Mendengarkan Isyarat Diam-diam – AI Dapat Mengubah Pendekatan Saat Ini dalam Mendiagnosis Osteoporosis

Osteoporosis, pencuri diam-diam, telah sulit terdeteksi terlalu lama. Pencuri tulang ini sering tidak terdeteksi hingga terjadi fraktur. Namun kini AI siap mengungkap isyarat diam-diam osteoporosis sebelum menjadi titik patah.

Bukan berarti kita tidak memiliki cara untuk menguji osteoporosis karena kita memang memilikinya, yang dikenal sebagai dual-energy X-ray absorptiometry (DXA). Ini adalah standar emas saat ini untuk mengukur kepadatan mineral tulang (BMD). Namun, ia memiliki keterbatasan.

Pemindaian DXA memerlukan peralatan dan tenaga ahli khusus, menjadikannya tidak mudah diakses dan mahal. Akibatnya, banyak individu berisiko tetap tidak disaring hingga mereka mengalami fraktur.

Dengan AI di panggung, ini akan segera berubah. Terobosan terbaru menunjukkan bahwa algoritma AI, terutama model pembelajaran mendalam, dapat secara akurat memprediksi risiko osteoporosis menggunakan data kesehatan yang ada. Ini dapat berarti deteksi dan intervensi lebih awal, berpotensi tanpa fraktur, dan hasil yang lebih baik.

Selain itu, penelitian pionir dari Tulane University mengonfirmasi potensi kecerdasan buatan dalam deteksi osteoporosis. Para ilmuwan di sana mengembangkan model jaringan saraf dalam (DNN) yang dirancang khusus untuk memprediksi risiko osteoporosis.

Model ini diuji secara ketat melawan algoritma pembelajaran mesin tradisional dan model regresi konvensional. Mereka menggunakan data dari lebih dari 8.000 peserta yang terdaftar dalam Louisiana Osteoporosis Study, menunjukkan kemampuan lanjutan model DNN dalam menilai risiko osteoporosis secara akurat.

Model DNN tampil lebih baik daripada kompetisi dalam memprediksi risiko osteoporosis. Model ini baik dalam mengidentifikasi individu berisiko tinggi (sensitivitas) dan individu berisiko rendah (spesifisitas).

Model ini menunjukkan bahwa AI dapat digunakan untuk skrining osteoporosis menggunakan data kesehatan yang ada dan memperluas akses skrining, terutama di mana DXA tidak tersedia. Secara khusus, model DNN mengidentifikasi 10 faktor risiko osteoporosis teratas berikut:

• Berat badan
• Usia
• Jenis kelamin
• Kekuatan genggaman
• Tinggi badan
• Konsumsi bir
• Tekanan darah diastolik
• Asupan alkohol
• Durasi merokok
• Tingkat pendapatan

Pedoman skrining osteoporosis saat ini, di sisi lain, sangat bergantung pada usia dan jenis kelamin. Meskipun penting, faktor-faktor ini tidak benar-benar menangkap profil risiko unik setiap individu. Namun, AI menawarkan pendekatan yang lebih dipersonalisasi.

Dengan mempertimbangkan beragam faktor, termasuk pilihan gaya hidup yang dapat diubah seperti merokok dan konsumsi alkohol, AI dapat mengidentifikasi individu berisiko tinggi yang mungkin terlewat oleh protokol skrining saat ini. Pendekatan terarah ini dapat merevolusi strategi pencegahan.

Individu yang diidentifikasi AI sebagai berisiko tinggi dapat menjalani pemindaian DXA untuk mengonfirmasi diagnosis dan kemudian memulai pengobatan penguat tulang serta penyesuaian gaya hidup. Selain itu, mereka dapat menerima pemantauan lebih sering untuk tanda-tanda fraktur.

