Teknologi AI Prediksi 130 Penyakit dari Pola Tidur

Teknologi AI yang Mampu Mendeteksi 130 Jenis Penyakit dari Pola Tidur

Sebuah alat teknologi kecerdasan buatan (AI) yang dikembangkan oleh peneliti Stanford Medicine diklaim mampu memprediksi risiko 130 jenis penyakit, termasuk kanker, hanya dengan menganalisis pola tidur seseorang selama satu malam. Model bernama SleepFM ini menggunakan sinyal fisiologis yang direkam selama tidur untuk mengidentifikasi potensi gangguan kesehatan jauh sebelum gejala klinis muncul.

SleepFM dilatih menggunakan data polisomnografi dari hampir 600 ribu jam dan sekitar 65 ribu orang. Polisomnografi adalah pemeriksaan tidur semalaman yang merekam aktivitas otak, jantung, pernapasan, gerakan tubuh, hingga aliran udara. Meskipun metode ini biasanya digunakan untuk mendiagnosis gangguan tidur seperti sleep apnea, data yang dihasilkan jauh lebih kaya dan kompleks.

“Kami merekam jumlah sinyal yang luar biasa banyak saat mempelajari tidur,” kata Emmanuel Mignot, penulis senior sekaligus profesor kedokteran tidur di Stanford. “Ini semacam fisiologi umum yang kami pelajari selama delapan jam pada subjek yang benar-benar ‘terkunci’ di tempat. Datanya sangat kaya.”

Menurut tim peneliti, kompleksitas data tidur sulit dianalisis secara menyeluruh dengan pendekatan konvensional. AI memungkinkan pembacaan pola lintas sistem tubuh sekaligus, dengan mempelajari hubungan antar-sinyal dari ribuan malam tidur.

“Dari sudut pandang AI, tidur relatif kurang dipelajari. Banyak riset AI lain berfokus pada patologi atau kardiologi, tetapi relatif sedikit yang meneliti tidur, padahal tidur adalah bagian yang sangat penting dari kehidupan,” kata James Zou, penulis senior dan profesor madya ilmu data biomedis.

Pengembangan SleepFM sebagai Foundation Model

SleepFM dikembangkan sebagai foundation model yang mempelajari pola umum tidur sebelum disesuaikan untuk berbagai tugas prediksi. Model ini dilatih dengan memecah data tidur menjadi segmen lima detik dan menggabungkan berbagai kanal sinyal, seperti EEG, EKG, EMG, denyut nadi, dan aliran udara. “SleepFM pada dasarnya mempelajari bahasa tidur,” ujar Zou.

Setelah diuji pada tugas-tugas standar kedokteran tidur, model ini kemudian dipasangkan dengan rekam medis jangka panjang dari Stanford Sleep Medicine Center. Dari lebih 1.000 kategori penyakit yang dianalisis, SleepFM mampu memprediksi 130 penyakit dengan tingkat akurasi yang dinilai memadai, termasuk kanker, gangguan sirkulasi, komplikasi kehamilan, dan gangguan mental, dengan nilai C-index di atas 0,8.

“Untuk semua pasangan individu yang mungkin, model memberi peringkat siapa yang lebih mungkin mengalami suatu kejadian, misalnya serangan jantung, lebih awal. C-index sebesar 0,8 berarti 80 persen dari waktu, prediksi model selaras dengan apa yang benar-benar terjadi,” kata Zou.

Potensi dan Pengembangan Lanjutan

Penelitian ini telah dipublikasikan dalam jurnal Nature Medicine. Para peneliti menyatakan masih mengembangkan teknik interpretasi untuk memahami sinyal apa yang paling berperan dalam prediksi penyakit, serta mempertimbangkan integrasi data dari perangkat wearable di masa depan.

Keuntungan dan Manfaat dari SleepFM

Berikut beberapa manfaat utama dari penggunaan SleepFM:

• Deteksi Dini Penyakit: Dengan menganalisis pola tidur, SleepFM dapat mendeteksi potensi gangguan kesehatan jauh sebelum gejala klinis muncul.
• Akurasi Tinggi: Model ini mampu memprediksi 130 jenis penyakit dengan tingkat akurasi yang tinggi, termasuk kanker dan gangguan mental.
• Penggunaan Data Komprehensif: SleepFM memanfaatkan data polisomnografi yang sangat kaya dan kompleks untuk meningkatkan akurasi prediksi.
• Pemahaman Fisiologi Umum: Model ini mempelajari bahasa tidur, yang membantu dalam memahami hubungan antar-sinyal dalam tubuh.

Tantangan dan Perspektif Masa Depan

Meskipun SleepFM menunjukkan potensi besar, masih ada tantangan yang harus dihadapi. Salah satunya adalah memahami sinyal mana yang paling berperan dalam prediksi penyakit. Selain itu, para peneliti juga mempertimbangkan integrasi data dari perangkat wearable untuk meningkatkan efektivitas model.

Dengan perkembangan teknologi AI dan pemahaman yang lebih baik tentang fisiologi tidur, SleepFM bisa menjadi alat penting dalam diagnosis dini dan pencegahan penyakit. Ini membuka jalan bagi inovasi baru dalam bidang kesehatan dan teknologi medis.