Terobosan UC Berkeley: AI Deteksi Sinyal Baru di EKG yang Lebih Akurat Prediksi Henti Jantung Mendadak

Pelatihan dan Validasi Model

Tim peneliti melatih model deep learning menggunakan lebih dari 440.000 rekaman EKG dari Swedia yang dihubungkan dengan data sertifikat kematian. Mereka memasukkan data dari orang sehat, pasien berisiko, dan mereka yang kemudian meninggal karena henti jantung mendadak, hingga AI belajar mengenali pola gelombang yang menjadi penanda risiko . Setelah itu, model divalidasi menggunakan ribuan file pasien tambahan dari Amerika Serikat (wilayah San Diego) dan Taiwan (Taipei) . Sebuah artikel berita pendamping di Nature juga mengonfirmasi bahwa model ini dikembangkan dengan data EKG dan catatan kematian yang sangat ekstensif .

Performa Deteksi Risiko

Sistem AI ini mampu mengidentifikasi kelompok berisiko tinggi dengan tingkat kematian jantung mendadak tahunan sebesar 7% . Sebagai perbandingan, tes klinis standar saat ini (yang mengukur seberapa banyak darah yang dipompa jantung setiap detaknya) hanya bisa mengidentifikasi kelompok berisiko tinggi dengan tingkat 4,6% per tahun . Artinya, model AI ini tidak hanya mendeteksi lebih banyak orang, tetapi juga lebih akurat dalam memprediksi siapa yang benar-benar akan mengalami henti jantung mendadak. Perbedaan ini bisa menyelamatkan ribuan pasien setiap tahun yang saat ini terlihat berisiko rendah menurut ukuran konvensional .

Mengapa Deteksi Selama Ini Sulit?

Henti jantung mendadak membunuh lebih dari 300.000 orang di Amerika Serikat setiap tahunnya. Kondisi ini terjadi ketika sistem kelistrikan jantung tiba-tiba berhenti bekerja tanpa peringatan . Obermeyer menjelaskan bahwa sebenarnya ada "obat" yang efektif, yaitu defibrillator implan (alat yang ditanam di dada untuk memberikan kejutan listrik dan mengembalikan irama jantung). Namun, masalah utamanya adalah dokter tidak bisa menentukan siapa yang membutuhkan alat ini sebelum terlambat . Inti masalahnya adalah orang meninggal begitu mendadak sehingga hampir mustahil untuk mengetahui apa yang terjadi di dalam jantung sesaat sebelumnya. Otopsi hanya bisa mengungkap detail struktur jantung, bukan fungsi kelistrikannya tepat sebelum kematian .

Langkah Selanjutnya

Para peneliti berencana untuk menerapkan algoritma ini di sistem layanan kesehatan untuk membantu dokter mengidentifikasi pasien yang membutuhkan defibrillator implan . Studi ini juga membuka pintu bagi riset baru tentang mekanisme fisiologis yang mendasari malfungsi kelistrikan jantung. Obermeyer menyatakan bahwa tujuannya adalah "tidak hanya membuat keputusan yang lebih baik, tetapi juga mulai memahami apa yang sebenarnya terjadi pada pasien-pasien ini sebelum jantung mereka berhenti" . Karena EKG adalah prosedur rutin, murah, dan tersedia di pusat medis di seluruh dunia, alat ini berpotensi diterapkan secara luas untuk menyelamatkan banyak nyawa .