Pada tingkat masyarakat, stratifikasi risiko berbasis AI dapat mengoptimalkan alokasi sumber daya. Misalnya, DXA dan tes lanjutan dapat diprioritaskan untuk individu berisiko tertinggi, sementara individu berisiko rendah dapat menghindari tes dan perawatan yang tidak diperlukan.

Namun, jalur menuju penerapan AI secara luas dalam skrining osteoporosis penuh tantangan. Studi Tulane memerlukan validasi pada populasi beragam dan dalam setting klinis dunia nyata. Selain itu, hambatan etika dan hukum, termasuk keadilan model, privasi pasien, dan tanggung jawab, harus diatasi. Mari lihat beberapa tantangan ini:

Bias Data

Model AI hanya dapat tidak bias sejauh data pelatihannya. Jika data tidak mewakili populasi umum, prediksi model tidak akan berlaku secara universal. Kita memerlukan perlindungan kuat untuk mencegah AI memperburuk disparitas kesehatan.

Privasi Pasien

Melatih model AI memerlukan akses ke repositori data kesehatan besar, tetapi data ini harus dilindungi. Pasien harus mempercayai bahwa informasi kesehatan sensitif mereka akan tetap pribadi dan aman.

Tanggung Jawab

Jika model AI gagal mengidentifikasi individu berisiko tinggi yang kemudian mengalami fraktur, siapa yang bertanggung jawab? Pengembang AI? Penyedia layanan kesehatan yang mengandalkan prediksinya? Oleh karena itu, seiring AI semakin umum dalam kedokteran, kerangka hukum dan regulasi harus berkembang untuk memberikan pedoman yang jelas.

Namun meskipun tantangan ada, AI tidak diragukan lagi sangat menarik bagi komunitas medis. Mengapa tidak? Lagipula, jika AI dapat mengidentifikasi individu berisiko lebih awal, ia dapat mengubah hasil bagi jutaan orang di seluruh dunia.

Secara statistik, setiap tiga detik, terjadi fraktur osteoporosis secara global. Fraktur ini, terutama pada pinggul, dapat memicu rangkaian konsekuensi, termasuk:

• Nyeri kronis
• Disabilitas
• Kehilangan kemandirian
• Meningkatnya kematian

Di bidang ekonomi, dampaknya juga signifikan, dengan fraktur terkait osteoporosis menelan biaya miliaran dolar setiap tahun dalam pengeluaran kesehatan dan kehilangan produktivitas.

Satu-satunya cara untuk memutus masalah ini sejak awal adalah melalui deteksi dan pengobatan dini. Hanya dengan begitu kita dapat mencegah fraktur tersebut. Penelitian menunjukkan bahwa obat penguat tulang seperti bisfosfonat dapat secara signifikan mengurangi risiko fraktur pada pasien osteoporosis. Namun, obat-obatan ini kurang digunakan, sebagian karena osteoporosis sering tidak terdiagnosis.

Lebih dari Sekadar Diagnosis

Personalisasi

Model AI dapat memprediksi bagaimana individu akan merespons pengobatan, memungkinkan pilihan terapi yang dipersonalisasi. Mereka juga dapat memantau kepatuhan dan efektivitas pengobatan dari waktu ke waktu, memberi peringatan kepada penyedia layanan kesehatan ketika penyesuaian diperlukan.

Ke depan, AI bahkan dapat diintegrasikan ke dalam perangkat kesehatan konsumen. Bayangkan sebuah smartwatch yang melacak aktivitas, pola makan, dan metrik kesehatan lainnya, memberikan penilaian risiko osteoporosis yang dipersonalisasi serta saran pencegahan. Perangkat semacam itu akan memberdayakan Anda untuk mengelola kesehatan tulang dan kesehatan secara keseluruhan secara proaktif. Namun, pencapaian ini memerlukan kolaborasi antara peneliti AI, penyedia layanan kesehatan, dan pasien.

