Kesehatan

Peneliti Mengungkap Misteri Jantung dan Memprediksi Penyakit Jantung dengan AI

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Baru-baru ini, dua studi yang melibatkan jantung telah menggunakan algoritma AI untuk memahami lebih baik bagaimana jantung berfungsi dan gagal. Tim peneliti telah menggunakan algoritma kecerdasan buatan untuk memperoleh wawasan tentang bagaimana bentuk otot jantung mempengaruhi kinerjanya. Dengan bantuan algoritma AI, tim peneliti memperoleh wawasan tentang bagaimana ventrikel jantung memfasilitasi aliran darah dan menemukan enam bagian DNA yang memainkan peran penting dalam pengembangan otot jantung. Sementara itu, studi lain memeriksa bagaimana selfie dapat digunakan untuk mendiagnosis penyakit jantung .

Sejauh abad ke-15 dan ke-16, ilmuwan telah mempelajari jantung dan bertanya-tanya bagaimana struktur jantung terkait dengan fungsinya. Leonardo da Vinci bertanya-tanya bagaimana otot jantung bergerak darah di seluruh tubuh lebih dari 500 tahun yang lalu. Berkat tim peneliti dari lembaga seperti MRC London Institute of Medical Sciences, Cold Spring Harbor Laboratory, EMBL’s European Bioinformatics Institute (EMBL-EBI), Heidelberg University, dan Politecnico di Milano, kita sekarang lebih dekat untuk memahami peran yang dimainkan oleh trabekula jantung dalam pengembangan dan fungsi jantung.

Trabekula adalah serat otot yang membentuk jaringan pola geometris yang kompleks pada permukaan dalam jantung. Trabekula diyakini menyediakan oksigen untuk jantung saat berkembang, karena jantung itu sendiri adalah organ pertama yang berkembang dan tidak dapat mendapatkan oksigen dari paru-paru. Namun, telah lama menjadi misteri apa peran trabekula pada orang dewasa. Da Vinci berspekulasi bahwa trabekula jantung berfungsi untuk memanaskan darah saat bergerak melalui jantung, tetapi berkat teknik penelitian berbasis AI, kita sekarang memiliki gagasan tentang tujuan sebenarnya mereka.

Tim peneliti menggunakan algoritma AI untuk menganalisis sekitar 25000 pemindaian MRI (magnetic resonance imaging) jantung. Pemindaian ini diberikan kepada model AI bersama dengan data genetik dan data morfologi jantung. Peneliti menganalisis hasil model dan menemukan bahwa trabekula tampaknya memainkan peran dalam memfasilitasi aliran darah melalui ventrikel jantung. Pola geometris pada permukaan dalam jantung sekarang diyakini membantu aliran darah lebih efisien saat jantung berdetak.

Selain temuan bahwa trabekula dapat membantu aliran darah yang efisien, peneliti juga menemukan enam bagian DNA yang tampaknya mempengaruhi pengembangan trabekula. Dua dari enam bagian DNA juga memainkan peran dalam pengembangan jalur saraf yang bercabang di otak. Mungkin mekanisme yang sama yang menyebabkan trabekula juga menyebabkan sel saraf.

Bentuk trabekula bahkan mungkin memiliki hubungan dengan penyakit jantung. Data genetik dari lebih dari 50000 pasien dianalisis oleh tim peneliti, dan ditemukan bahwa pola trabekula yang berbeda memiliki beberapa korelasi dengan risiko mengembangkan penyakit jantung.

Dalam studi yang berbeda, seperti yang dilaporkan oleh Futurism, peneliti dari Pusat Nasional untuk Penyakit Kardiovaskular di Beijing, Cina bereksperimen dengan AI yang dapat memprediksi kemungkinan seseorang terkena penyakit jantung berdasarkan atribut fisik yang dapat ditangkap dalam gambar sederhana dari seseorang. Ada atribut fisik yang memiliki korelasi dengan penyakit jantung, seperti deposit kuning di dekat kelopak mata, cincin putih di tepi luar kornea dan rambut yang memutih atau menipis. Ketika dilatih pada gambar pasien dari rumah sakit Cina, algoritma dilaporkan outperform metode penilaian risiko penyakit jantung yang ada, dapat mendeteksi sekitar 80% kasus penyakit jantung. Ini juga menangkap sekitar 60% dari semua kasus penyakit jantung negatif.

Ada tingkat false positif yang tinggi yang terkait dengan algoritma, yang tim peneliti menyatakan bahwa mereka perlu mengatasi, mencatat bahwa false positif dapat menyebabkan pasien mengalami kecemasan yang tidak perlu dan membebani sistem medis dengan tes yang tidak perlu. Namun, jika tingkat false positif algoritma dapat diatasi dan akurasi keseluruhan ditingkatkan, maka dapat menjadi alat yang berguna untuk daerah di dunia yang berjuang untuk membiayai program skrining penyakit kardiovaskular yang memadai.

Blogger dan programmer dengan spesialisasi di Machine Learning dan Deep Learning topik. Daniel berharap untuk membantu orang lain menggunakan kekuatan AI untuk kebaikan sosial.