Kecerdasan buatan
Pembelajaran Mesin Berpotensi Membantu Pemilihan Pasien Trauma untuk TXA
Tambahkan Securities.io ke sumber pilihan Anda di Google
Analisis data dari Universitas Osaka menunjukkan potensi pembelajaran mesin untuk mendukung penelitian layanan darurat. Tim peneliti mengidentifikasi kelompok pasien trauma yang memiliki hubungan berbeda antara pemberian asam traneksamat dan kematian di rumah sakit. Temuan ini belum membuktikan bahwa penggunaan algoritme dalam praktik klinis telah menurunkan angka kematian.
Apa itu asam traneksamat (TXA)?
Asam traneksamat, atau TXA, adalah obat antifibrinolitik yang membantu mengurangi perdarahan dengan menghambat penguraian bekuan darah. Dalam penanganan trauma tertentu, pemberian yang sesuai dapat menyelamatkan nyawa. Kelayakan penggunaannya bergantung pada kondisi klinis dan protokol yang berlaku.
TXA berinteraksi dengan tempat pengikatan lisin pada plasminogen sehingga menghambat pengikatan pada fibrin dan penguraian jaringan fibrin oleh plasmin. Jadi, obat ini terutama membantu mempertahankan bekuan yang terbentuk, bukan sekadar merangsang pembentukan bekuan baru atau menghilangkan seluruh produksi plasmin.
Fibrinolisis merupakan bagian normal dari keseimbangan pembentukan dan penguraian bekuan. Pada perdarahan tertentu, penguraian bekuan yang berlebihan dapat memperburuk keadaan. Menghambat proses tersebut dapat membantu, tetapi manfaat dan risikonya harus dinilai oleh tenaga kesehatan; hubungan ini tidak berarti plasmin secara sederhana mencegah semua jenis stroke atau trombosis.
Potensi pembelajaran mesin dalam penelitian penanganan trauma
TXA dapat menjadi salah satu alat dalam penanganan perdarahan traumatis, baik di layanan prarumah sakit maupun rumah sakit sesuai protokol. Namun, obat ini tidak tepat bagi setiap pasien. Efek samping dan kontraindikasi perlu diperhatikan, tanpa menyimpulkan bahwa efek samping serius selalu atau sering terjadi pada semua pengguna.
Penelitian ini menilai apakah kelompok pasien dengan ciri klinis berbeda memiliki hubungan yang berbeda antara pemberian TXA dan kelangsungan hidup. Tujuannya adalah membantu penyusunan perawatan yang lebih terarah. Validasi lebih lanjut diperlukan sebelum klasifikasi tersebut dijadikan dasar perubahan protokol.
Peneliti menganalisis secara retrospektif data Japan Trauma Data Bank tahun 2019–2021. Sebanyak 53.703 pasien trauma tumpul memenuhi kriteria, dan 8.046 di antaranya menerima TXA. Dengan klasifikasi berbasis pembelajaran mesin, pasien dipetakan ke delapan fenotipe trauma. Setelah penyesuaian statistik, pemberian TXA berkaitan dengan mortalitas lebih rendah pada empat fenotipe dan lebih tinggi pada dua fenotipe. Temuan observasional ini menunjukkan hubungan, bukan bukti sebab-akibat atau aturan pengobatan untuk setiap individu.
Pasien trauma sangat beragam dalam jenis cedera, tingkat keparahan, dan kondisi penyertanya. Karena itu, efek pengobatan tidak mudah diperkirakan untuk setiap orang. Penelitian ini mendukung pengembangan pendekatan yang lebih personal, tetapi belum membuktikan bahwa model tersebut dapat mengurangi efek samping atau memperbaiki hasil klinis ketika digunakan langsung di unit gawat darurat.
Pembelajaran mesin sebagai teknologi pendukung lintas bidang
Studi ini merupakan salah satu contoh potensi pembelajaran mesin untuk mengenali pola yang berguna dalam berbagai bidang. Gagasan tentang AI sebagai teknologi pendukung lintas sektor juga dibahas dalam laporan “Big Ideas 2024” dari ARK Invest. Pandangan investasi tersebut tidak dengan sendirinya memvalidasi suatu alat klinis.
