Kami menciptakan cara yang lebih cepat dan tidak terlalu invasif untuk mendiagnosis endometriosis melalui pembelajaran mesin – Majalah Time.com

  • Whatsapp


Endometriosis adalah penyakit yang melemahkan dengan dampak serius pada kualitas hidup seseorang jauh melampaui rasa sakit yang ditimbulkannya. Ini dapat mempengaruhi mereka secara finansial, menyebabkan gangguan pada pekerjaan, kehidupan sosial, dan hubungan mereka.

Bacaan Lainnya

Pada usia 44 tahun, satu dari sembilan wanita Australia (dan mereka yang ditugaskan sebagai wanita saat lahir) didiagnosis menderita endometriosis. Pada 2016/17 itu dirawat di rumah sakit 34.000 pasien.

Endometriosis terjadi di mana jaringan yang mirip dengan lapisan rahim, tumbuh di luar rahim sering menyebabkan rasa sakit yang hebat dan untuk beberapa masalah kesuburan. Diagnosis sering tertunda, dengan rata-rata 6,4 tahun antara timbulnya gejala dan diagnosis.

Satu-satunya cara yang dapat diandalkan untuk mendiagnosis endometriosis saat ini adalah dengan melakukan operasi lubang kunci untuk melihat lesi endometriosis di dalam perut, idealnya kemudian diverifikasi dengan pemeriksaan mikroskopis jaringan.

Metode ini dianggap sebagai standar emas untuk diagnosis endometriosis, tetapi pembedahan dapat menjadi masalah, sulit diakses, dan menambah penundaan. Diagnosis non-bedah bisa sangat rumit, terutama ketika dokter tidak secara khusus dilatih untuk mengidentifikasi endometriosis dalam ultrasound atau MRI.

Para peneliti dari Robinson Research Institute dan Australian Institute for Machine Learning (AIML) bekerja sama untuk memanfaatkan kecerdasan buatan untuk memfasilitasi diagnosis endometriosis yang tidak terlalu invasif dan lebih cepat.

Profesor Gustavo Carneiro dari Australian Institute for Machine Learning mengawasi desain dan implementasi program yang dapat membaca pemindaian spesialis dan mengenali penanda pencitraan tertentu yang terlihat pada endometriosis. Ini akan membantu dokter memberikan diagnosis bebas operasi dengan tes awal yang menunjukkan perangkat lunak ini mampu memberikan akurasi diagnostik yang mendekati dokter spesialis.

Rekan peneliti Profesor Louise Hull dari Robinson Research Institute mengatakan proyek IMAGENDO akan memberikan metode yang hemat biaya, dapat diakses, dan akurat untuk mendiagnosis endometriosis secara non-invasif.

“Kami menggunakan pembelajaran mesin untuk menggabungkan kemampuan diagnostik pemindaian ultrasound panggul dan pencitraan resonansi magnetik (MRI) untuk mengidentifikasi lesi endometriosis,” kata Profesor Hull.

Co-lead peneliti Dr Jodie Avery menjelaskan pembelajaran mesin adalah aplikasi kecerdasan buatan yang memberikan sistem kemampuan untuk secara otomatis belajar dan meningkatkan dari pengalaman.

“Pembelajaran mesin adalah proses berulang – saat Anda memberikan lebih banyak sampel pelatihan, akurasi sistem meningkat,” kata Dr Avery.

Proyek IMAGENDO sedang berlangsung dan akan berkembang seiring dengan tersedianya lebih banyak data.

Profesor Carneiro mengatakan algoritma pembelajaran mesin seperti ini dapat mempercepat identifikasi endometriosis ketika seorang spesialis tidak tersedia, pengiriman cepat dari perawatan bedah, medis dan kesuburan.

“Kami berharap pendekatan kami akan segera berarti pasien dari seluruh Australia akan memiliki akses ke pemeriksaan endometriosis non-invasif berkualitas tinggi,” kata Profesor Carneiro.

Sumber: Universitas Adelaide



Pos terkait

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan.