AI Baru IBM Mensimulasikan Fungsi Jantung Dalam Beberapa Menit
- Metode baru menggunakan algoritme komputasi berperforma tinggi untuk meningkatkan simulasi Cadangan Aliran Pecahan virtual.
- Algoritme ini didasarkan pada pembelajaran mesin dan metode akselerasi pembelajaran mendalam yang disebut regresi Proses Gaussian.
- Ini dapat dengan sempurna mensimulasikan apa yang terjadi di dalam hati dalam waktu 1-2 menit.
Sebagian besar model mekanika jantung multi-skala terlihat menjanjikan tetapi dalam hal diagnosis dan pengobatan, kemampuannya sangat terbatas. Karena mereka tidak mampu menangani data klinis secara efisien, membatasi variabel tidak tetap, dan menangani kompleksitas komputasi, mereka tidak dapat memberikan bantuan yang efektif dengan keputusan klinis dan perawatan medis.
Jenis penyakit jantung yang paling umum adalah Penyakit Arteri Koroner (CAD), yang mempengaruhi hampir 16,5 juta orang dewasa Amerika. Ini juga merupakan penyebab utama kematian wanita dan pria di AS. Menurut Klinik Cleveland, seseorang di AS mengalami serangan jantung setiap 40 detik.
Ini adalah kondisi di mana arteri koroner tersumbat (atau menyempit) karena penumpukan lemak dan kolesterol (dikenal sebagai plak) di dinding bagian dalam arteri. Plak ini membatasi aliran darah yang dapat menyebabkan serangan jantung.
Mensimulasikan Aliran Darah di Arteri
Untuk meningkatkan diagnosis penyakit tersebut, para peneliti sedang mengeksplorasi metode baru untuk memeriksa penyumbatan di arteri menggunakan teknik yang disebut Virtual Fractional Flow Reserve (vFFR). Alat ini menggunakan Dinamika Fluida Komputasi dan angiogram sinar-X untuk menyelidiki pergerakan cairan dan mensimulasikan aliran darah di arteri koroner.
Untuk mengamati plak di dalam arteri, pasien perlu menjalani suntikan agen hiperemik. Namun, jenis simulasi ini menghilangkan kebutuhan akan kateter kawat bertekanan.
VFFR yang ada berdasarkan algoritma komputasi dinamis fluida seringkali membutuhkan waktu lebih dari satu hari untuk menghasilkan simulasi yang lengkap. Untuk memanfaatkan metode vFFR secara efektif, perlu untuk meningkatkan algoritme yang mereka jalankan, tanpa mengurangi akurasi diagnostik. Ini harus dapat menghitung simulasi penuh dalam hitungan menit, memberikan pandangan yang lebih luas dari arteri yang tersumbat.
Untuk memenuhi persyaratan ini, peneliti IBM mengembangkan metode baru yang menggunakan algoritma komputasi kinerja tinggi untuk meningkatkan simulasi vFFR. Algoritme ini didasarkan pada pembelajaran mesin dan metode akselerasi pembelajaran mendalam yang disebut regresi Proses Gaussian. Ini dapat digunakan untuk membantu algoritme pengoptimalan, bahkan dalam skenario rumit di mana fungsi objektif tidak dapat dengan mudah dibedakan.
Referensi:Fisiologi Perbatasan | doi:10.3389/fphys.2018.01002 | IBM
Algoritme mengambil ukuran, lokasi, dan kedalaman transmural dari infark sebagai variabel input dan perubahan model yang dihitung dalam simulasi. Ia dapat melakukan 40 simulasi infark dalam berbagai lokasi dan bentuk. Setelah pelatihan tentang hasil simulasi elemen hingga, algoritme menyediakan representasi yang berguna untuk menyelidiki efek kompleks.
Simulasi hemodinamik untuk diagnosis berbasis vFFR dijalankan dalam 1-2 menit pada sistem POWER9 dengan GPU NVIDIA Tesla V100. Menurut para peneliti, ini adalah simulasi pertama dari jenisnya yang dieksekusi hampir secara real-time.
Simulasi model cepat dapat mengurangi pekerjaan manual dan membantu dokter memeriksa kondisi jantung dengan cepat, mengurangi beban mental pasien yang menunggu laporan tes.
Baca:Google Kembangkan AI yang Memprediksi Penyakit Jantung dengan Memindai Mata Anda
Studi ini merupakan bagian dari pekerjaan IBM untuk membangun gambaran yang lengkap dan lebih tepat tentang mekanisme dalam jantung dengan kecerdasan buatan dan model biofisik. Mereka telah menerbitkan teknik baru untuk memvisualisasikan apa yang terjadi di dalam jantung pada tingkat seluler dan anatomis.
