Kecerdasan Buatan Dalam Dunia Kesehatan: Transformasi Pelaporan Varian Genetik dalam Kanker
Ditulis oleh Nessa Aulia Jalapuspa Tambunan
Kecerdasan buatan sudah mulai umum untuk digunakan pada seluruh bidang, tak terkecuali pada bidang kesehatan. Pada jurnal berjudul "Artificial Intelligence Approach for Variant Reporting" oleh Zomnir Michael G. dan lain-lain ini membahas mengenai penggunaan kecerdasan buatan dalam pelaporan varian genetik dalam kanker dan menunjukkan hasil yang sangat baik dalam pengujian dan validasi.
Pendekatan Kecerdasan Buatan
Pendekatan kecerdasan buatan yang dilakukan melalui penelitian ini adalah dengan menggunakan model pembelajaran mesin (machine learning) untuk membangun alat bantu keputusan dalam pelaporan varian genetik dalam kanker. Pendekatan ini menggabungkan anotasi varian terstruktur dengan pengalaman kolektif enam ahli patologi dalam laboratorium diagnostik molekuler klinis.
Model ini menggunakan lebih dari 19.000 varian untuk melatih dan menghasilkan skor prediksi yang kontinu dari 0 hingga 1 untuk pelaporan klinis. Model ini telah divalidasi dalam lebih dari 16.000 varian independen dalam pengujian lain dengan hasil yang sangat baik. Selain itu, penelitian ini juga menyediakan dua alat visualisasi yang relevan secara klinis (modul visualisasi konsensus dan peta pohon) yang memungkinkan eksplorasi manusia terhadap alasan yang mendasari oleh model kecerdasan buatan. Pendekatan ini merupakan contoh praktis tentang bagaimana menerapkan kecerdasan buatan secara bermakna ketika kompleksitas data melebihi kemampuan manusia.
Efek Penggunaan Kecerdasan Buatan
Penggunaan kecerdasan buatan dalam pelaporan varian memiliki beberapa efek yang signifikan seperti meningkatkan efisiensi, dengan menggunakan pendekatan kecerdasan buatan, alat bantu keputusan dapat membantu memfilter varian yang tidak perlu dilaporkan, mengurangi jumlah varian yang perlu ditinjau oleh ahli patologi/genetik. Hal ini dapat menghemat waktu dan usaha yang diperlukan dalam proses pelaporan. Kecerdasan buatan dapat menghasilkan model yang konsisten dalam membuat keputusan pelaporan varian. Model ini didasarkan pada pengalaman kolektif ahli patologi/genetik dan dapat mengurangi variasi dalam keputusan pelaporan yang mungkin terjadi antara individu.
Dalam implementasi kecerdasan buatan, alat bantu keputusan sering dilengkapi dengan fitur visualisasi yang memungkinkan ahli patologi/genetik untuk melihat dan memahami alasan di balik keputusan yang dihasilkan oleh model. Hal ini memberikan tingkat transparansi yang lebih tinggi dan memungkinkan ahli patologi/genetik untuk memahami dan memverifikasi keputusan yang diambil oleh model. Model kecerdasan buatan dapat dilatih dengan menggunakan data yang luas dan beragam, termasuk pengalaman ahli patologi/genetik. Hal ini dapat meningkatkan akurasi dalam mengidentifikasi varian yang signifikan dan relevan untuk dilaporkan.
Kecerdasan buatan memungkinkan pengolahan dan analisis data yang lebih besar dan kompleks daripada yang dapat dilakukan oleh manusia. Dengan menggunakan algoritma dan komputasi yang canggih, model kecerdasan buatan dapat mengintegrasikan dan menganalisis data dari berbagai sumber dengan cepat dan efisien.
