Penggunaan AI untuk Memprediksi Risiko Penyakit Berdasarkan Pola Tidur
Sebuah model kecerdasan buatan (AI) baru yang diberi nama SleepFM mampu memprediksi risiko seseorang terhadap sekitar 130 penyakit, termasuk demensia dan beberapa jenis kanker, hanya dengan menganalisis pola tidurnya. Model ini bisa memberikan prediksi bertahun-tahun sebelum gejala pertama muncul.
SleepFM dilatih menggunakan hampir 600.000 jam data tidur dari 65.000 orang. Data tersebut dikumpulkan melalui proses yang disebut polisomnografi, yaitu pengukuran berbagai sinyal fisiologis seperti gelombang otak, aktivitas jantung, pernapasan, ketegangan otot, serta gerakan mata dan kaki saat pasien tidur.
Proses Pelatihan SleepFM
Pertama, SleepFM diperlihatkan sinyal dari otak, jantung, dan tubuh saat tidur normal, dengan rata-rata “normal” dihitung secara statistik. Setelah itu, AI diajarkan tentang berbagai tahap tidur, termasuk sleep apnea, gangguan di mana pernapasan berhenti dan mulai berulang kali saat tidur. Para peneliti kemudian menghubungkan data tidur ini dengan catatan kesehatan elektronik selama 25 tahun terakhir, untuk melihat bagaimana diagnosis kesehatan di masa depan berkorelasi dengan pengukuran polisomnografi.
Dari sekitar 1.000 penyakit yang mungkin, SleepFM berhasil mengidentifikasi 130 penyakit yang bisa diprediksi dengan akurasi sedang hingga tinggi menggunakan data tidur.
Kombinasi Sinyal Tubuh yang Paling Informatif
Analisis menggunakan algoritma canggih menunjukkan bahwa sinyal jantung saat tidur bisa membantu memprediksi penyakit kardiovaskular, sementara sinyal otak lebih penting untuk penyakit neurologis dan psikologis di masa depan. Namun, hasil paling informatif justru muncul dari kombinasi berbagai sinyal tersebut.
Contohnya, ketika aktivitas listrik otak menunjukkan tidur stabil, tetapi jantung tampak lebih “terjaga.” Ketidaksesuaian antara sinyal otak dan jantung seperti ini bisa menjadi indikasi adanya tekanan fisik tersembunyi akibat penyakit awal, jauh sebelum gejala terlihat.
Kolaborasi Antar-Disiplin dalam Pengembangan AI
Kolaborasi antar-disiplin sangat penting dalam pengembangan model AI seperti SleepFM. Jika rekan-rekan di bidang tidur medis mencurigai adanya keterkaitan, ahli AI bisa memasukkannya ke dalam sistem prediktif, dan sebaliknya, mereka bisa memberi indikasi di mana keterkaitan mungkin ada.
Meskipun AI bisa memberikan korelasi statistik, makna dan hubungan sebab-akibatnya tetap harus diinterpretasikan oleh profesional medis.
Batasan dan Potensi Penggunaan SleepFM
Prediksi SleepFM sebagian besar berdasarkan data dari laboratorium tidur, artinya data berasal dari orang-orang yang biasanya dirujuk dokter karena masalah tidur dan yang tinggal di daerah dengan akses medis berteknologi tinggi, yang biasanya lebih mampu secara ekonomi. Para peneliti SleepFM mengintegrasikan data dari pasien di AS dan Eropa, tetapi umumnya orang tanpa masalah tidur dan orang dari wilayah kurang mampu kurang terwakili dalam pemodelan SleepFM.
SleepFM juga tidak bisa menentukan penyebab suatu penyakit. AI hanya menunjukkan korelasi, yaitu pola yang mungkin terkait dengan diagnosis di masa depan.
Potensi Menambah Pengetahuan Medis
AI menggunakan machine learning, yaitu pemrograman yang memungkinkan komputer menemukan pola dari data dalam jumlah besar. Mesin “belajar” dari pola-pola ini.
Meski komputer hanya menemukan korelasi statistik, potensi untuk diagnosis dan terapi medis tetap besar. Model seperti SleepFM bisa merekam tahap tidur atau sleep apnea lebih efisien, sehingga dokter bisa lebih fokus pada pasien.
Pentingnya Kolaborasi Lintas Disiplin
Buschjäger menekankan pentingnya kolaborasi lintas disiplin. Model AI bisa dilatih untuk merencanakan terapi, tetapi manusia, atau dengan kata lain dokter, yang menafsirkan hasil dan memilih terapi, seringkali tanpa mengetahui semua penyebab yang mendasari.
Ada juga potensi diagnosis tidur yang lebih jauh daripada sekadar korelasi polisomnografi dengan prediksi penyakit. Jika sinyal tidur tertentu terus-menerus dikaitkan dengan penyakit tertentu, hal ini bisa memberi petunjuk proses mana dalam sistem saraf, jantung, atau sistem kekebalan tubuh yang terganggu sejak dini. Informasi semacam ini bisa membantu meningkatkan kesehatan masyarakat secara lebih luas, jauh di luar laboratorium tidur.
