AI Mencapai Akurasi 90% dalam Mendeteksi Kekambuhan Fibrilasi Atrium

• Metode pembelajaran mendalam yang baru mendeteksi kemungkinan sinyal kambuhnya Fibrilasi Atrium dengan akurasi 90%. 
• Untuk melakukan hal ini, alat ini menganalisis dan mempelajari gambar MRI jantung tiga dimensi dan menghasilkan representasi anatomi berbasis landmark khusus orang. 

Menurut laporan CDC, sekitar 6,1 juta orang di AS menderita Fibrilasi Atrium (AFib) – yaitu detak jantung tidak teratur dan seringkali cepat yang meningkatkan risiko gagal jantung, stroke, dan komplikasi lainnya.

Tekanan darah tinggi dan usia lanjut menyebabkan 22% kasus AFib. Biasanya meningkatkan risiko stroke sebanyak 5 kali lipat dan menyebabkan 20% stroke iskemik yang terjadi ketika aliran darah ke otak terhambat oleh timbunan lemak yang disebut plak pada lapisan pembuluh darah.

Meskipun AFib tidak mengancam jiwa, ini adalah kondisi serius yang seringkali memerlukan perawatan darurat. Dalam banyak kasus, penyakit ini muncul kembali setelah perawatan. Untuk mendeteksi kemungkinan sinyal terulangnya AFib, para peneliti di Universitas Utah telah merancang metode deep learning yang mendeteksi AFib dengan akurasi 90%.

Bagaimana Cara Kerjanya?

Jaringan saraf dalam menggunakan gambar MRI jantung tiga dimensi untuk menghasilkan representasi anatomi berbasis landmark spesifik seseorang, sehingga menghilangkan tugas-tugas yang membosankan seperti pra-pemrosesan dan segmentasi manual.

Untuk memprediksi kekambuhan AFiB, alat ini menganalisis bentuk atrium kiri (salah satu dari empat ruang jantung) dan mencari kelainan. Namun, jaringan tidak dapat dilatih secara efisien dengan sampel yang terbatas. Oleh karena itu, peneliti menerapkan pendekatan augmentasi data untuk menghasilkan informasi yang lebih layak secara statistik, sehingga melatih jaringan sekaligus mengurangi risiko overfitting.

Jaringan neural konvolusional dilatih pada ratusan gambar MRI, menggunakan GPU NVIDIA Tesla dengan framework pembelajaran mendalam TensorFlow. Kemudian mereka melakukan augmentasi data pada 75% kumpulan data asli untuk meningkatkan akurasi jaringan.

Referensi: arXiv:1810.00475 | Universitas Utah

Lebih khusus lagi, struktur atrium kiri menunjukkan pengelompokan bentuk ruang karena banyaknya kemungkinan susunan vena pulmonalis. Untuk menangani angka ini, mereka memodelkan bentuk atrium kiri sebagai distribusi Gaussian multi-model di subruang Analisis Komponen Utama, dengan tiga komponen yang memberikan kriteria informasi Bayesian terbaik.

Pemodelan bentuk standar vs metode yang diusulkan | Atas izin peneliti

Dalam percobaan ini, total 207 sampel digunakan, 175 di antaranya digunakan untuk augmentasi data dan sisanya disisihkan untuk pengujian jaringan (sebagai sampel yang tidak teramati).

Hasil

Karena teknik yang diusulkan bekerja dengan mempelajari deskriptor bentuk dari gambar, teknik ini telah digunakan untuk segmentasi otomatis atrium kiri dengan hasil yang menjanjikan.

Baca:AI Bisa Mendeteksi Kanker Kulit Lebih Akurat Dibanding Dokter Berpengalaman

Setelah membandingkan teknik ini dengan alur kerja analisis bentuk canggih yang memerlukan intervensi manusia secara teratur dan optimalisasi korespondensi, mereka menemukan bahwa hasilnya sebanding secara statistik. Pengulangan yang diprediksi oleh jaringan neural dalam 90% akurat dengan error ±0,06%.