Kecerdasan buatan lebih baik daripada manusia dalam mendeteksi kanker paru-paru
Para peneliti telah menggunakan algoritme pembelajaran mendalam untuk mendeteksi kanker paru-paru secara akurat dari pemindaian tomografi terkomputasi. Hasil penelitian menunjukkan bahwa kecerdasan buatan dapat mengungguli evaluasi manusia terhadap pemindaian ini.
Kanker paru-paru menyebabkan hampir 160.000 kematian di Amerika Serikat, menurut perkiraan terbaru. Kondisi ini merupakan penyebab utama kematian terkait kanker di AS, dan deteksi dini sangat penting untuk menghentikan penyebaran tumor dan meningkatkan hasil akhir pasien.
Sebagai alternatif dari rontgen dada, profesional perawatan kesehatan baru-baru ini menggunakan pemindaian tomografi terkomputerisasi (CT) untuk menyaring kanker paru-paru.
Faktanya, beberapa ilmuwan berpendapat bahwa CT scan lebih baik daripada sinar-X untuk mendeteksi kanker paru-paru, dan penelitian telah menunjukkan bahwa CT dosis rendah (LDCT) khususnya telah mengurangi kematian akibat kanker paru sebesar 20%.
Namun, tingginya angka positif palsu dan negatif palsu masih membingungkan prosedur LDCT. Kesalahan ini biasanya menunda diagnosis kanker paru-paru hingga penyakit telah mencapai stadium lanjut ketika penyakitnya menjadi terlalu sulit untuk diobati.
Penelitian baru dapat melindungi dari kesalahan ini. Sekelompok ilmuwan telah menggunakan teknik kecerdasan buatan (AI) untuk mendeteksi tumor paru-paru dalam pemindaian LDCT.
Daniel Tse, dari grup Riset Kesehatan Google di Mountain View, CA, adalah penulis studi yang sesuai, yang temuannya muncul di jurnal Pengobatan Alam.
'Model mengungguli keenam ahli radiologi'
Tse dan rekannya menerapkan bentuk AI yang disebut pembelajaran mendalam pada 42.290 pemindaian LDCT, yang mereka akses dari Gudang Data Elektronik Northwestern dan sumber data lain milik rumah sakit Northwestern Medicine di Chicago, IL.
Algoritme pembelajaran mendalam memungkinkan komputer untuk belajar dengan memberi contoh. Dalam kasus ini, para peneliti melatih sistem menggunakan pemindaian LDCT primer bersama dengan pemindaian LDCT sebelumnya, jika tersedia.
Pemindaian LDCT sebelumnya berguna karena dapat mengungkapkan tingkat pertumbuhan abnormal nodul paru, yang mengindikasikan keganasan.
Dalam studi saat ini, AI menyediakan "sistem evaluasi gambar otomatis" yang secara akurat memprediksi keganasan nodul paru tanpa campur tangan manusia.
Para peneliti membandingkan evaluasi AI dengan enam ahli radiologi AS bersertifikat yang memiliki pengalaman klinis hingga 20 tahun.
Ketika scan LDCT sebelumnya tidak tersedia, “model AI mengungguli keenam ahli radiologi dengan pengurangan absolut 11% pada positif palsu dan 5% pada negatif palsu,” lapor Tse dan rekan. Ketika pencitraan sebelumnya tersedia, AI bekerja sebaik ahli radiologi.
Rekan penulis studi Dr. Mozziyar Etemadi, asisten profesor anestesiologi di Northwestern University Feinberg School of Medicine di Chicago, menjelaskan mengapa AI dapat mengungguli evaluasi manusia.
“Ahli radiologi umumnya memeriksa ratusan gambar 2D atau 'irisan' dalam satu CT scan, tetapi sistem pembelajaran mesin baru ini melihat paru-paru dalam gambar 3D tunggal yang besar,” kata Dr. Etemadi.
“AI dalam 3D bisa jauh lebih sensitif dalam kemampuannya untuk mendeteksi kanker paru-paru dini daripada mata manusia yang melihat gambar 2D. Secara teknis ini adalah '4D' karena tidak hanya melihat satu CT scan tetapi dua (pemindaian saat ini dan sebelumnya) dari waktu ke waktu. "
Dr. Mozziyar Etemadi
“Untuk membangun AI untuk melihat CT dengan cara ini, Anda memerlukan sistem komputer berskala Google yang sangat besar,” lanjutnya. "Konsepnya baru, tapi rekayasa sebenarnya juga baru karena skalanya."
Etemadi kemudian memuji manfaat penggunaan teknologi pembelajaran mendalam, dengan menekankan ketepatannya. “Sistem dapat mengkategorikan lesi dengan lebih spesifik,” kata peneliti.
“Kami tidak hanya dapat mendiagnosis seseorang dengan kanker dengan lebih baik, kami juga dapat mengatakan jika seseorang tidak menderita kanker, berpotensi menyelamatkan mereka dari biopsi paru-paru yang invasif, mahal, dan berisiko,” Dr. Etemadi menyimpulkan.
Namun, para peneliti mengingatkan bahwa pertama-tama perlu untuk memvalidasi hasil ini dalam kelompok yang lebih besar.
