Peran Kecerdasan Buatan Dalam Pengobatan Kardiovaskular – Program kecerdasan buatan (AI) atau kecerdasan buatan mungkin berpotensi membawa kemajuan signifikan dalam dunia medis, termasuk penyakit kardiovaskular. Kecerdasan buatan telah banyak dipelajari dan diterapkan dalam praktik medis dalam satu dekade terakhir, misalnya dalam diagnosis kanker dan retinopati diabetik.

Peran Kecerdasan Buatan Dalam Pengobatan Kardiovaskular

roskapital – Hingga saat ini, kecerdasan buatan telah diterapkan pada diagnosis, pengelolaan, dan prediksi risiko penyakit, yang memudahkan pekerjaan klinik dengan menginterpretasikan hasil tertentu secara lebih cepat dan efisien.

Seiring berjalannya waktu, teknologi AI akan terus berkembang dan perannya dalam pengobatan kardiovaskular, khususnya pencitraan, diperkirakan akan semakin meningkat.

Dasar-dasar penggunaan kecerdasan buatan dalam pengobatan

Kecerdasan buatan dapat diterapkan dalam bidang medis dan dalam diagnosis, pengobatan, dan prediksi risiko. Kecerdasan buatan diharapkan mampu:

• membantu dokter mendiagnosis penyakit dan mengoptimalkan proses penatalaksanaan
• mengurangi jumlah diagnosis palsu dan meningkatkan efisiensi diagnosis
• mengidentifikasi hasil pencitraan dan memberikan informasi diagnostik pencitraan yang lebih akurat
• memberikan prognosis yang lebih akurat bagi pasien dengan hasil analisis big data
• Mendukung penelitian obat dan meningkatkan pengembangan obat baru
• Beberapa aspek kecerdasan buatan telah dikembangkan dalam bidang kedokteran, khususnya di bidang penyakit kardiovaskular, antara lain pembelajaran mesin, pembelajaran mendalam, dan komputasi kognitif.

Pembelajaran mesin (ML) mencakup berbagai teknik untuk memecahkan masalah kompleks menggunakan data besar yang mengidentifikasi pola interaksi antar variabel. ML menggunakan perangkat lunak yang memungkinkan komputer memeriksa data, mengenali pola, dan mengambil keputusan. Metode ini sering digunakan dalam studi radiologi dengan teknologi kecerdasan buatan [3,4]

Deep learning (DL) merupakan bagian dari ML yang mencoba meniru cara kerja otak manusia dalam pemrosesan informasi dan pola pengambilan keputusan. DL memiliki aplikasi potensial dalam pencitraan kardiovaskular seperti ekokardiografi pelacakan spekel 2D, ekokardiografi pelacakan spekel 3D, angiografi, dan resonansi magnetik jantung. DL juga dapat dilatih untuk melakukan tugas pembelajaran tanpa pengawasan seperti interaksi obat baru.

 

Baca Juga : Teknologi Kecerdasan Buatan Dalam Kesehatan

 

Peran kecerdasan buatan dalam pencitraan kardiovaskular

Kecerdasan buatan paling sering digunakan dalam studi radiologi atau pencitraan. Di bidang penyakit kardiovaskular, AI dapat menyederhanakan alur kerja dokter dengan menafsirkan hasil tertentu secara lebih cepat dan efisien. Berikut penerapan kecerdasan buatan dalam beberapa penelitian pencitraan jantung.[4]

Ekokardiografi

Ekokardiografi merupakan pemeriksaan radiologi yang paling sering digunakan dalam pemeriksaan kardiovaskular. Dengan kecerdasan buatan, algoritma ML dapat mengurangi waktu evaluasi dengan melakukan beberapa perhitungan otomatis pada hasil ekokardiografi. Selain itu, terdapat algoritma ML yang dapat secara otomatis mendeteksi batas endokardial dan mengukur volume dan fungsi ventrikel kiri [5,6]

Dalam studi oleh Asch et al., algoritma ML dilatih untuk memperkirakan LVEF atau LVEF. fraksi ejeksi ventrikel kiri (LVEF) didasarkan pada database lebih dari 50.000 hasil ekokardiografi, kemudian algoritma tersebut diuji untuk memperkirakan fraksi ejeksi pada 99 pasien.

Asch et al kemudian membandingkan hasil evaluasi dengan rata-rata hasil yang dievaluasi oleh tiga ahli dengan menggunakan metode tradisional. Hasilnya, nilai fraksi ejeksi yang dihasilkan AI sangat konsisten dan sesuai dengan pendapat para dokter.

Salah satu komponen yang dievaluasi dalam ekokardiogram adalah ketegangan jantung, yaitu pemendekan dan penebalan miokard, yang mengukur fungsi ventrikel kiri regional.

