Penyakit kardiovaskular biasanya didiagnosis menggunakan serangkaian tes laboratorium dan image hasil pemindaian. Bagian utama dari diagnosis adalah riwayat medis dan keluarga pasien, faktor risiko, pemeriksaan fisik, dan koordinasi temuan dengan hasil tes dan prosedur. Untuk pertama kalinya, para peneliti di University of Utah (U of U) Health telah menunjukkan bahwa kecerdasan buatan (AI) dapat membantu memprediksi permulaan dan timbulnya penyakit kardiovaskular.
Menurut situs web genengnews.com, penemuan yang diterbitkan dalam jurnal PLOS Digital Health dalam sebuah makalah berjudul, “Pendekatan kecerdasan buatan yang dapat dijelaskan untuk memprediksi hasil kardiovaskular menggunakan catatan kesehatan elektronik.”
“Memahami variabel klinis yang bergantung pada kondisi yang mendorong hasil kesehatan kardiovaskular adalah tantangan utama untuk pengobatan presisi. Di sini, kami menerapkan metode penemuan komorbiditas berskala besar yang baru-baru ini dikembangkan dengan sebutan Poisson binomial based comorbidity discovery (PBC), untuk menganalisis catatan kesehatan elektronik (EHR) dari Universitas Utah dan Rumah Sakit Anak Primer (lebih dari 1,6 juta pasien dan 77 juta kunjungan) untuk diagnosis komorbiditas, prosedur, dan obat-obatan,” tulis para peneliti.
“Kita dapat beralih ke AI untuk membantu memperbaiki risiko untuk hampir setiap diagnosis medis,” kata Martin Tristani-Firouzi, MD, penulis studi yang sesuai dan ahli jantung pediatrik di U of U Health and Intermountain Primary Children’s Hospital, dan ilmuwan di Nora Lembaga Penelitian dan Pelatihan Kardiovaskular Eccles Harrison.
Para peneliti dari U of U Health dan Intermountain Primary Children’s Hospital menggunakan perangkat lunak pembelajaran mesin untuk memilah-milah lebih dari 1,6 juta EHR setelah nama dan informasi pengenal lainnya dihapus.
Catatan elektronik ini akan membantu para peneliti mengidentifikasi komorbiditas yang paling mungkin memperburuk kondisi medis tertentu seperti penyakit kardiovaskular. Mereka menggunakan bentuk AI yang disebut jaringan grafis probabilistik (PGM) untuk menghitung bagaimana kombinasi komorbiditas ini dapat mempengaruhi risiko yang terkait dengan transplantasi jantung, penyakit jantung bawaan, atau disfungsi nodus sinoatrial.
Para peneliti mengamati bahwa mereka yang memiliki diagnosis kardiomiopati sebelumnya memiliki risiko 86 kali lebih tinggi untuk membutuhkan transplantasi jantung daripada mereka yang tidak. Dan mereka yang mengidap miokarditis virus memiliki risiko sekitar 60 kali lebih tinggi untuk membutuhkan transplantasi jantung.
Para peneliti juga percaya bahwa penemuan mereka pada akhirnya dapat mengarah ke era baru pengobatan untuk pencegahan yang dipersonalisasi. Dokter akan bertindak secara proaktif menghubungi pasien untuk memperingatkan mereka tentang penyakit potensial dan apa yang dapat dilakukan untuk mengatasi masalah tersebut.(ra/hh)