“Gagal jantung” adalah istilah umum yang digunakan untuk menggambarkan kondisi apa pun di mana organ tidak berfungsi sebagaimana mestinya – tetapi pengalaman satu orang dengan penyakit ini bisa sangat berbeda dari orang lain.
Peneliti dari University College London (UCL) baru-baru ini menggunakan pembelajaran mesin — sejenis kecerdasan buatan — untuk menentukan lima jenis gagal jantung yang berbeda, dengan tujuan memprediksi prognosis untuk jenis yang berbeda.
“Kami berusaha memperbaiki cara kami mengklasifikasikan gagal jantung, dengan tujuan untuk lebih memahami kemungkinan perjalanan penyakit dan mengomunikasikannya kepada pasien,” kata penulis utama Profesor Amitava Banerjee dari UCL dalam siaran pers yang mengumumkan penelitian tersebut.
PENYAKIT JANTUNG, THE SILENT KILLER: STUDI MENUNJUKKAN DAPAT MENYERANG TANPA GEJALA
“Saat ini, bagaimana perkembangan penyakit sulit diprediksi untuk masing-masing pasien,” ujarnya. “Beberapa orang akan stabil selama bertahun-tahun, sementara yang lain memburuk dengan cepat.”
Lima jenis gagal jantung yang teridentifikasi adalah awitan dini, awitan lambat, fibrilasi atrium (yang menyebabkan irama jantung tidak teratur), metabolik (terkait dengan obesitas tetapi dengan tingkat penyakit kardiovaskular yang rendah) dan kardiometabolik (terkait dengan obesitas dan penyakit kardiovaskular), menurut siaran pers di situs web UCL.
Lima jenis gagal jantung didasarkan pada faktor risiko umum, seperti usia saat onset gagal jantung, riwayat penyakit jantung, riwayat faktor risiko jantung. seperti kencing manis dan obesitas, atau fibrilasi atrium (masalah irama jantung yang paling umum),” jelas Banerjee dalam sebuah pernyataan kepada Fox News Digital.
Untuk penelitian yang diterbitkan dalam jurnal Lancet Digital Health, para peneliti menganalisis data dari lebih dari 300.000 orang dewasa Inggris berusia 30 tahun ke atas yang mengalami gagal jantung selama periode 20 tahun.
RISIKO PENYAKIT JANTUNG BISA DIPENGARUHI OLEH SATU FAKTOR MENGEJUTKAN, TEMUAN STUDI BARU
“Empat metode pembelajaran mesin digunakan untuk mengelompokkan individu dengan gagal jantung dalam data kesehatan elektronik berdasarkan karakteristik dasar mereka,” kata Banerjee. “Metode dan jumlah kluster yang ‘paling cocok’ dengan data dipilih.”
Untuk setiap jenis gagal jantung, para peneliti menentukan kemungkinan orang tersebut meninggal dalam waktu satu tahun setelah diagnosis. Prognosis sangat bervariasi untuk lima subtipe, mereka menemukan.
Risiko kematian lima tahun adalah 20% untuk onset dini, 46% untuk onset lambat, 61% untuk fibrilasi atrium terkait, 11% untuk metabolik dan 37% untuk kardiometabolik, menurut siaran pers.
Untuk ahli kesehatanBanerjee merekomendasikan agar mereka bertanya kepada pasien gagal jantung mereka tentang faktor risiko umum untuk membantu mereka memahami subtipe yang mereka miliki.
“Para peneliti juga perlu menguji seberapa dapat digunakan, digeneralisasikan, dan diterima subtipe ini yang didefinisikan dalam penelitian kami dalam praktik klinis,” tambahnya.
“Mereka juga harus mempertimbangkan apakah penelitian seperti kami, yang menggunakan AIdapat membantu menginformasikan pemahaman yang lebih baik tentang proses penyakit dan penemuan obat.”
Tim peneliti juga mengembangkan aplikasi untuk dokter yang memungkinkan mereka menentukan subtipe gagal jantung yang dimiliki pasien — dengan tujuan memprediksi risiko dengan lebih baik dan memberi informasi kepada pasien.
Dr. Ernst von Schwarz, seorang ahli jantung klinis dan akademis bersertifikat triple board di UCLA di California, meninjau hasil studi UCL.