Parameter stres jantung digunakan untuk mengklasifikasikan gagal jantung dengan fenotip fraksi ejeksi yang diawetkan (HFpEF) dalam studi yang dilakukan oleh Tabassia et al. Hasilnya, model AI berhasil memprediksi risiko rawat inap, intoleransi aktivitas, dan tekanan pengisian ventrikel kiri pada pasien HFpEF.[5] Algoritme

ML juga dapat membantu penilaian dan pengobatan penyakit katup jantung. Costa et al menggunakan DL untuk mensegmentasi katup mitral pada gambar sumbu panjang parasternal (PLAX) dan gambar ventrikel apikal 4. Selain itu, Wang dkk saat ini sedang menyelidiki penggunaan ML untuk memperkirakan aliran masuk mitral dan aliran keluar aorta. Saat ini, penggunaan ML untuk tujuan ini masih dalam tahap awal.

 

Baca Juga : Daftar Aplikasi AI Music Generator Untuk Membuat Lagu Kompleks

 

Pemindaian tomografi komputer (CT)

Penggunaan algoritma ML dapat mempercepat dan mengotomatiskan berbagai proses, sehingga memperluas cakupan CT scan jantung.[2,5]

Algoritma DL yang dapat mengurangi kebisingan data dan pergerakan jantung artefak, dapat mempercepat rekonstruksi gambar sekaligus mempertahankan nilai diagnostik CT scan jantung yang tinggi.

Pada pasien yang menjalani pemindaian kalsium arteri koroner (CAC), pengukuran otomatis skor CAC, jaringan adiposa epikardial (MANTA), dan ruang jantung diintegrasikan ke dalam laporan klinis rutin, sehingga mengurangi beban kerja bagi dokter dan teknisi.

Pada pasien yang menjalani angiografi tomografi komputer koroner (CCTA), AI dapat dengan cepat dan akurat menghitung tingkat keparahan stenosis anatomis dan fungsional.[2]

CT Fractional Flow Reserve (CT-FFR) baru-baru ini muncul sebagai pilihan non-invasif untuk diagnosis nyeri dada. Meskipun penggunaannya masih dalam tahap awal, CT-FFR merupakan salah satu metode untuk evaluasi anatomi dan fungsional jantung. Dalam hal ini, algoritma ML dapat menghitung FFR tanpa menggunakan komputasi dinamika fluida dan memberikan informasi yang lebih prediktif.[5]

Pencitraan resonansi magnetik

Pencitraan resonansi magnetik jantung (CMR) saat ini dipromosikan sebagai standar emas untuk penilaian non-invasif terhadap fraksi ejeksi dan volume ventrikel kiri. CMR juga dapat menentukan sifat jaringan jantung, yang kemudian menentukan pengobatan sesuai dengan keadaan penyakitnya [5,7]

Mirip dengan ekokardiografi, strain merupakan biomarker yang dapat dievaluasi dengan CMR, namun memerlukan analisis yang panjang untuk mengevaluasinya. Menariknya, proses ini dapat dipersingkat dengan menggunakan algoritma ML.

Ruijsink dkk menemukan korelasi yang sangat tinggi antara algoritme jaringan saraf konvolusional (CNN) dan analisis manual volume ventrikel kiri dan kanan, distensi serta volume pengisian dan ejeksi CMR.

Studi lain yang dilakukan Winter dkk menunjukkan bahwa kinerja DL dapat menandingi atau bahkan melampaui pakar manusia dalam mensegmentasi endokardium dan epikardium ventrikel kanan dan kiri.[5]

Bhuva dkk melakukan penelitian yang melakukan pemindaian CMR: pemindaian ulang pada total 101 pasien. Selanjutnya, pengukuran volume, massa, dan fraksi ejeksi ventrikel kiri setiap pasien dibandingkan.

Kesimpulan

Di bidang kedokteran, kecerdasan buatan dapat diterapkan dalam diagnosis, pengobatan, dan prediksi risiko. Beberapa bidang kecerdasan buatan mencakup pembelajaran mesin, pembelajaran mendalam, dan komputasi kognitif. Kecerdasan buatan cukup sering digunakan dalam studi radiologi.

Di bidang penyakit kardiovaskular, kecerdasan buatan dapat menyederhanakan alur kerja dokter dengan menginterpretasikan hasil tertentu secara lebih cepat dan efisien, misalnya dalam ekokardiografi saat mengevaluasi fraksi ejeksi ventrikel kiri.

CMR dapat digunakan sebagai biomarker regangan jantung untuk estimasi noninvasif fraksi ejeksi dan volume ventrikel kiri, namun penelitian ini memerlukan waktu analisis yang lama. Menariknya, proses ini dapat dipersingkat menggunakan algoritma ML dengan akurasi yang mirip dengan analisis pakar.

Agar kecerdasan buatan memiliki potensi sebesar-besarnya di bidang penyakit kardiovaskular di masa depan, para dokter dan ahli radiologi harus berpartisipasi aktif dalam pengembangan dan realisasi penelitian teknologi ini.