AI Temukan Sinyal EKG Baru yang Lebih Akurat Prediksi Henti Jantung Mendadak

Cara Model Dilatih dan Divalidasi

Tim peneliti menerapkan pendekatan yang sangat ketat. Mereka memasangkan lebih dari 440.000 rekaman EKG dari catatan kesehatan Swedia dengan data sertifikat kematian, sehingga AI bisa mempelajari pola gelombang mana yang mendahului henti jantung mendadak . Tidak seperti analisis konvensional yang hanya membaca ringkasan, arsitektur deep learning ini menganalisis seluruh sinyal 12 sadapan — memungkinkannya menemukan pola non-linear halus yang sama sekali tidak kasat mata.

Agar temuan ini tidak hanya berlaku di Swedia, model diuji secara eksternal pada ribuan rekaman pasien independen dari Amerika Serikat dan Taiwan. Hasilnya tetap konsisten di berbagai populasi dan sistem kesehatan, memberikan bukti kuat bahwa model ini bersifat general .

Mengapa Mendeteksi Henti Jantung Mendadak Selama Ini Sulit?

Henti jantung mendadak (sudden cardiac arrest) berbeda secara fundamental dengan serangan jantung (heart attack). Serangan jantung disebabkan oleh penyumbatan pembuluh darah yang membuat otot jantung kekurangan oksigen. Sedangkan henti jantung mendadak adalah gangguan kelistrikan — arus listrik jantung tiba-tiba berhenti tanpa peringatan .

Kematian terjadi begitu cepat sehingga hampir mustahil mempelajari detak jantung sesaat sebelum kejadian. Otopsi bisa menunjukkan masalah struktural (pembuluh tersumbat, jaringan parut), tetapi seperti diungkapkan peneliti, "fungsi jantung sesaat sebelum kematian masih menjadi kotak hitam" .

Tes standar emas saat ini — mengukur LVEF atau persentase darah yang dipompa jantung setiap detakan — adalah alat yang sangat kasar. Banyak orang yang meninggal karena henti jantung mendadak justru memiliki LVEF normal. Sebaliknya, banyak juga yang LVEF-nya rendah tetapi tidak pernah mengalami henti jantung . Pendekatan standar ini gagal mendeteksi sebagian besar orang yang benar-benar membutuhkan pertolongan.

Perbandingan Hasil dengan Tes Standar

AI mengidentifikasi kelompok risiko tinggi yang mencakup sekitar 2,2% dari populasi yang discan. Angka kematian jantung mendadak tahunan sebesar 7,0% pada kelompok ini sebanding atau bahkan lebih baik dari ambang risiko yang digunakan dalam uji klinis untuk pemasangan defibrilator implan (ICD) . Artinya, banyak pasien yang selama ini lolos dari deteksi bisa menjadi kandidat untuk alat penyelamat jiwa.

Langkah Selanjutnya

Penelitian ini membuka tiga jalur utama:

1. Penerapan klinis untuk keputusan pemasangan defibrilator: EKG adalah alat murah, non-invasif, dan tersedia di hampir semua klinik di dunia. Model AI bisa membantu dokter memutuskan pasien mana yang perlu dipasangi implantable cardioverter-defibrillator (ICD). Seperti dikatakan Obermeyer, "Jika Anda tahu bahwa Anda adalah salah satu orang yang akan meninggal mendadak, Anda pasti akan pergi ke kardiolog dan memasang defibrilator. Masalahnya, dokter tidak bisa tahu siapa yang membutuhkannya sebelum semuanya terlambat" .

2. Pemahaman fisiologis baru: Gelombang baru yang ditemukan AI — tanpa disuruh mencari apa pun — membuka arah penelitian yang sama sekali baru. Memahami mekanisme kelistrikan di balik gelombang R tumpul di sadapan aVL bisa mengungkap mengapa jantung tertentu tiba-tiba mengalami korsleting. "Kami tidak hanya bisa membuat keputusan yang lebih baik, tetapi juga mulai memahami apa yang sebenarnya terjadi pada pasien ini sebelum jantung mereka berhenti," ujar Obermeyer .

3. Uji coba prospektif sebelum adopsi luas: Meskipun validasi eksternal di tiga negara merupakan bukti yang kuat, model ini tetap perlu diuji dalam uji klinis prospektif sebelum digunakan secara rutin. Pekerjaan tim peneliti ini menunjukkan jenis validasi lintas populasi yang ketat yang membuat temuan ini begitu menjanjikan .