Kesehatan

Ekokardiografi dengan Panduan AI Menunjukkan Tingkat Keberhasilan Tinggi dalam Studi Terkontrol

Lila Rowan
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaPengaturan terkontrol menghasilkan ekokardiografi berkualitas diagnostik sebesar 98,0%…
Lihat selengkapnya
  • Pengaturan terkontrol menghasilkan ekokardiografi berkualitas diagnostik sebesar 98,0% sementara studi komunitas terdesentralisasi digabungkan menjadi 63,7%.
  • Perbandingan pengaturan bersifat post hoc dan dikacaukan oleh pelatihan supervisi dan seleksi pasien sehingga kausalitas tetap belum terbukti.
  • Akuisisi berkualitas diagnostik bukanlah diagnosis yang akurat dan tidak ada studi yang menghubungkan panduan AI dengan luaran pasien.

Sebuah tinjauan sistematis dan meta-analisis oleh Bijay Bastola dan kolega, yang diterbitkan pada 16 November 2026 di BMC Cardiovascular Disorders, memperkirakan tingkat keberhasilan gabungan pemeriksaan ekokardiografi berkualitas diagnostik sebesar 96,3% pada operator pemula dan nonahli yang menggunakan panduan AI waktu nyata dalam delapan studi. Ukuran ini mencerminkan apakah proses akuisisi memenuhi ambang batas kecukupan yang telah ditetapkan sebelumnya dalam setiap studi.

Hasilnya sangat berbeda menurut kondisi penerapan. Enam studi yang dilakukan dalam kondisi terkontrol atau terstruktur menghasilkan tingkat keberhasilan gabungan sebesar 98,0%, dengan interval kepercayaan 95% dari 96,7% hingga 99,2%. Dua studi komunitas yang terdesentralisasi dan dilakukan dalam kondisi nyata menghasilkan tingkat gabungan 63,7%, dengan interval kepercayaan 95% dari 20,6% hingga 92,6%; tingkat keberhasilan masing-masing studi adalah 44,8% dan 79,8%. Meta-regresi menemukan bahwa perbedaan antarsubkelompok tersebut signifikan secara statistik pada p < 0,001.

Para penulis memperlakukan perbandingan tersebut sebagai analisis pascahoc dan eksploratif, bukan analisis yang telah didaftarkan sebelumnya. Kondisi penerapan berkaitan erat dengan supervisi, pelatihan, latar belakang operator, pemilihan pasien, dan definisi hasil; karena itu, analisis ini tidak membuktikan bahwa kondisi penerapan menjadi penyebabnya. Dengan hanya dua studi komunitas, estimasi yang lebih rendah itu bersifat deskriptif, bukan tingkat keberhasilan yang dapat diperkirakan untuk program mendatang.

Apa yang Diukur dalam Tinjauan Ini

Analisis ini mencakup 2.365 observasi pada tingkat pemeriksaan, pemindaian, atau citra yang diperoleh oleh 74 operator tanpa pelatihan formal atau sertifikasi ekokardiografi sebelumnya. Studi yang memenuhi syarat melibatkan pasien nyata dan panduan AI selama proses akuisisi, bukan interpretasi otomatis atas citra yang telah diambil sebelumnya. Bukti yang ditinjau mencakup lima sistem AI dan beragam jenis operator, mulai dari perawat dan staf penelitian nonklinis hingga peserta pelatihan medis, dokter umum, dan petugas kesehatan masyarakat.

Dua penelaah secara independen menelusuri PubMed/MEDLINE, Google Scholar, Embase, Scopus, dan ClinicalTrials.gov, dengan pembaruan terakhir pada 27 September 2026. Model statistik kedua memperkirakan tingkat keberhasilan keseluruhan sebesar 93,0%; pemeriksaan sensitivitas yang menggunakan kumpulan studi, definisi hasil, dan metode statistik berbeda menghasilkan kisaran 91,2% hingga 97,8%. Interval kepercayaan 95% untuk estimasi utama adalah 85,5% hingga 99,3%. Perbedaan yang besar antarstudi mendorong para penulis untuk memperingatkan agar estimasi keseluruhan tersebut tidak dianggap sebagai tingkat keberhasilan universal untuk penerapan baru.

Kecukupan Citra dan Hasil Klinis

Dalam lima studi, para ahli independen menilai kecukupan citra. Tiga studi lainnya mendefinisikan kecukupan sebagai keberhasilan perangkat lunak AI dalam menghasilkan pembacaan fraksi ejeksi ventrikel kiri secara otomatis, yaitu ukuran fungsi jantung. Dengan demikian, sistem yang dievaluasi juga menentukan hasil yang diukur. Tidak semua observasi mewakili pasien yang berbeda: enam studi melaporkan pemeriksaan, satu studi menghitung 60 upaya pemindaian pada 10 pasien, dan satu studi lainnya menghitung 954 citra dari 159 pasien.

Karena hampir semua studi yang disertakan merupakan studi satu kelompok, hasilnya menunjukkan capaian pemula dengan panduan AI, bukan seberapa besar manfaat tambahan yang diberikan panduan tersebut dibandingkan akuisisi tanpa bantuan. Akuisisi citra berkualitas diagnostik juga tidak sama dengan diagnosis yang akurat, dan tidak satu pun studi melaporkan dampaknya terhadap tata laksana klinis atau hasil pasien.

Para penelaah mengidentifikasi pelatihan operator, supervisi, pemeriksaan kualitas citra, dan penjaminan mutu sebagai prioritas untuk penerapan yang lebih luas. Mereka juga menyerukan studi komparatif pada pasien nyata yang menghubungkan kecukupan citra dengan akurasi diagnosis dan hasil klinis. Bagi program skrining, implikasi praktisnya adalah bahwa tenaga nonahli yang terlatih dapat memperoleh citra secara layak dengan protokol terstruktur. Namun, penerapan yang lebih luas masih memerlukan bukti bahwa akuisisi yang andal dapat direproduksi di lingkungan komunitas serta bahwa citra yang dihasilkan mengarah pada diagnosis yang akurat dan hasil pasien yang lebih baik.

Lila Rowan adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi persimpangan kecerdasan buatan, perawatan kesehatan, dan kesejahteraan mental. Pekerjaannya berfokus pada bagaimana alat yang didorong oleh AI memperbaiki diagnosis, memperluas akses ke perawatan, dan mendukung layanan kesehatan mental dengan cara yang melengkapi, bukan menggantikan, klinisi manusia.
Dengan perspektif yang penuh kasih sayang dan berbasis bukti, Lila menelaah studi klinis, penerapan dunia nyata, dan teknologi kesehatan yang muncul melalui lensa humanistik. Ia tertarik khusus pada aplikasi AI yang mengurangi hambatan untuk perawatan, meningkatkan deteksi dini, dan mendukung kesejahteraan mental sambil menghormati privasi pasien, keselamatan, dan standar etika.
Artikel yang ditulis oleh Lila Rowan dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, sensitivitas, dan pelaporan yang bertanggung jawab tentang teknologi kesehatan dan kesejahteraan mental.