Model AI Mengurangi Kesalahan Pemeriksaan Mata Secara Drastis

Para peneliti baru-baru ini merancang algoritma kecerdasan buatan yang tampaknya dapat mendiagnosis masalah penglihatan dengan lebih akurat daripada tes penglihatan klasik yang saat ini digunakan oleh dokter. Menurut Science, tes baru ini dapat mengurangi kesalahan diagnosis untuk pemeriksaan mata sekitar 74%.

Ophthalmolog telah menggunakan tes penglihatan yang sama, tes mata klasik berdasarkan grafik dengan huruf dan simbol yang berbeda ukurannya, selama beberapa dekade. Hasil tes ini diserahkan kepada ophthalmolog untuk ditafsirkan, dan tentu saja, ada kemungkinan kesalahan dalam menafsirkan hasil dan memberikan diagnosis. Peneliti dari Stanford University bertujuan untuk meningkatkan tes ini dengan algoritma kecerdasan buatan.

Menurut seorang ilmuwan komputer di Stanford, Chris Piech, bagian dari masalah dengan tes tradisional adalah bahwa ketika huruf menjadi terlalu buram untuk dilihat oleh subjek tes, subjek mulai menebak huruf. Ini berarti bahwa hasil tes dapat bervariasi jika seseorang mengambil tes beberapa kali. Untuk mengembangkan tes dengan akurasi dan replikasi yang lebih baik, Piech dan rekan-rekannya membuat tes online, dengan hasil tes digunakan untuk melatih model kecerdasan buatan. Tes online pertama kali memandu pengguna melalui proses kalibrasi layar. Setelah layar dikalibrasi, pengguna memasukkan jarak mereka dari layar dan kemudian program menampilkan huruf “E”, yang muncul dalam berbagai orientasi. Setelah ini selesai, model memberikan skor penglihatan kepada pengguna, berdasarkan model statistik. Program ini meminta 20 pertanyaan untuk setiap mata, memperbarui skor penglihatan saat melakukannya, dan kemudian membuat prediksi berdasarkan skor penglihatan.

Tim peneliti menjalankan model mereka melalui 1000 simulasi komputer yang meniru input pasien yang sebenarnya. Simulasi komputer ini beroperasi dengan diprima dengan skor akurasi penglihatan yang diketahui dan kemudian membuat kesalahan yang mungkin dilakukan oleh seseorang saat mengambil tes. Peneliti melakukan tes ini karena untuk setiap tes ada “skor akurasi sebenarnya”, yang tidak terjadi ketika manusia mengambil tes. Menurut peneliti, model mereka dapat mengurangi kesalahan diagnosis sekitar tiga perempat (74%) dibandingkan dengan tes penglihatan klasik. Meskipun hasil ini cukup mengesankan, Piech dan rekan-rekannya berhati-hati bahwa model ini tidak dimaksudkan untuk menggantikan dokter, melainkan sebagai alat yang dapat digunakan oleh dokter untuk meningkatkan akurasi diagnosis.

Ophthalmolog Mark Blecher mengemukakan kepada Science bahwa sementara program ini merupakan implementasi yang berguna dan cerdas dari model kecerdasan buatan untuk oftalmologi, peneliti juga harus mempertimbangkan hal-hal seperti lingkungan di mana subjek tes mengambil tes, karena atribut ini juga dapat mempengaruhi hasil tes. Di luar itu, Blecher mengantisipasi bahwa peneliti mungkin akan mengalami kesulitan dalam mendapatkan ophthalmolog untuk menggunakan model baru mereka dan menyetujui standar baru, karena status quo dapat sulit untuk diubah.

Penelitian yang dilakukan oleh Piech dan rekan-rekannya tidaklah satu-satunya perkembangan baru yang terkait dengan kecerdasan buatan dan penglihatan. Baru-baru ini, Google (GOOGL ) mengembangkan model kecerdasan buatan yang dapat sesekali mengungguli klinisi dalam mengidentifikasi kondisi mata yang umum yang dapat menyebabkan kehilangan penglihatan. Google DeepMind berkolaborasi dengan Moorfields Eye Hospital untuk mengembangkan model yang dapat memprediksi secara bermakna kemungkinan bahwa seorang pasien akan mengembangkan bentuk yang parah dari degenerasi makula. Di tempat lain, sebuah startup Israel yang bernama AEYE Health menggunakan teknik penglihatan komputer dan pembelajaran mesin untuk mengembangkan pemindai retina yang dapat melakukan pengenalan kondisi mata yang umum dengan akurat, merujuk pasien ke dokter jika diagnosis positif. Severe form of macular degeneration. Di tempat lain, sebuah startup Israel yang bernama AEYE Health menggunakan teknik penglihatan komputer dan pembelajaran mesin untuk mengembangkan pemindai retina yang dapat melakukan pengenalan kondisi mata yang umum dengan akurat, merujuk pasien ke dokter jika diagnosis positif.