Kematian jantung mendadak. Ini adalah berita utama yang suram yang menimpa 300.001 orang di AS setiap tahunnya.
Ada defibrilasi implan. Mereka menghentikan ritme yang mematikan. Teknologinya berfungsi dengan baik. Sakit kepala yang sebenarnya? Kita tidak tahu siapa yang membutuhkannya hingga sering kali sudah terlambat.
Itu sedikit berubah hari ini.
Sebuah tim yang dipimpin oleh Ziad Obermeya, seorang profesor di UC Berkeley, baru saja menghentikan studinya di Alam. Mereka melatih jaringan saraf untuk mengenali bahaya pada elektrokardiogram (EKG) sepuluh detik. Kemudian, yang terpenting, mereka membangun jaringan kedua untuk menunjukkan bagaimana jaringan pertama melakukannya.
Mengapa repot-repot dengan model kedua?
Karena kedokteran membenci kotak hitam. Kita membutuhkan manusia yang ahli untuk melihat sendiri petunjuknya.
Saat ini ahli jantung mengandalkan fraksi ejeksi ventrikel kiri (LVEF). Ini mengukur berapa banyak darah yang dipompa jantung per denyut melalui USG.
Ini jauh dari sempurna.
“Banyak orang yang tiba-tiba meninggal… sudah menjalaninya [USG] dan hasilnya normal” kata Obermeyer. Sementara itu, banyak orang berisiko tinggi tidak pernah menjalani pemeriksaan. Di sisi lain, kebanyakan orang yang ditandai sebagai orang berisiko tinggi tidak pernah benar-benar memicu defibrilatornya. Kami memperlakukan beberapa orang secara berlebihan. Meremehkan orang lain.
Tim Obermeyer menginginkan yang lebih baik.
Mereka beralih ke EKG. Murah. Ada dimana-mana. Namun selama satu abad, ahli jantung hanya melihat bentuk gelombang yang familiar. Tidak ada kode tersembunyi untuk kematian mendadak. Jadi mereka membiarkan pembelajaran mendalam menggali.
Mesinnya adalah ResNet 64 lapis. Membosankan? Tentu.
“Ini semacam model rumah kerja yang digunakan semua orang.”
Keajaiban adalah bahan bakarnya. Mereka memberikan lebih dari 440.090 EKG dari 180 ribu pasien di Swedia yang terkait dengan catatan kematian. Kumpulan data yang sangat besar. AI menandai sekitar 2,2% sebagai risiko tinggi.
Apakah itu bertahan di tempat lain?
Ya. Mereka menguji data AS dan Taiwan. Sinyalnya tetap tajam. Dalam kelompok kecil 2,2 itu, angka kematian tahunan mencapai 7%. Tes USG standar melewatkan hal ini. Lebih dari 86% pilihan AI tidak akan menimbulkan kekhawatiran dengan alat tradisional. Pasien-pasien ini kemungkinan besar berjalan pulang tanpa perlindungan.
“Tetapi apa yang dilihat mesin itu?” Obermeyer bertanya.
Alat penjelasan standar menyorot piksel. Tidak membantu dokter manusia. Anda membutuhkan sebuah pola. Gelombang yang bisa digambarkan.
Jadi mereka membangun model generatif. Tugasnya: mengubah EKG yang aman menjadi EKG yang berisiko selangkah demi selangkah hingga jaringan pertama meneriakkan bahaya.
Sebagian besar perubahan telah diketahui. Mengharapkan.
Tapi satu fitur? Baru. Tidak pernah dijelaskan.
Sebuah cercaan halus pada timbal aVL. Seperti pecahan sinyal listrik yang mengenai otot.
“Kami mengekstrak pengetahuan baru dari kecerdasan buatan,” kata Changxin Lai dari Johns Hopkins, yang bukan bagian dari penelitian ini tetapi meninjau penelitian tersebut.
Kedengarannya menakutkan?
Mungkin. Untuk beberapa pasien berisiko tinggi, MRI menunjukkan fibrosis difus. Bekas luka yang cocok dengan gelombang aneh yang dihasilkan AI. Penyebab fisik peringatan digital. Obermeyer mengakui konfirmasi biopsinya hilang. Ini masih tahap awal.
Jangan panik dulu.
“Ini belum siap untuk memandu pengobatan” Sumeet Chugh dari Cedars-Sinai memperingatkan. Dia melihat lebih banyak penelitian sebelum mengidentifikasi kandidat defibrilator dalam praktiknya.
Tapi pikirkan tentang logistiknya. MRI mahal. Jarang untuk disaring.
EKG? Dimanapun. Apple Watch dapat merekamnya. Ya, AI lebih memilih data tingkat rumah sakit tetapi kesenjangannya semakin menyempit. Menurut tim, penurunan kualitas dari teknologi konsumen tidak terlalu signifikan.
Keindahan dari pendekatan ini? Anda tidak harus mempercayai robot itu.
“Anda bisa menggunakannya untuk menargetkan tambahan,” jelas Obermeyer. Ini menandai siapa yang menyelam lebih dalam. Bukan siapa yang menjalani operasi hari ini.
Namun hal ini meninggalkan pertanyaan yang menggantung di udara.
Jika AI menemukan retakan pada sinyal yang kita abaikan selama seratus tahun, berapa banyak hantu lain yang bersembunyi di grafik kita?
Kita mungkin tidak akan pernah tahu kecuali kita mendengarkannya.
