AI dilatih untuk mengenali tanda-tanda peringatan dalam tes darah

Ini adalah fitur ketiga dari seri enam bagian yang membahas bagaimana AI mengubah penelitian dan perawatan medis.

Kanker ovarium merupakan penyakit yang “langka, kekurangan dana, dan mematikan”, kata Audra Moran, kepala Ovarian Cancer Research Alliance (Ocra), sebuah badan amal global yang berbasis di New York.

Seperti semua jenis kanker, semakin dini terdeteksi semakin baik.

Sebagian besar kanker ovarium bermula di saluran tuba, jadi saat kanker mencapai ovarium, kanker tersebut mungkin sudah menyebar ke tempat lain juga.

“Lima tahun sebelum Anda merasakan suatu gejala adalah saat Anda mungkin harus mendeteksi kanker ovarium, untuk mempengaruhi angka kematian,” kata Ms Moran.

Namun kini muncul tes darah baru yang menggunakan kekuatan kecerdasan buatan (AI) untuk menemukan tanda-tanda kanker pada tahap awal.

Dan bukan hanya kanker, AI juga dapat mempercepat tes darah lainnya untuk mendeteksi infeksi yang berpotensi mematikan seperti pneumonia.

Dr Daniel Heller adalah seorang insinyur biomedis di Memorial Sloan Kettering Cancer Center di New York.

Timnya telah mengembangkan teknologi pengujian yang menggunakan nanotube – tabung kecil karbon yang berukuran sekitar 50.000 kali lebih kecil dari diameter rambut manusia.

Sekitar 20 tahun lalu, para ilmuwan mulai menemukan nanotube yang dapat memancarkan cahaya neon.

Dalam dekade terakhir, para peneliti mempelajari cara mengubah sifat nanotube sehingga mereka merespons hampir semua hal di dalam darah.

Sekarang kita bisa memasukkan jutaan nanotube ke dalam sampel darah dan membuatnya memancarkan panjang gelombang cahaya berbeda berdasarkan apa yang menempel pada nanotube tersebut.

Namun hal ini masih menyisakan pertanyaan mengenai penafsiran sinyal, yang Dr Heller ibaratkan seperti menemukan kecocokan sidik jari.

Dalam hal ini sidik jari merupakan suatu pola molekul yang berikatan dengan sensor, dengan sensitivitas dan kekuatan pengikatan yang berbeda-beda.

Tapi polanya terlalu halus untuk bisa dilihat oleh manusia.

“Kami bisa melihat datanya dan kami tidak akan memahaminya sama sekali,” katanya. “Kami hanya bisa melihat pola yang berbeda dengan AI.”

Mendekode data nanotube berarti memuat data ke dalam algoritme pembelajaran mesin, dan memberi tahu algoritme tersebut sampel mana yang berasal dari pasien dengan kanker ovarium, dan mana dari orang yang tidak mengidap kanker ovarium.

Ini termasuk darah dari penderita kanker jenis lain, atau penyakit ginekologi lain yang mungkin disalahartikan sebagai kanker ovarium.

Tantangan besar dalam menggunakan AI untuk mengembangkan tes darah untuk penelitian kanker ovarium adalah bahwa hal ini relatif jarang terjadi, sehingga membatasi data untuk algoritma pelatihan.

Dan sebagian besar data tersebut disimpan di rumah sakit yang merawat mereka, sehingga sangat sedikit pembagian data bagi para peneliti.

Dr Heller menggambarkan pelatihan algoritma pada data yang tersedia hanya dari 100 pasien sebagai “kartu Salam Maria”.

Namun dia mengatakan AI mampu mendapatkan akurasi yang lebih baik daripada biomarker kanker terbaik yang ada saat ini – dan itu baru percobaan pertama.

Sistem ini sedang menjalani penelitian lebih lanjut untuk melihat apakah sistem ini dapat ditingkatkan dengan menggunakan rangkaian sensor yang lebih besar, dan sampel dari lebih banyak pasien. Lebih banyak data dapat meningkatkan algoritme, sama seperti algoritme untuk mobil tanpa pengemudi dapat ditingkatkan dengan lebih banyak pengujian di jalan.

Dr Heller menaruh harapan besar pada teknologi ini.

“Apa yang ingin kami lakukan adalah melakukan triase pada semua penyakit ginekologi – jadi ketika seseorang datang dengan keluhan, dapatkah kami memberi dokter alat yang dapat dengan cepat memberi tahu mereka bahwa penyakit tersebut kemungkinan besar adalah kanker atau bukan, atau kanker ini daripada itu.”

Dr Heller mengatakan hal ini mungkin membutuhkan waktu “tiga hingga lima tahun” lagi.

Bukan hanya deteksi dini yang berpotensi bermanfaat bagi AI, tetapi juga mempercepat tes darah lainnya.

Bagi pasien kanker, tertular pneumonia bisa berakibat fatal, dan karena ada sekitar 600 organisme berbeda yang dapat menyebabkan pneumonia, dokter harus melakukan beberapa tes untuk mengidentifikasi infeksinya.

Namun tes darah jenis baru menyederhanakan dan mempercepat prosesnya.

Karuis, yang berbasis di California menggunakan kecerdasan buatan (AI) untuk membantu mengidentifikasi patogen pneumonia yang tepat dalam 24 jam, dan memilih antibiotik yang tepat untuk patogen tersebut.

“Sebelum tes kami, seorang pasien dengan pneumonia akan menjalani 15 hingga 20 tes berbeda untuk mengidentifikasi infeksinya hanya dalam minggu pertama mereka di rumah sakit – biaya tesnya sekitar $20.000,” kata kepala eksekutif Karius, Alec Ford.

Karius memiliki database DNA mikroba yang memiliki puluhan miliar titik data. Sampel uji dari pasien dapat dibandingkan dengan database tersebut untuk mengidentifikasi patogen yang tepat.

Mr Ford mengatakan hal itu tidak mungkin terjadi tanpa AI.

Salah satu tantangannya adalah para peneliti saat ini belum memahami semua hubungan yang mungkin dibuat oleh AI antara biomarker uji dan penyakit.

Selama dua tahun terakhir Dr Slavé Petrovski telah mengembangkan platform AI bernama Milton yang menggunakan biomarker dalam data biobank Inggris untuk mengidentifikasi 120 penyakit dengan tingkat keberhasilan lebih dari 90%.

Menemukan pola dalam data sebanyak itu hanyalah sesuatu yang dapat dilakukan oleh AI.

“Ini sering kali merupakan pola yang kompleks, di mana mungkin tidak ada satu biomarker, namun Anda harus mempertimbangkan keseluruhan polanya,” kata Dr Petrovski, yang merupakan peneliti di perusahaan farmasi raksasa AstraZeneca.

Dr Heller menggunakan teknik pencocokan pola serupa dalam karyanya mengenai kanker ovarium.

“Kami mengetahui bahwa sensor tersebut mengikat dan merespons protein dan molekul kecil di dalam darah, namun kami tidak mengetahui protein atau molekul mana yang spesifik untuk kanker,” katanya.

Secara lebih luas, data, atau kurangnya data, masih merupakan sebuah kelemahan.

“Orang-orang tidak membagikan data mereka, atau tidak ada mekanisme untuk melakukannya,” kata Ms Moran.

Ocra mendanai pencatatan pasien berskala besar, dengan catatan medis elektronik pasien yang memungkinkan peneliti melatih algoritme pada data mereka.

“Ini masih tahap awal – kita masih berada di dunia AI sekarang,” kata Ms Moran.