Memprediksi Alzheimer dengan Bantuan AI

Sebuah studi terbaru yang dipublikasikan oleh Alzheimer’s Association menyoroti metode deteksi dini baru yang dapat membantu menyelamatkan jutaan nyawa. Studi ini meneliti penggunaan AI dalam protokol prediksi otomatis yang dikombinasikan dengan metode pemindaian suara untuk secara akurat menentukan progresi dari Mild Cognitive Impairment (MCI) ke Alzheimer’s Disease (AD) dalam jangka waktu 6 tahun. Berikut yang perlu Anda ketahui.

Alzheimer & Demensia

Siapa pun yang pernah hidup bersama atau membantu kerabat yang menderita Alzheimer & demensia dapat membuktikan kesulitan situasi tersebut. Secara khusus, Alzheimer Disease adalah penyebab utama demensia secara global. Ini adalah gangguan otak progresif yang mengurangi kemampuan mental seseorang seiring waktu. Prosesnya berlangsung secara bertahap, dengan gejala berkembang dari kelupaan sederhana hingga kehilangan memori, disorientasi, mengabaikan diri sendiri, dan kehilangan kemampuan berbicara. Secara khusus, pasien yang menderita MCI memiliki peluang jauh lebih tinggi untuk berkembang menjadi Alzheimer Disease.

Fakta Penyakit Alzheimer

Alzheimer Disease adalah penyebab kematian ke-6 terbesar di Amerika Serikat dan tetap menjadi perhatian utama secara global. Sebuah studi tahun 2023 menemukan bahwa lebih dari 6,7 juta orang Amerika menderita penyakit ini, yang dapat membuat pasien tidak mampu merawat diri sendiri, mengenali anggota keluarga, atau melakukan tugas harian yang diperlukan.

Sumber – Wikipedia

Sayangnya, penelitian tersebut juga menunjukkan peningkatan risiko di masa depan. Diperkirakan akan ada 13,8 juta warga AS yang menderita penyakit ini pada tahun 2060. Faktor-faktor ini mendorong banyak peneliti mencari solusi dan metode pencegahan untuk membantu mengurangi risiko tersebut, berpotensi menyelamatkan banyak nyawa.

Patologi AD

Patologi AD adalah istilah yang merujuk pada bagaimana otak mulai mengalami kerusakan akibat beban penyakit. Metode saat ini memerlukan pelaksanaan tes neuropsikologis (NPT), yang memungkinkan tenaga kesehatan memantau tingkat peptida beta-amiloid (Aβ), protein tau hiperpotosilasi, astrosit reaktif, aktivasi mikroglia, dan biomarker lainnya. Semua faktor ini dapat menunjukkan peradangan kronis dan masalah lain yang terkait dengan munculnya AD.

Keterbatasan Saat Ini dari Patologi AD

Metode penentuan risiko AD pada pasien ini memiliki beberapa kelemahan signifikan. Pertama, biayanya mahal. Setiap tes dapat menelan biaya ribuan dolar, sehingga hanya tersedia bagi mereka yang memiliki asuransi atau akses pendanaan. Selain itu, metode ini sering bersifat invasif. Setiap kali harus memotong kulit, risiko infeksi dan komplikasi lainnya meningkat.

Masa Depan Deteksi AD Berbasis Suara

Peneliti telah memperhatikan korelasi langsung antara penurunan kemampuan berbicara dan MCI. Oleh karena itu, banyak pekerjaan dilakukan untuk mendokumentasikan dan merekam perubahan ini untuk tujuan penelitian. Saat ini, ribuan jam rekaman suara dari pemeriksaan neuropsikologis tersedia. Selain itu, data lain terlampir pada rekaman tersebut. Studi FHS ini merupakan kumpulan rekaman terbesar.

