyakit kardiovaskular), dan terkait fibrilasi atrium (fibrilasi atrium adalah suatu kondisi yang menyebabkan detak jantung tidak teratur).

Dalam temuan penelitian, kemungkinan pasien meninggal dalam waktu satu tahun diagnosis bervariasi di seluruh subtipe. Berikut adalah risiko kematian satu tahun yang berkorespondensi dengan penyebab yang ada saat ini: onset dini (20%), onset lambat (46%), terkait fibrilasi atrium (61%), metabolik (11%), dan kardiometabolik (37%).

Para peneliti merancang aplikasi yang ditunjang dengan kecerdasan buatan. Aplikasi digital ini dapat digunakan dokter untuk mengidentifikasi subtipe gagal jantung individual. Hasil dari kecerdasan buatan ini dapat meningkatkan keakuratan prediksi risiko di masa depan dan memberikan informasi penting untuk konsultasi pasien dengan penyakit jantung.

Tujuan digunakannya artificial intelligence

Penulis utama dari penelitian ini, Profesor Amitava Banerjee dari UCL Institute of Health Informatics, menjelaskan bahwa tujuan penggunaan algoritma kecerdasan buatan dan machine learning adalah untuk meningkatkan klasifikasi gagal jantung.

Tak hanya itu, artificial intelligence juga digunakan untuk mendapatkan pemahaman yang lebih baik tentang kemungkinan perkembangan penyakit jantung dan mengkomunikasikannya secara efektif kepada pasien.

Saat ini, memperkirakan perkembangan penyakit jantung dan diagnosisnya sulit dilakukan untuk masing-masing pasien. Hal ini karena pasien dengan penyakit jantung di rumah sakit sangat beragam. Beberapa stabil selama beberapa tahun, sementara yang lain memburuk dengan cepat.

“Identifikasi dan klasifikasi yang lebih baik dari berbagai subtipe gagal jantung berpotensi menghasilkan strategi pengobatan yang lebih tepat dan memungkinkan perspektif baru tentang terapi potensial,” ungkapnya.

“Dalam penelitian terbaru, kami berhasil mengidentifikasi lima subtipe kuat menggunakan berbagai teknik machine learning dan kumpulan data.”

“Langkah selanjutnya adalah mengevaluasi apakah klasifikasi gagal jantung yang ditunjukkan memiliki implikasi praktis bagi pasien dalam hal prediksi risiko, kualitas diagnosis, dan perubahan dalam perawatan pasien. Selain itu, efektivitas biaya dari aplikasi yang diusulkan juga harus diperiksa. Meskipun uji klinis dan penelitian lebih lanjut diperlukan, aplikasi yang dirancang mungkin bermanfaat bagi perawatan rutin.”

Gunakan beberapa metode untuk deteksi jantung dengan AI

Para dokter peneliti menggunakan empat metode untuk mengelompokkan kasus gagal jantung untuk mencegah bias dari satu teknik machine learning. Dokter-dokter menggunakan pendekatan ini pada data yang diperoleh dari dua kumpulan data perawatan kesehatan primer yang luas di Inggris. Kumpulan data pasien ini secara akurat menggambarkan seluruh populasi Inggris.

Selain itu, kumpulan data ini dikaitkan dengan catatan penerimaan dan kematian di rumah sakit di Inggris. Kumpulan data tersebut yaitu, Clinical Practice Research Datalink (CPRD) dan The Health Improvement Network (THIN), mencakup periode dari tahun 1998 hingga 2018.

Tim peneliti yang terdiri dari dokter-dokter berpengalaman itu melatih alat digital machine learning pada bagian data tertentu. Setelah mengidentifikasi subtipe yang paling kuat, tim dokter memeriksa ulang klasifikasi ini menggunakan kumpulan data terpisah.

Klasifikasi algoritma artificial intelligence

Klasifikasi subkategori ditentukan dengan menilai 87 faktor dari potensi 635 faktor kesehatan. Faktor kesehatan tersebut meliputi usia, indikator penyakit lain, gejala, obat yang diresepkan, dan temuan tes seperti tekanan darah dan evaluasi diagnosis seperti fungsi ginjal.

Tim peneliti memeriksa informasi dari studi UK Biobank terhadap 9.573 pasien gagal jantung. Temuan mereka menunjukkan bahwa jenis penyakit jantung atau gagal jantung tertentu dikaitkan dengan peningkatan skor risiko poligenik (skor risiko keseluruhan karena gen secara keseluruhan) untuk hipertensi dan fibrilasi atrium.

Artificial intelligence dan deteksi dini penyakit jantung

Dilansir dari World Economic Forum, kecerdasan buatan dan deep learning kini juga dapat mendeteksi dini risiko gagal jantung. Sebuah makalah yang muncul di Journal of American Medical Informatics Association (JAMIA) menjelaskan bagaimana metode tersebut membahas temporalitas dalam data. Ini adalah sesuatu yang sebelumnya diabaikan oleh model machine learning konvensional dalam aplikasi perawatan kesehatan.

Penelitian tersebut menggunakan model deep learning untuk memungkinkan deteksi lebih dini terhadap insiden yang sering menyebabkan gagal jantung dalam waktu 6-18 bulan. Untuk mencapai hal ini, peneliti menggunakan jaringan saraf berulang (RNN) untuk memodelkan hubungan temporal antar peristiwa dalam catatan kesehatan elektronik.

Hubungan temporal (temporal relationships) mengkomunikasikan urutan peristiwa atau keadaan tepat waktu. Jenis relasi ini umumnya digunakan digunakan dalam pemrosesan bahasa alami. Namun, para peneliti melihat peluang baru untuk memanfaatkan kekuatan RNN dan kecerdasan buatan bagi industri kesehatan.

“Saya mempelajari deep learning dan saya bertanya-tanya apakah RNN dapat diperkenalkan ke dalam perawatan kesehatan. Ini adalah model yang sangat populer untuk memproses urutan dan biasanya digunakan untuk penerjemahan, ”kata Edward Choi, seorang mahasiswa PhD di Georgia Tech. Choi bekerja dengan Jimeng Sun, seorang profesor di School of Computational Science and Engineering.

Dengan memanfaatkan RNN, algoritma dapat mengantisipasi tahap awal gagal jantung. Pada akhirnya, algoritma tersebut akan menghasilkan perawatan pencegahan yang lebih baik bagi pasien yang berisiko terkena penyakit jantung.

“Machine learning digunakan dalam setiap aspek perawatan kesehatan. Dari diagnosis dan perawatan hingga rekomendasi untuk perawatan pasien setelah operasi. Model khusus ini difokuskan pada deep learning, yang telah sukses besar di banyak industri. Namun, dalam perawatan kesehatan, kami berada di depan dalam merintis pembelajaran mendalam dan Edward adalah salah satu yang pertama menerapkannya,” kata Sun.

Itulah artikel tentang deteksi jantung dengan AI. Ingin mencoba menerapkan kecerdasan untuk bisnis? Hubungi MetaNesia dan dapatkan konsultasi gratis dengan tim kami.

MetaNesia merupakan platform metaverse pertama di Indonesia yang juga merupakan bagian dari Telkom Indonesia. Anda juga bisa merasakan keseruan masuk ke dalam dunia virtual dengan mengunduh aplikasi MetaNesia. Yuk unduh hari ini, jangan sampai ketinggalan keseruannya!