Ilmuwan Latih AI yang Bisa Ukur Risiko Ribuan Penyakit, Seperti Serangan Jantung

Tim peneliti dari Inggris, Denmark, Jerman, dan Swiss mengumumkan model kecerdasan buatan (AI) yang diklaim mampu memproyeksikan risiko lebih dari 1.000 penyakit.

Model ini dilatih menggunakan data UK Biobank, bank data biomedis Inggris berisi sekitar hampir satu juta peserta, dan diuji ulang pada hampir 1,9 juta rekam medis warga Denmark tanpa mengubah parameter.

Pakar AI dari German Cancer Research Center, Moritz Gerstung, mengatakan, kecerdasan buatan ini memahami urutan diagnosis mirip mempelajari “tata bahasa” dalam teks.

Delphi-2M, mempelajari pola kemunculan dan keterkaitan diagnosis sehingga menghasilkan “prediksi yang sangat bermakna bagi kesehatan,” katanya dikutip dari Science Alert.

Model ini dapat menyaring individu dengan risiko serangan jantung jauh lebih tinggi atau lebih rendah daripada yang diperkirakan berdasarkan usia dan faktor umum lain.

Meski demikian, para peneliti menegaskan bahwa Delphi-2M belum siap dipakai secara luas dan masih dalam tahap pengembangan.

“Masih jauh menuju perbaikan layanan kesehatan,” ujar mereka, seraya mengakui basis data Inggris dan Denmark memiliki bias umur, etnisitas, dan luaran layanan kesehatan.

Peneliti teknologi kesehatan di Institution of Engineering and Technology Inggris Peter Bannister, menilai keterbatasan tersebut perlu diatasi. Sistem seperti Delphi-2M kelak bisa membantu pemantauan dan intervensi lebih dini dalam kerangka pengobatan preventif.

Pada skala yang lebih besar, menurut Tom Fitzgerald dari European Molecular Biology Laboratory, alat semacam ini berpotensi membantu optimasi sumber daya di sistem kesehatan yang kian besar.

Konsep penilaian risiko berbasis komputer seperti ini sebenarnya bukan yang pertama. Di klinik dokter umum di Inggris, misalnya, memakai QRISK3 untuk mengukur risiko serangan jantung atau stroke.

Berdasarkan penjelasan dalam jurnal Nature berjudul Learning the natural history of human disease with generative transformers, Delphi-2M bekerja dengan merepresentasikan perjalanan kesehatan seseorang sebagai rangkaian kode diagnosis ICD-10, usia saat didiagnosis, serta faktor seperti jenis kelamin, indeks massa tubuh, kebiasaan merokok, dan konsumsi alkohol.

Dengan pendekatan generatif, model ini juga bisa menyintesis lintasan kesehatan masa depan hingga 20 tahun, memberikan estimasi beban penyakit potensial pada tingkat individu maupun populasi tanpa mengekspos data pribadi.

Uji performa menunjukkan Delphi-2M cukup akurat. Tim juga menampilkan metode explainable AI (SHAP) guna menafsirkan prediksi model, termasuk klaster komorbiditas lintas bab ICD-10 dan konsekuensi waktunya terhadap risiko penyakit di masa depan.

Profesor spesialis AI medis dari King’s College...