Studi Jantung Framingham (FHS)

Studi Jantung Framingham (FHS) telah berlangsung sejak tahun 1948. Studi jangka panjang tentang kesehatan kardiovaskular ini meneliti ribuan pria yang mengalami stroke atau serangan jantung. Pendekatan jangka panjangnya memungkinkan peneliti membuat model prediksi risiko 10-30 tahun yang terbukti penting dalam pencegahan, pembuatan obat, dan kini pemrograman model AI.

Upaya kolaboratif ini didukung oleh National Heart, Lung, and Blood Institute (NHLBI) dan Boston University, dan merupakan salah satu studi kardiovaskular terpanjang dan paling sukses yang pernah dilakukan. Oleh karena itu, data tersebut telah membantu banyak terobosan medis dan tetap menjadi sumber data kesehatan jangka panjang yang kuat.

Sebagai bagian dari studi, tes bicara diperkenalkan ke data pada tahun 2005. Sejak itu, ilmuwan telah merekam ribuan pola bicara pada pasien sebelum dan selama AD. Rekaman ini memberikan wawasan berharga tentang bagaimana pikiran terdegradasi selama AD.

Kecerdasan Buatan Meningkatkan Metode Diagnosis

Revolusi AI telah memungkinkan insinyur menciptakan sistem peringatan dini yang lebih canggih dan efisien. Dalam hal ini, Pemrosesan Bahasa Alami (NLP) AI digunakan untuk mendiagnosis fitur linguistik yang menandakan penurunan kognitif. Algoritma dapat mencross-referensikan jutaan titik data untuk menempatkan pasien secara akurat pada skala demensia berdasarkan komunikasi mereka.

Studi Alzheimer & Demensia

The studi applied NLP techniques with machine learning methods to enhance predicted models of MCI and dementia. The team took test interview recordings from n + 166 Framingham Heart Study (FHS) participants to create these models. The models covered a range of options, from demographics to a full spectrum of data.

Salah satu perbedaan utama dari upaya sebelumnya adalah tim fokus terutama pada progresi MCI ke AD daripada kognisi normal. Ini mencakup 90 kasus MCI progresif dan 76 kasus MCI stabil sebagai bagian dari pendekatan. Data ini dimasukkan ke dalam algoritma AI canggih yang memeriksa faktor-faktor kunci.

Data Masukan

Sistem menggunakan variasi model regresi logistik yang memanfaatkan skor sub-tes dan TAS sebagai indikator prediksi utama. Sebagai bagian dari pendekatan ini, tim pertama-tama membuat alat transkripsi yang mempermudah impor data Framingham Heart Study (FHS) yang sebelumnya direkam.

Data Suara

Data suara dari 166 peserta mencakup wawancara selama satu jam dengan masing-masing orang. Data ini sebelumnya telah direkam dan disimpan secara digital, sehingga tim perlu membuat metode untuk dengan mudah mengonversi data ini menjadi teks dan kemudian model AI.

Universal Sentence Encoder

Universal Sentence Encoder dirancang untuk mengurangi beban kerja dalam mengimpor data FHS. Sistem secara otomatis memindai data FHS dan menghasilkan embedding vektor berdasarkan segmen spesifik dari transkrip masing-masing pasien. Pendekatan ini membantu AI membuat prediksi yang lebih tepat sambil mengurangi beban kerja.

Peningkatan Model AI

Tim peneliti menggunakan transkrip ini untuk membuat algoritma pembelajaran mendalam AI yang kuat. Sistem secara otomatis mengambil data acak dari laporan FHS dan menyampelnya. Data ini digunakan untuk membuat dan mengkodekan konten sub-tes. Secara total, delapan embedding spesifik digunakan untuk mengukur progresi AD dan MCI.

Model Regresi Logistik

Model AI baru yang dilatih dari data kuantitatif terkait setiap konten sub-tes dibuat. Konten tersebut diberi skor dan digunakan sebagai input individual untuk pemodelan. Model-model ini kemudian dipecah dan diuji efektivitasnya menghasilkan skor rata-rata transkrip (TAS) untuk masing-masing. Skor ini dan TAS memungkinkan AI memantau progresi MCI secara akurat.