Deteksi Awal Osteoporosis yang Terjangkau

Selanjutnya adalah aspek keterjangkauan, menyoroti keindahan AI dalam mendemokratisasi deteksi osteoporosis dini. Meskipun pemindaian DXA efektif, mereka tidak praktis maupun terjangkau pada skala populasi. Solusinya terletak pada algoritma AI yang tervalidasi dan dapat diterapkan melalui sistem rekam medis elektronik. Ini sangat bermanfaat di komunitas yang kurang terlayani di mana osteoporosis sering tidak terdiagnosis, menjadikan deteksi dini lebih mudah diakses dan terjangkau bagi semua.

Better Accessibility & Utilization

Selain itu, daerah pedesaan dengan akses terbatas ke spesialis dan DXA dapat memanfaatkan AI untuk mengidentifikasi pasien berisiko tinggi untuk dirujuk. Lansia dengan masalah mobilitas dapat disaring tanpa harus bepergian untuk pemindaian. Selain itu, skor risiko yang dihasilkan AI dapat membantu memprioritaskan sumber daya DXA bagi mereka yang paling diuntungkan, memastikan bahwa sumber daya yang tersedia digunakan secara efisien dan efektif.

Alih-alih mengandalkan pedoman skrining luas berdasarkan usia atau jenis kelamin, AI dapat memungkinkan skrining terarah berdasarkan profil risiko individu, mengoptimalkan hasil pasien dan pemanfaatan sumber daya. Di luar deteksi dini, AI dapat meningkatkan manajemen osteoporosis dengan memprediksi trajektori pasien dan memungkinkan intervensi yang dipersonalisasi.

Sekarang, mari lihat perusahaan yang dapat memperoleh manfaat dari kemajuan dalam deteksi dan manajemen osteoporosis berbasis AI.

#1. Hologic, Inc. (HOLX)

Hologic adalah penyedia terkemuka sistem DXA yang digunakan untuk mengukur kepadatan tulang. Dengan mengintegrasikan AI ke dalam sistem DXA mereka, Hologic dapat secara signifikan meningkatkan akurasi dan kemampuan prediktif deteksi osteoporosis.

Peningkatan ini dapat membuat produk mereka lebih berharga dan menarik bagi penyedia layanan kesehatan, berpotensi meningkatkan penjualan sistem DXA dan perangkat lunak terkait, sehingga memperluas pangsa pasar mereka dalam diagnostik osteoporosis.​

Secara finansial, perusahaan berada dalam posisi yang solid. Mereka melaporkan total pendapatan sekitar $4,03 miliar untuk tahun fiskal 2023.

#2. GE Healthcare

Sebagai pemain utama dalam pencitraan medis, GE Healthcare dapat memperoleh manfaat dari kemajuan AI dengan meningkatkan kemampuan diagnostik sistem pencitraan mereka, termasuk pemindai DXA.

Integrasi AI yang ditingkatkan dapat menghasilkan deteksi osteoporosis yang lebih tepat dan lebih dini, mendorong permintaan untuk teknologi pencitraan canggih mereka serta solusi perangkat lunak AI. Hal ini dapat menghasilkan penjualan yang lebih tinggi dan perjanjian layanan jangka panjang, memperkuat posisi mereka di pasar pencitraan medis.

Dari segi pendapatan, GE Healthcare melaporkan total pendapatan $19,6 miliar untuk tahun fiskal 2023.

Pemikiran Penutup

Secara keseluruhan, meskipun perkembangan dan potensi manfaat ini terdengar luar biasa, mereka tidak mungkin terjadi dalam semalam. Penelitian, pengembangan, validasi, serta penanganan tantangan terkait privasi data, keamanan, etika, dan kesetaraan sangat penting. Namun, jika kita melakukannya dengan benar, hadiah yang didapatkan akan sangat besar. Kita dapat mengubah penyakit diam ini menjadi penyakit yang dapat dicegah, diobati, dan pada akhirnya dapat dikalahkan.

Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan.