Sistem AI Baru Dapat Membuat Harapan Baru Bagi Orang-Orang Dengan Epilepsi

Seperti yang dilaporkan oleh Endgadget, dua peneliti AI mungkin telah menciptakan sistem yang membuat harapan baru bagi orang-orang yang menderita epilepsi – sebuah sistem “yang dapat memprediksi kejang epilepsi dengan akurasi 99,6 persen,” dan dapat melakukannya hingga satu jam sebelum kejang terjadi.

Ini tidak akan menjadi kemajuan baru pertama, karena sebelumnya peneliti di Technical University (TU) di Eindhoven, Belanda telah mengembangkan gelang pintar yang dapat memprediksi kejang epilepsi selama malam. Namun, akurasi dan waktu yang singkat sistem AI baru ini dapat bekerja, seperti yang dicatat oleh IEEE Spectrum, memberikan harapan lebih besar bagi sekitar 50 juta orang di seluruh dunia yang menderita epilepsi (berdasarkan data dari World Health Organization). Dari jumlah pasien ini, 70 persen dapat mengontrol kejang mereka dengan obat jika diambil pada waktu yang tepat.

Sistem AI baru ini diciptakan oleh Hisham Daoud dan Magdy Bayoumi dari University of Louisiana at Lafayette, dan dipuji sebagai “langkah besar ke depan dari metode prediksi yang ada.” Seperti yang dijelaskan oleh Hisham Daoud, salah satu dari dua peneliti yang mengembangkan sistem ini, “Karena waktu kejang yang tidak terduga, epilepsi memiliki dampak psikologis dan sosial yang kuat pada pasien.”

Seperti yang dijelaskan, “setiap orang menunjukkan pola otak yang unik, yang membuatnya sulit untuk memprediksi kejang dengan akurat.” Sampai sekarang, model yang ada sebelumnya memprediksi kejang “dalam proses dua tahap, di mana pola otak harus diekstrak secara manual dan kemudian sistem klasifikasi diterapkan,” yang, seperti yang dijelaskan oleh Daoud, menambah waktu yang dibutuhkan untuk membuat prediksi kejang.

Dalam pendekatan mereka yang dijelaskan dalam sebuah studi yang dipublikasikan pada 24 Juli di IEEE Transactions on Biomedical Circuits and Systems, “proses ekstraksi fitur dan klasifikasi digabungkan menjadi satu sistem otomatis, yang memungkinkan prediksi kejang yang lebih awal dan akurat.”

Untuk lebih meningkatkan akurasi sistem mereka, Daoud dan Bayoumi “menggabungkan pendekatan klasifikasi lainnya dengan menggunakan algoritma pembelajaran dalam yang mengekstrak dan menganalisis fitur spasial-waktu dari aktivitas otak pasien dari berbagai lokasi elektroda, sehingga meningkatkan akurasi model mereka.” Karena “pembacaan EEG dapat melibatkan beberapa ‘saluran’ aktivitas listrik,” untuk mempercepat proses prediksi lebih lanjut, kedua peneliti “menerapkan algoritma tambahan untuk mengidentifikasi saluran aktivitas listrik yang paling tepat untuk prediksi.”

Sistem yang lengkap kemudian diuji pada 22 pasien di Boston Children’s Hospital. Meskipun ukuran sampel kecil, sistem tersebut terbukti sangat akurat (99,6%), dan memiliki “kecenderungan rendah untuk false positives, dengan 0,004 alarm palsu per jam.”

Seperti yang dijelaskan oleh Daoud, langkah selanjutnya akan menjadi pengembangan chip komputer khusus untuk memproses algoritma. “Kami saat ini bekerja pada desain perangkat keras yang efisien [perangkat] yang menerapkan algoritma ini, dengan mempertimbangkan banyak masalah seperti ukuran sistem, konsumsi daya, dan latensi untuk membuatnya sesuai untuk aplikasi praktis dalam cara yang nyaman bagi pasien.”