Model utama mencakup banyak data berharga tentang peserta. Secara khusus, termasuk demografi, status pembawa APOE, faktor kesehatan, dan fitur teks yang diimpor dari studi FHS. Model ini memperoleh skor tertinggi, menunjukkan akurasi hampir 80% dalam menentukan onset AD dalam enam tahun.

Tim juga menguji model yang hanya mempertimbangkan data demografis peserta. Ada juga model teks-saja yang memanfaatkan input teks FHS sebagai sumber utama peninjauan. Secara khusus, model AI demografis memprediksi AD dengan akurasi 68,8%. Secara mengesankan, model paling akurat, yang mencakup semua data relevan, mencapai akurasi 79%.

Menguji Model-Model

Kinerja setiap Model diuji menggunakan pendekatan cross-validation grup k-fold yang menilai faktor kunci termasuk akurasi, presisi, sensitivitas, dan spesifisitas. Selain itu, dilakukan juga tes cross-validation dan pemilihan fitur.

Hasil

Hasil studi ini menjanjikan. Model deteksi AI baru memiliki akurasi 79% dalam menentukan onset AD dalam 6 tahun. Tim menemukan bahwa semakin banyak input data yang ditambahkan, semakin akurat AI dapat menentukan risiko seseorang. Oleh karena itu, data suara, usia, jenis kelamin, dan tingkat pendidikan semuanya merupakan faktor yang berperan dalam risiko paparan AD seseorang.

Manfaat Studi Penyakit Alzheimer

Ada beberapa manfaat serius yang dapat diberikan studi ini kepada orang biasa. Pertama, metode prediksi berbasis AI jauh lebih terjangkau dan dapat diakses publik. Biaya tes saat ini dalam sistem perawatan kesehatan berbasis profit terus meningkat karena kebutuhan laboratorium dan sampel. Sistem AI baru menghilangkan kebutuhan tersebut, secara signifikan mengurangi biaya bagi semua peserta.

Selain itu, mengintegrasikan sistem deteksi otomatis dapat membantu dokter dan tenaga kesehatan meresepkan perawatan serta obat secara lebih akurat dan cepat bila memungkinkan. Respons yang ditingkatkan ini dapat membuat perbedaan hidup atau mati dalam banyak kasus.

Non-Invasif

Metode AI untuk mendeteksi AD ini bersifat non-invasif. Tidak diperlukan dokter mengambil sampel jaringan untuk menentukan progresi AD Anda, sehingga mengurangi risiko infeksi atau komplikasi lainnya.

Perusahaan yang Mungkin Mendapat Manfaat dari Studi Ini

Beberapa perusahaan dapat meningkatkan produk dan layanan mereka dengan mengintegrasikan metode deteksi AD AI otomatis baru ini. Perusahaan-perusahaan tersebut berspesialisasi dalam pencegahan dan prediksi AD. Dengan demikian, mereka dapat lebih baik meresepkan dan mendiagnosis pasien, menghasilkan waktu respons yang lebih cepat. Berikut dua perusahaan yang siap mengintegrasikan teknologi ini saat ini.

1. Biogen

BIIB Grafik Harga

Biogen adalah perusahaan biotek terkemuka yang berbasis di Massachusetts, USA. Perusahaan memiliki berbagai produk yang dirancang untuk mencegah, mengobati, dan membantu mereka yang menderita penyakit neurologis dan autoimun. Mengintegrasikan model deteksi AD otomatis seperti yang dibuat oleh peneliti akan secara signifikan meningkatkan waktu respons perusahaan.

Saham Biogen dianggap kuat karena sejarah dan posisinya di pasar. Perusahaan telah mengalami pertumbuhan lambat namun stabil selama empat tahun terakhir dan saat ini memiliki kapitalisasi pasar sebesar $33,16 miliar. Analis memprediksi produsen akan melihat peningkatan pendapatan lebih lanjut berkat upaya perintisnya dan meningkatnya permintaan untuk metode pencegahan dini.

