Kabar Kesehatan – Penggunaan Kecerdasan Buatan untuk Memprediksi Kematian
Penelitian baru yang muncul dalam jurnal PLOS ONE menunjukkan bahwa pembelajaran mesin dapat menjadi alat yang berharga untuk memprediksi risiko kematian dini. Para ilmuwan membandingkan akurasi prediksi kecerdasan buatan dengan metode statistik yang saat ini digunakan para ahli dalam penelitian medis.
Peningkatan jumlah penelitian terbaru menunjukkan bahwa algoritma komputer dan kecerdasan buatan (AI) pembelajaran terbukti sangat berguna di dunia medis.
Sebagai contoh, sebuah penelitian yang muncul beberapa bulan lalu menemukan bahwa algoritma pembelajaran yang mendalam dapat secara akurat memprediksi timbulnya penyakit Alzheimer sedini 6 tahunsebelumnya.
Menggunakan apa yang disebut “dataset pelatihan,” algoritma pembelajaran yang dalam dapat “mengajar diri mereka sendiri” untuk memprediksi jika dan kapan suatu peristiwa akan terjadi.
Sekarang, para peneliti telah menetapkan untuk memeriksa apakah pembelajaran mesin dapat secara akurat memprediksi kematian dini karena penyakit kronis.
Stephen Weng, yang merupakan asisten profesor epidemiologi dan ilmu data di Universitas Nottingham di Inggris, memimpin penelitian baru ini.
Bagaimana AI dapat membantu perawatan pencegahan
Weng dan rekannya memeriksa data kesehatan pada lebih dari setengah juta orang antara usia 40 dan 69 tahun. Para peserta telah terdaftar dalam studi Biobank Inggris antara tahun 2006 dan 2010. Para peneliti studi UK Biobank secara klinis mengikuti peserta hingga 2016.
Untuk studi saat ini, Weng dan tim mengembangkan sistem algoritma pembelajaran menggunakan dua model yang disebut “hutan acak” dan “pembelajaran yang mendalam.” Mereka menggunakan model untuk memprediksi risiko kematian dini karena penyakit kronis.
Para ilmuwan memeriksa akurasi prediksi model-model ini dan membandingkannya dengan model prediksi konvensional, seperti analisis ” regresi Cox ” dan model Cox multivariat.
“Kami memetakan prediksi yang dihasilkan untuk data kematian dari kohort menggunakan catatan kematian Kantor Statistik Nasional, registrasi kanker Inggris , dan statistik ‘episode rumah sakit’,” jelas kepala peneliti penelitian.
Studi ini menemukan bahwa model regresi Cox adalah yang paling akurat dalam memprediksi kematian dini, sedangkan model multivariat Cox sedikit lebih baik tetapi cenderung melebih-lebihkan risiko kematian.
Secara keseluruhan, “algoritma pembelajaran mesin secara signifikan lebih akurat dalam memprediksi kematian daripada model prediksi standar yang dikembangkan oleh seorang ahli manusia,” lapor Weng. Peneliti juga berkomentar tentang signifikansi klinis dari temuan.
Dia mengatakan, “Perawatan kesehatan pencegahan merupakan prioritas yang berkembang dalam memerangi penyakit serius, jadi kami telah bekerja selama beberapa tahun untuk meningkatkan akurasi penilaian risiko kesehatan terkomputerisasi pada populasi umum.”
“Sebagian besar aplikasi fokus pada area penyakit tunggal, tetapi memprediksi kematian karena beberapa hasil penyakit sangat kompleks, terutama mengingat faktor lingkungan dan individu yang dapat memengaruhi mereka.”
“Kami telah mengambil langkah besar ke depan dalam bidang ini dengan mengembangkan pendekatan yang unik dan holistik untuk memprediksi risiko kematian dini seseorang dengan pembelajaran mesin,” kata Stephen Weng.