Algoritma Pembelajaran Mandiri Dapat Memprediksi Kegagalan Jantung

Sebuah algoritma komputer berbasis kecerdasan buatan (AI) yang dapat mengidentifikasi perubahan halus dalam elektrokardiogram (ECG) dapat memprediksi ketika seseorang mengalami kegagalan jantung. Algoritma ini dikembangkan di Rumah Sakit Mount Sinai, dan penelitiannya diterbitkan di Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, adalah Asisten Profesor Genetika dan Ilmu Genomik, anggota Institut Hasso Plattner untuk Kesehatan Digital di Mount Sinai, dan penulis senior studi ini.

“Kami menunjukkan bahwa algoritma pembelajaran dalam dapat mengenali masalah pompa darah pada kedua sisi jantung dari data gelombang ECG,” kata Glicksberg. “Biasanya, mendiagnosis kondisi jantung ini memerlukan prosedur yang mahal dan memakan waktu. Kami berharap algoritma ini akan memungkinkan diagnosis kegagalan jantung yang lebih cepat.”

Peluang Baru dengan AI

Dokter telah secara tradisional menggunakan ekokardiogram, yang merupakan teknik pencitraan, untuk menilai apakah pasien mengalami kegagalan jantung. Namun, ini adalah proses yang memakan waktu dan hanya ditawarkan di beberapa rumah sakit.

AI menciptakan peluang baru dalam hal ini, dengan penelitian yang menunjukkan bahwa elektrokardiogram dapat menjadi alternatif yang efektif. Penelitian terbaru telah menunjukkan bahwa algoritma pembelajaran dalam dapat mendeteksi kelemahan di ventrikel kiri jantung. Penelitian baru dari Mount Sinai menjelaskan pengembangan algoritma yang menilai kekuatan ventrikel kiri serta ventrikel kanan.

Girish N. Nadkarni, MD, MPH, CPH, adalah Asisten Profesor Ilmu Kedokteran di Sekolah Kedokteran Icahn di Mount Sinai, Kepala Divisi Kedokteran Berbasis Data dan Digital (D4M), dan penulis senior penelitian ini.

“Meskipun menarik, secara tradisional telah menjadi tantangan bagi dokter untuk menggunakan ECG untuk mendiagnosis kegagalan jantung. Ini sebagian karena tidak ada kriteria diagnostik yang mapan untuk penilaian ini dan karena beberapa perubahan dalam pembacaan ECG terlalu halus untuk mata manusia,” kata Dr. Nadkarni. “Studi ini merupakan langkah maju yang menarik dalam menemukan informasi yang tersembunyi dalam data ECG yang dapat memimpin ke skema skrining dan pengobatan yang lebih baik menggunakan tes yang relatif sederhana dan tersedia secara luas.”

Pemrograman dan Pengujian Mesin

Peneliti memprogram komputer untuk membaca ECG pasien dan data yang diekstrak dari laporan tertulis, dengan yang terakhir bertindak sebagai set data standar untuk komputer untuk dibandingkan dengan data ECG. Ini memungkinkan komputer untuk mengidentifikasi jantung yang lebih lemah.

Dengan program pemrosesan bahasa alami (NLP), komputer dapat mengekstrak data ini dari kata-kata tertulis. Pada saat yang sama, jaringan saraf dapat menemukan pola dalam gambar, yang kemudian dapat dimasukkan ke dalam algoritma untuk membantu mengenali kekuatan pompa.

“Kami ingin mendorong kemajuan dengan mengembangkan AI yang dapat memahami seluruh jantung dengan mudah dan murah,” kata Dr. Vaid.

Mesin menganalisis 700.000 ECG dan laporan ekokardiogram, yang berasal dari empat rumah sakit yang berbeda. Rumah sakit kelima digunakan untuk menguji bagaimana algoritma akan berperforma dalam pengaturan eksperimental yang berbeda.

“Kelebihan potensial dari studi ini adalah bahwa itu melibatkan salah satu koleksi ECG terbesar dari populasi pasien yang paling beragam di dunia,” kata Dr. Nadkarni.

Algoritma menunjukkan kemampuan yang efektif untuk memprediksi pasien mana yang akan memiliki ventrikel kiri yang sehat atau lemah, dan 94 persen akurat dalam memprediksi pasien yang memiliki fraksi ejeksi yang sehat, yang merupakan jumlah cairan yang dipompa ventrikel dengan setiap denyut. Algoritma juga 87 persen akurat dalam memprediksi pasien yang memiliki fraksi ejeksi di bawah 40 persen.

Salah satu area yang masih memerlukan pekerjaan melibatkan prediksi pasien mana yang akan memiliki jantung yang sedikit melemah. Algoritma hanya memiliki tingkat akurasi 73 persen dalam memprediksi pasien yang memiliki fraksi ejeksi antara 40 dan 50 persen.

Algoritma juga dapat mendeteksi kelemahan katup kanan dari ECG, dengan mencapai tingkat akurasi 84 persen dalam memprediksi pasien yang memiliki katup kanan yang lemah.

“Hasil kami menunjukkan bahwa algoritma ini mungkin pada akhirnya membantu dokter mendiagnosis kegagalan jantung pada kedua sisi jantung,” kata Dr. Vaid.

Poin lain yang signifikan dari penelitian ini adalah bahwa itu menunjukkan AI dapat efektif dalam mendeteksi kelemahan jantung pada semua pasien, tanpa memandang ras dan jenis kelamin.

“Hasil kami menunjukkan bahwa algoritma ini dapat menjadi alat yang berguna untuk membantu praktisi klinis melawan kegagalan jantung yang dialami oleh berbagai pasien,” tambah Dr. Glicksberg. “Kami sedang dalam proses merancang percobaan prospektif dengan hati-hati untuk menguji efektivitasnya dalam pengaturan yang lebih nyata.”