“Bagi dokter, menarik untuk membedakan gagal jantung menurut prognosis, yang biasanya tidak dilakukan dalam pengaturan klinis,” katanya kepada Fox News Digital. “Gagal jantung umumnya dilihat sebagai penyakit progresif yang tidak dapat disembuhkan, kronis dengan hasil jangka panjang yang buruk.”
“Gagal jantung umumnya dilihat sebagai penyakit progresif yang tidak dapat disembuhkan, kronis dengan hasil jangka panjang yang buruk.”
“Studi seperti ini dapat membantu dokter membuat penilaian risiko yang lebih tepat sesuai dengan etiologi gagal jantung,” tambah von Schwarz.
Secara khusus, tingkat kematian yang sangat tinggi untuk gagal jantung yang diinduksi fibrilasi atrium menyoroti pentingnya mengelola aritmia umum ini secara agresif, katanya.
Prediksi kematian untuk lima subtipe adalah “sejauh ini merupakan bagian yang paling menarik dari data ini,” menurut Dr. Matthew Goldstein, seorang dokter di Konsultan Kardiologi Philadelphiayang juga meninjau temuan penelitian.
“Ini dapat membantu kami memandu siapa yang berisiko meninggal secara tiba-tiba, dan dengan demikian, siapa yang membutuhkan perlindungan dengan defibrillator dan siapa yang tidak,” tambahnya.
AI menjanjikan, tetapi batasan tetap ada
Sementara Goldstein mengakui bahwa AI menjadi lebih umum secara umum, dia yakin penerapannya dalam pengobatan telah menunjukkan “keberhasilan yang agak kurang”.
Dia memberi tahu Fox News Digital, “Namun, bagus dalam mencari pola yang terlalu rumit untuk dilihat oleh pikiran manusia.”
TEKNOLOGI AI MENANGKAP KANKER SEBELUM GEJALA DENGAN EZRA, PEMINDAI MRI SELURUH TUBUH
“Beberapa pemanfaatan yang lebih umum adalah pembacaan otomatis studi radiologi untuk memastikan tidak ada yang terlewatkan dan penggunaan baru dalam interpretasi EKG untuk menyarankan patologi yang mendasarinya,” tambahnya.
Dalam hal penggunaan AI untuk mengklasifikasikan gagal jantung, Goldstein mencatat bahwa ini hanya studi retrospektif dan perlu dibuktikan untuk kasus di masa mendatang agar benar-benar berguna.
Melihat ke depan
Keterbatasan utama dari studi baru ini adalah bahwa para peneliti tidak memiliki akses ke data pencitraan apa pun, yang paling sering digunakan untuk mendiagnosis dan memprediksi risiko gagal jantung.
“Namun, penanda pencitraan saja tidak memprediksi kematian dan hasil lainnya,” kata Banerjee.
Fakta bahwa kami dapat menggunakan data yang dikumpulkan secara rutin tanpa data pencitraan ini untuk memprediksi subtipe dan hasil yang relatif baik menunjukkan bahwa biomarker pencitraan saja mungkin bukan cara terbaik untuk mengkarakterisasi dan mempelajari gagal jantung pada skala populasi.
Langkah selanjutnya, kata Banerjee, adalah untuk menentukan apakah mengklasifikasikan berbagai gagal jantung dapat membuat perbedaan praktis bagi pasien – “apakah itu meningkatkan prediksi risiko dan kualitas informasi yang diberikan dokter, dan apakah itu mengubah perawatan pasien.”
KLIK DI SINI UNTUK MENDAFTAR NEWSLETTER KESEHATAN KAMI
Efektivitas biaya adalah pertimbangan lain, tambahnya.
Tim peneliti UCL sebelumnya menggunakan metode serupa untuk mengidentifikasi subtipe secara kronis penyakit ginjal.
KLIK DI SINI UNTUK MENDAPATKAN APLIKASI FOX NEWS
Ke depan, Banerjee mengharapkan pembelajaran mesin akan digunakan untuk menganalisis banyak jenis data medis yang dikumpulkan secara rutin dan untuk mengidentifikasi subtipe penyakit yang berbeda.