2. Eisai

Eisai yang berbasis di Tokyo tetap menjadi kekuatan global dalam sektor riset dan pengembangan medis. Perusahaan berspesialisasi dalam impor dan ekspor farmasi serta telah berkolaborasi dengan merek terkemuka lainnya, termasuk Biogen, dalam perjanjian obat Alzheimer. Perjanjian ini memungkinkan perusahaan-perusahaan tersebut berbagi data secara bebas dengan harapan mencapai terobosan signifikan dalam diagnosis dan pengobatan penyakit ini.

Eisai adalah pemimpin pasar dan telah membantu meneliti serta mengembangkan beberapa farmasi yang sangat sukses. Perusahaan mendapat dukungan kuat dari komunitas investasi dan telah muncul dalam portofolio model ESG Argus AS. Rekomendasi saham ini didasarkan pada kriteria lingkungan, tata kelola, dan sosial. Karena alasan tersebut, ESALY merupakan tambahan yang bijaksana untuk portofolio mana pun.

Masa Depan Perawatan Kesehatan AI

Studi ini adalah salah satu dari banyak studi yang menarik perhatian penderita Alzheimer. Segera, mungkin akan ada alat diagnostik otomatis dan sangat terjangkau untuk penggunaan di rumah yang memungkinkan siapa saja, di mana saja, memantau risiko kesehatan mereka. Perangkat ini tidak akan terbatas hanya pada pencegahan Alzheimer. Berikut beberapa peningkatan medis AI keren lainnya.

Deteksi Stroke AI

Sistem AI kini tersedia untuk membantu mendeteksi stroke. Bagi personel darurat, menentukan apakah seseorang mengalami stroke atau penyakit lain sering menjadi langkah pertama dalam menyelamatkan nyawanya. Secara khusus, tim Insinyur Biomedis dari RMIT University menciptakan alat baru yang memanfaatkan AI untuk mengidentifikasi CVA dalam hitungan detik. Perangkat lunak ini menggunakan kamera smartphone untuk melihat dan menentukan melalui fitur wajah apakah stroke terjadi.

Penyampaian Suara Bantu AI

Penyampaian suara bantu AI adalah bidang lain dalam perawatan kesehatan yang telah mengalami peningkatan signifikan. Sistem ini menggunakan model bahasa besar untuk membantu mereka yang tidak dapat mengucapkan kata karena kecelakaan atau hambatan membuat kalimat secara real-time. Teknologi ini sudah membantu ribuan orang yang mengalami masalah komunikasi mengatasi kesulitan dan menjalani hidup yang lebih memuaskan.

Gerakan Bantu AI

Sistem AI juga telah membantu meningkatkan mobilitas bagi jutaan orang. Peneliti kini menggunakan AI untuk meningkatkan kinerja eksoskeleton. Perangkat ini, yang sebelumnya memerlukan kontrol jarak jauh untuk dioperasikan pengguna, kini dapat menentukan langkah selanjutnya dan secara otomatis membantu Anda naik tangga, lereng curam, dan medan lain yang biasanya tidak mungkin bagi sistem bantuan berjalan lainnya.

AI Membantu Mengalahkan Penyakit Alzheimer

Teknologi AI dapat membantu penderita Alzheimer melacak memori yang memudar dan menjalani hidup yang lebih baik. Pengembangan terbaru ini menunjukkan bagaimana pencegahan dan diagnosis AI dapat menjadi langkah pertama untuk akhirnya mengalahkan penyakit ini. Oleh karena itu, penelitian ini memberikan tingkat kepercayaan baru sambil membuka pintu bagi populasi yang lebih sehat dan lebih aktif secara kognitif di masa depan.

Klik untuk lebih banyak AI Keren Pengembangan AI.