Oxford AI Mendeteksi Risiko Dini Gagal Jantung dari Pemindaian CT Rutin dengan Akurasi 86% pada 72,000 Pasien
Singkatnya
Para peneliti di Universitas Oxford telah mengembangkan sistem AI yang mendeteksi perubahan halus dan tak terlihat pada lemak jantung dari pemindaian CT rutin, memprediksi risiko gagal jantung hingga lima tahun ke depan dengan akurasi 86% di antara 72,000 pasien.
Para peneliti di University of Oxford Telah mengembangkan sistem kecerdasan buatan yang dapat memperkirakan risiko pasien terkena gagal jantung hingga lima tahun ke depan, mencapai akurasi 86% dalam validasi pada lebih dari 72,000 pasien. Pendekatan ini tidak memerlukan pengujian tambahan, intervensi spesialis, atau peralatan medis baru, karena mengandalkan pemindaian CT jantung yang sudah rutin dilakukan dalam praktik klinis.
Penelitian yang dipimpin oleh Profesor Charalambos Antoniades dan diterbitkan dalam Journal of the American College of Cardiology ini, membahas keterbatasan yang telah lama ada dalam bidang kardiologi: gagal jantung biasanya didiagnosis hanya setelah kerusakan struktural yang signifikan telah terjadi, di mana pada saat itu pilihan pencegahan seringkali terbatas. Sistem yang diusulkan mengalihkan perhatian pada perubahan biologis awal yang mendahului gejala yang terlihat selama beberapa tahun.
Inti dari model ini adalah sumber data yang tidak konvensional: lemak yang mengelilingi jantung, yang dikenal sebagai jaringan adiposa perikardial. Meskipun secara tradisional diabaikan dalam analisis pemindaian rutin, jaringan ini tampaknya mencerminkan perubahan inflamasi dan metabolik yang mendasari yang terjadi pada otot jantung itu sendiri.
Menurut para peneliti, timbunan lemak ini secara bertahap mengubah teksturnya sebagai respons terhadap stres pada sistem kardiovaskular, menciptakan pola yang tidak dapat dideteksi melalui interpretasi standar manusia terhadap hasil pencitraan. Sistem AI dirancang untuk mengidentifikasi variasi halus ini dan menerjemahkannya menjadi perkiraan risiko terkuantifikasi untuk gagal jantung di masa mendatang.
Membaca Sinyal yang Tidak Dapat Dilihat Mata Manusia
Pencitraan CT jantung banyak digunakan di seluruh Layanan Kesehatan Nasional Inggris untuk menyelidiki nyeri dada dan menilai penyakit arteri koroner, dengan ratusan ribu pemindaian dilakukan setiap tahunnya. Dalam alur kerja klinis tipikal, ahli radiologi terutama berfokus pada penyumbatan arteri dan kelainan yang terlihat, sementara jaringan lemak di sekitarnya hanya mendapat perhatian analitis yang terbatas.
Model Oxford memanfaatkan kembali lapisan data yang terabaikan ini dengan menganalisis fitur tekstur dalam lemak perikardial. Menggunakan teknik pembelajaran mesin yang dilatih pada data CT anonim dari lebih dari 59,000 pasien NHS, sistem ini belajar untuk mengaitkan pola pencitraan spesifik dengan perkembangan gagal jantung di kemudian hari selama periode tindak lanjut jangka panjang.
Dalam pengujian validasi yang melibatkan 13,424 pasien tambahan, model tersebut menghasilkan tingkat akurasi 86% dalam memprediksi risiko gagal jantung lima tahun. Individu yang diklasifikasikan dalam kelompok risiko tertinggi ditemukan memiliki kemungkinan sekitar 20 kali lebih besar untuk mengembangkan kondisi tersebut daripada mereka yang berada dalam kategori terendah, dengan perkiraan probabilitas satu dari empat untuk timbul dalam lima tahun.
Yang penting, sistem ini menghasilkan skor risiko secara otomatis, tanpa memerlukan masukan manual dari dokter. Hal ini menempatkannya sebagai alat pendukung pengambilan keputusan potensial, bukan sebagai pengganti proses diagnostik yang sudah ada.
Dari Pemindaian Jantung Hingga CT Dada Apa Pun — Dan Jalan Menuju NHS
Ambisi yang lebih luas dari penelitian ini adalah untuk memperluas teknologi tersebut di luar pencitraan khusus jantung. Tim saat ini sedang berupaya mengadaptasi model tersebut untuk menganalisis pemindaian CT dada standar, termasuk yang digunakan dalam skrining kanker paru-paru dan diagnostik pernapasan. Mengingat volume pencitraan CT dada yang jauh lebih tinggi dibandingkan dengan pemindaian khusus jantung, adaptasi tersebut dapat secara substansial meningkatkan jangkauan sistem.
Secara klinis, implikasinya terkait dengan intervensi dini. Dengan mengidentifikasi pasien berisiko tinggi bertahun-tahun sebelum gejala muncul, penyedia layanan kesehatan dapat menyesuaikan strategi pemantauan, memulai perawatan pencegahan lebih awal, dan memprioritaskan sumber daya secara lebih efektif. Dengan gagal jantung yang sudah memengaruhi lebih dari satu juta orang di Inggris, potensi dampaknya terhadap permintaan layanan kesehatan jangka panjang sangat besar.
Saat ini sedang dilakukan perencanaan untuk mendapatkan persetujuan regulasi guna mengintegrasikan sistem ini ke dalam alur kerja radiologi rutin di NHS (National Health Service). Jika diadopsi, sistem ini akan beroperasi di latar belakang prosedur pencitraan standar, menghasilkan penilaian risiko otomatis tanpa biaya tambahan atau perubahan dalam protokol pemindaian.
Penelitian ini didukung oleh British Heart Foundation dan National Institute for Health and Care Research Biomedical Research Centre di Oxford. Penelitian ini mencerminkan pergeseran yang lebih luas dalam pencitraan medis, di mana kecerdasan buatan semakin banyak digunakan tidak hanya untuk mendeteksi penyakit yang sudah ada tetapi juga untuk menyimpulkan risiko di masa depan dari sinyal biologis halus yang sebelumnya kurang dimanfaatkan dan tertanam dalam pemindaian rutin.
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Alisa, seorang jurnalis yang berdedikasi di MPost, berspesialisasi dalam kripto, AI, investasi, dan ranah yang luas dari Web3. Dengan ketertarikannya terhadap tren dan teknologi yang sedang berkembang, ia memberikan liputan komprehensif untuk memberikan informasi dan melibatkan pembaca dalam lanskap keuangan digital yang terus berkembang.
lebih artikel
Alisa, seorang jurnalis yang berdedikasi di MPost, berspesialisasi dalam kripto, AI, investasi, dan ranah yang luas dari Web3. Dengan ketertarikannya terhadap tren dan teknologi yang sedang berkembang, ia memberikan liputan komprehensif untuk memberikan informasi dan melibatkan pembaca dalam lanskap keuangan digital yang terus berkembang.
