Mungkin ada yang akan terbayang muka pelakon Rami Malek atau teringat karakter Dr Robotnik dari filem Sonic The Hedgehog selepas membaca tajuk post ini,
Tetapi apa yang ingin saya sampaikan sebenarnya ialah berkaitan dengan automasi dalam bidang perubatan (medical autom4tion).
Apa itu automasi dalam bidang perubatan? Bukan robot yang merawat manusia seperti dalam filem sci-fi, tetapi penggunaan ‘machine learning’ dalam bidang perubatan.
Proses berlakunya sesuatu penyakit boleh diringkaskan dalam model “natural history of a disease”, di mana seorang pesakit pada mulanya mempunyai risiko untuk mendapat penyakit,
Kemudian fasa penyakit subklinikal, klinikal dan seterusnya resolusi (sama ada sembuh, mendapat kesan sampingan penyakit atau kem4tian).
Sebagai contoh, penyakit COVID-19, setiap manusia ada risiko untuk menghidap penyakit COVID-19 dan apabila mereka terdedah pada virus tersebut,
Mereka tidak tahu bahawa mereka pembawa penyakit COVID (fasa subklinikal) sehinggalah mereka mendapat simtom seperti batuk dan sesak nafas (fasa klinikal). Akhir sekali, fasa resolusi melibatkan sama ada pesakit tersebut sembuh atau meninggal dunia.
‘Machine learning’ pula bukanlah seketul mesin yang pandai belajar dan membaca tetapi ia adalah penggunaan teknologi komputer untuk melakukan sesuatu perkara pada tahap yang sama dengan manusia atau lebih baik dari manusia.
Sebagai contoh kereta Tesla yang mampu memandu dengan sendiri (jangan tertidur ya), atau Siri yang faham akan arahan manusia (Hey Siri, mana kedai nasi lemak terdekat?).
‘Machine learning’ boleh digunakan dalam setiap fasa berlakunya sesuatu penyakit.
Sebagai contoh dalam fasa risiko, data-data dari makmal perubatan boleh disalurkan ke dalam sistem ‘machine learning’ untuk meramalkan risiko seseorang mendapat penyakit jantung.
Ini mungkin boleh digunakan pada masa hadapan untuk mengkaji risiko-risiko seseorang mendapat penyakit barah, atau penyakit-penyakit lain sebelum mereka mendapatnya.
Jika ini boleh dilakukan dengan tahap ketepatan yang tinggi, pelbagai kaedah boleh digunakan untuk mengurangkan risiko tersebut.
Terdapat juga penggunaan untuk menentukan diagnosis sesuatu penyakit. Adakah komputer dapat mendiagnosa penyakit lebih baik daripada manusia?
Contoh di atas merupakan kajian ChexNext yang dilakukan dan didapati bahawa sistem ini mampu mencapai ketepatan yang sama dengan pakar radiologi dalam kebanyakan kategori.
Sistem ini juga boleh dinaiktaraf pada masa hadapan mungkin, untuk bekerja bersama pakar radiologi bagi memberikan perkhidmatan yang lebih baik buat pesakit, dalam masa yang sangat singkat.
Kajian kedua pula mendapati bahawa sistem ‘machine learning’ juga boleh membantu meningkatkan ketepatan deteksi sel-sel kanser payudara (91% berbanding 83%).
Anda boleh membaca kajian-kajian selanjutnya dalam bidang ini yang akan saya kemukakan di bahagian sumber di penghujung penulisan ini.
Konklusinya, ini hanyalah sedikit gambaran bagaimana sistem ‘machine learning’ sedang mengubah dunia perubatan bukan sahaja dalam mendiagnosa, tetapi juga dalam mengenalpasti risiko, serta memberi rawatan kepada pesakit.
Juga tidak dilupakan dalam bidang kesihatan awam yang mana menggunakan kaedah biostatistik yang sama seperti ‘machine learning’ seperti ‘logistic regression’ dan ‘linear regression’.
Kaedah-kaedah biostatistik inilah sebenarnya merupakan unit asas yang digunakan oleh komputer untuk meramal setiap satu data.
Akhir kata, peranan doktor juga sangat penting sebenarnya bagi memastikan sistem ini berfungsi dengan baik dan tanpa kesilapan.
Oleh itu, kita tidak boleh hanya bergantung pada komputer sahaja, kerana sepandai-pandai komputer melompat, akhirnya jatuh ke tangan gamers juga. Eh?
Sumber:
https://pubmed.ncbi.nlm.nih.
https://www.nature.com/
https://www.nature.com/
Andrew Ng, deeplearning.ai
– z (Bukan nama sebenar)
Hantar confession anda di sini -> https://iiumc.com/submit