AI dapat mengolah kumpulan data besar dan menemukan pola dengan cepat. Namun, kualitas hasilnya bergantung pada data, metode, dan pengujian. Kecepatan komputasi tidak menjamin ketepatan diagnosis atau manfaat bagi pasien.
Perusahaan yang mengembangkan teknologi terkait
Pemilihan pasien untuk TXA berdasarkan fenotipe masih memerlukan penelitian lebih lanjut. Sementara itu, berbagai perusahaan mengembangkan komputasi dan alat AI untuk aplikasi kesehatan lainnya. Produk tersebut berbeda dari model penelitian TXA dan harus dinilai berdasarkan bukti serta ruang lingkup penggunaannya masing-masing.
*Angka keuangan berikut merupakan gambaran historis pada waktu penulisan artikel tahun 2024. Periksa tanggal dan metode perhitungannya sebelum digunakan untuk keputusan investasi.*
1. NVIDIA
NVDA Grafik Harga
NVDA Grafik Harga
| Kapitalisasi Pasar | P/E proyeksi satu tahun | Laba per saham (EPS) |
| 2,179,359,750,000 | 38.31 | $11.94 |
NVIDIA (NVDA ) menyediakan GPU dan perangkat lunak yang digunakan untuk pengembangan AI, termasuk penemuan obat, pencitraan medis, dan analisis genom. Kemampuan komputasi dapat mempercepat pemrosesan data, tetapi peningkatan akurasi diagnosis bergantung pada model dan validasi untuk tugas tertentu, bukan pada GPU saja.
NVIDIA bekerja sama dengan peneliti dan organisasi kesehatan untuk mengembangkan teknologi terkait. Tujuannya dapat mencakup peningkatan efisiensi dan analisis, tetapi pengurangan biaya atau perbaikan hasil perawatan tidak otomatis terjadi pada setiap aplikasi.
Artikel asli menyebut penilaian analis terhadap NVDA pada waktu itu sebagai “sangat layak beli”. Penilaian historis ini bukan jaminan imbal hasil atau rekomendasi yang sesuai untuk setiap investor.
2. Powerful Medical
Produk utama Powerful Medical adalah PMcardio, perangkat lunak pendukung interpretasi elektrokardiogram (EKG). Alat ini ditujukan untuk membantu tenaga kesehatan menilai temuan jantung sesuai indikasi dan batasan produknya, bukan menggantikan seluruh proses diagnosis atau pengobatan.
PMcardio menggunakan model AI yang dikembangkan dari data EKG untuk mengenali pola tertentu. Kinerja deteksi infark miokard dan kelainan lain harus dibaca sesuai versi produk, populasi pengujian, serta hasil validasinya. Sistem ini tidak sekadar mencocokkan setiap EKG dengan seluruh rekam pasien dalam sebuah basis data.
Analisis EKG yang cepat berpotensi mendukung penilaian awal dan triase. Diagnosis akhir tetap memerlukan konteks klinis, pemeriksaan lain bila diperlukan, dan pertimbangan tenaga kesehatan. Alat AI tidak menjamin bahwa setiap kejadian jantung akan terdeteksi pada kontak pertama.
Integrasi AI dapat membantu alur kerja dan interpretasi EKG, tetapi manfaatnya perlu diuji dalam praktik. Pernyataan tentang deteksi dini, koordinasi perawatan, atau perbaikan hasil pasien tidak boleh dianggap sebagai jaminan untuk seluruh penggunaan PMcardio.
Pada awal 2024, Powerful Medical mengumumkan bahwa perusahaan dipilih untuk memperoleh hibah 2,5 juta euro dan investasi lanjutan 5 juta euro dari European Innovation Council, dengan total 7,5 juta euro. Pendanaan itu mendukung pengembangan dan validasi teknologi, bukan bukti bahwa efektivitas klinis seluruh produknya telah dipastikan.
