Algoritme secara Akurat Memprediksi Hasil Pasien Covid-19

Ilustrasi. (f:ist/mistar)

MISTAR.ID

Dengan komunitas di seluruh negara yang mengalami gelombang infeksi Covid-19, dokter membutuhkan alat yang efektif yang akan memungkinkan mereka untuk secara agresif dan akurat merawat setiap pasien berdasarkan presentasi penyakit spesifik, riwayat kesehatan, dan risiko medis mereka. Alat AI (kecerdasan buatan) dapat membantu dokter memberikan intervensi COVID-19 yang lebih efektif

Dalam penelitian yang baru-baru ini dipublikasikan secara online di Medical Image Analysis, tim insinyur mendemonstrasikan bagaimana algoritme baru yang mereka kembangkan berhasil memprediksi apakah pasien Covid-19 memerlukan intervensi ICU atau tidak. Pendekatan berbasis kecerdasan buatan ini dapat menjadi alat yang berharga dalam menentukan pengobatan yang tepat untuk setiap pasien.

Tim peneliti yang dipimpin oleh Pingkun Yan, asisten profesor teknik biomedis di Rensselaer Polytechnic Institute, mengembangkan metode ini dengan menggabungkan citra chest computed tomography (CT) yang menilai tingkat keparahan infeksi paru-paru pasien dengan data non-imaging, seperti demografi, informasi, tanda-tanda vital, dan hasil tes darah laboratorium. Dengan menggabungkan titik data ini, algoritme dapat memprediksi hasil akhir pasien, khususnya apakah pasien memerlukan intervensi ICU atau tidak.

Baca Juga:Lagi, 1 Pasien Covid-19 Meningal Dunia di Toba

Algoritme tersebut diuji pada kumpulan data yang dikumpulkan dari total 295 pasien dari tiga rumah sakit berbeda – satu di Amerika Serikat, satu di Iran, dan satu di Italia. Para peneliti dapat membandingkan prediksi algoritme dengan jenis perawatan apa yang sebenarnya dibutuhkan pasien.

“Sebagai praktisi AI, saya sangat percaya dengan kekuatannya,” kata Yan, yang merupakan anggota Pusat Studi Bioteknologi dan Interdisipliner (CBIS) di Rensselaer. “Ini benar-benar memungkinkan kami untuk menganalisis sejumlah besar data dan juga mengekstrak fitur yang mungkin tidak begitu jelas bagi mata manusia,” ujarnya.

Perkembangan ini adalah hasil penelitian yang didukung oleh hibah National Institutes of Health baru-baru ini, yang diberikan untuk memberikan solusi selama pandemi di seluruh dunia ini. Saat tim melanjutkan pekerjaannya, kata Yan, para peneliti akan mengintegrasikan algoritme baru mereka dengan algoritme baru yang sebelumnya dikembangkan Yan untuk menilai risiko pasien terkena penyakit kardiovaskular menggunakan CT scan dada.

“Kami tahu bahwa faktor kunci dalam mortalitas Covid adalah apakah pasien memiliki kondisi yang mendasari dan penyakit jantung merupakan komorbiditas yang signifikan,” kata Yan. “Seberapa besar hal ini berkontribusi pada perkembangan penyakit mereka, saat ini, cukup subjektif. Jadi, kami harus mengukur kondisi jantung mereka dan kemudian menentukan bagaimana kami memfaktorkannya ke dalam prediksi ini,” terangnya.

Baca Juga:Pasien Covid-19 yang Meninggal di Sumut Didominasi Pria

“Pekerjaan kritis ini, yang dipimpin oleh Profesor Yan, menawarkan solusi yang dapat ditindaklanjuti untuk dokter yang berada di tengah pandemi di seluruh dunia,” kata Deepak Vashishth, direktur CBIS. “Proyek ini menyoroti kemampuan keahlian Rensselaer dalam bioimaging yang dikombinasikan dengan kemitraan penting dengan institusi medis,” ujarnya.

Yan bergabung di Rensselaer oleh Ge Wang, seorang ketua profesor teknik biomedis dan anggota CBIS, serta mahasiswa pascasarjana Hanqing Chao, Xi Fang, dan Jiajin Zhang. Tim Rensselaer bekerja sama dengan Rumah Sakit Umum Massachusetts. Ketika pekerjaan ini selesai, kata Yan, tim berharap untuk menerjemahkan algoritmanya menjadi metode yang dapat digunakan dokter di Massachusetts General untuk menilai pasien mereka.

“Kami sebenarnya melihat bahwa dampaknya bisa melampaui penyakit Covid. Misalnya, pasien dengan penyakit paru-paru lain,” kata Yan.  “Kami menilai kondisi penyakit jantung mereka, bersama dengan kondisi paru-paru mereka, dapat memprediksi risiko kematian mereka dengan lebih baik sehingga kami dapat membantu mereka untuk mengelola kondisi mereka,” pungkasnya. (ScienceDaily/ja/hm12)