Helo Indonesia

Keren, Kecerdasan Buatan Bantu Dokter Mengindentifikasi Risiko Kanker Payudara Lebih Dini

Syahroni - Teknologi
Minggu, 11 Juni 2023 22:59
    Bagikan  
Ilustrasi
ist

Ilustrasi - Kanker payudara.

HELOINDONESIA.COM -  Kanker payudara adalah kanker penyebab kematian nomor dua di Amerika Serikat meski sudah banyak wanita yang telah mengetahui faktor risikonya, kata Vignesh Arasu, MD, Ph.D., ilmuwan riset Kaiser Permanente dan ahli radiologi yang berspesialisasi dalam pemindaian pada pasien kanker payudara. Namun kini, Arasu ingin mengubahnya dan memberi pasien gambaran yang lebih jelas tentang risiko yang dihadapi kaum wanita ini.

“Faktor risiko tradisional — yang telah kita ketahui selama beberapa dekade — termasuk usia wanita, riwayat keluarga, biopsi jinak sebelumnya, paparan estrogen, dan kepadatan payudara,” kata Arasu. “Mengidentifikasi faktor risiko baru akan membantu kami mengidentifikasi wanita yang dapat memperoleh manfaat dari lebih banyak skrining kanker dengan tujuan mengurangi diagnosis kanker payudara stadium lanjut dan kematian akibat kanker payudara.”

Tapi bagaimana caranya?

Kecerdasan buatan / Artifisial Intelegent (AI) mungkin jawabannya
AI, teknologi yang sama yang baru-baru ini menjadi berita utama untuk ChatGPT, mungkin menjadi hal penting untuk memprediksi risiko kanker payudara seseorang, menurut sebuah studi baru yang dipimpin oleh Arasu dan diterbitkan dalam jurnal Radiological Society of North America (RSNA).

Studi ini mencakup ribuan mammogram dan menunjukkan bahwa AI dapat mengungguli salah satu model risiko klinis standar yang saat ini digunakan untuk memprediksi risiko lima tahun seseorang terkena kanker payudara, yang dikenal sebagai Konsorsium Pengawasan Kanker Payudara.

Baca juga: Benarkah Bersendawa Tanpa Henti Merupakan Gejala Kanker Usus Besar? Ini Jawaban Para Ahli

“Ini menunjukkan bahwa AI yang digunakan sendiri atau digabungkan dengan model prediksi risiko saat ini memberikan jalan baru untuk prediksi risiko di masa depan,” kata Arasu.

Spesialis kanker payudara yang tidak terlibat dalam penelitian memuji penelitian tersebut sebagai hal yang menjanjikan bagi penyedia layanan kesehatan dan pasien mereka.

“AI menjanjikan dalam membantu ahli radiologi mendeteksi kanker payudara yang halus, serta berpotensi menandai pasien yang mungkin berisiko tinggi terkena kanker payudara dalam dekade berikutnya,” kata Liva Andrejeva-Wright, MD, seorang pencitraan payudara (ahli radiologi) Yale Medicine dan asisten profesor di Yale School of Medicine dilansir dari Healtline.

Studi ini juga menghadirkan kasus penggunaan baru untuk AI.

“Ini cara baru untuk melihat kecerdasan buatan. Kami selalu menganggapnya sebagai cara untuk membuat temuan. Nah, penelitian ini bukan tentang menemukan kanker di sana sekarang. Ini tentang mencari tahu siapa yang berisiko lebih tinggi terkena kanker di masa depan. Ini adalah cara yang sangat menarik dan penting bagi kecerdasan buatan untuk berperan.” kata Nina Stuzin Vincoff, MD, kepala pencitraan payudara di Northwell Health di New York.

Bagaimana studi baru menunjukkan AI dapat membantu memprediksi risiko kanker payudara

Arasu menjelaskan bahwa penelitian tersebut bersifat retrospektif, artinya melihat kembali apa yang telah terjadi. Arasu dan timnya memulai dengan mengidentifikasi lebih dari 324.000 wanita yang melakukan mammogram di Kaiser Permanente Northern California pada tahun 2016 dan tidak memiliki tanda kanker payudara. Tim kemudian mempersempit kumpulan peserta menjadi subkelompok acak 13.628 untuk dianalisis.

“Kami kemudian melihat wanita mana yang terkena kanker payudara antara tahun 2016 dan 2021. Kami menemukan ada 4.584 wanita dengan diagnosis kanker payudara. Kami membandingkan para wanita ini dengan subgrup yang mencakup 13.435 dari 324.000 wanita yang tidak mengidap kanker payudara.” jelas Arasu.

Baca juga: Peneliti Temukan Rahasia Bagaimana Tanaman Herbal Kopiah Berduri Bisa Melawan Kanker

Peneliti mengikuti setiap peserta hingga 2021.

“Kami mengevaluasi lima algoritme kecerdasan buatan dan menghasilkan skor untuk mammogram negatif wanita ini dari tahun 2016. Skor ini dimaksudkan untuk deteksi kanker payudara, tetapi kami sekarang mengevaluasi apakah skor yang sama ini dapat memprediksi risiko kanker di masa depan hingga lima tahun.” kata Arasu.
“Kami juga menggunakan model risiko klinis Konsorsium Pengawasan Kanker Payudara BCSC untuk menilai risiko kanker payudara mereka berdasarkan faktor risiko tradisional mereka dari tahun 2016,” tambahnya.

Konsorsium Pengawasan Kanker Payudara (BCSC) adalah model yang umum digunakan untuk memprediksi risiko kanker payudara. Ini menggunakan informasi yang dilaporkan sendiri dari pasien dan faktor lain, seperti usia, riwayat kanker payudara dalam keluarga, riwayat kelahiran, dan kepadatan payudara, dan menghitung skor risiko.

Satu celah kritis?

“Ada banyak faktor yang menjadi faktor apakah Anda berisiko tinggi terkena kanker, dan seseorang mungkin tidak mengetahuinya,” kata Vincoff.

Misalnya, seseorang mungkin tidak mengetahui riwayat keluarga lengkap kanker payudara jika mereka diadopsi atau diasingkan dari orang tua.

Bisakah AI membantu mengubahnya? Itulah yang dinilai Arasu selanjutnya.

Kami melihat apakah AI atau BCSC telah melakukan pekerjaan yang lebih baik dalam memprediksi wanita mana yang akan didiagnosis kanker payudara, ”kata Arasu.

Baca juga: Ini Penyebab dan Gejala Sembelit, Jangan Anggap Remeh Bisa Kanker Usus

Dan menurut Arasu, cara itu berhasil. “Studi ini menunjukkan bahwa model penilaian risiko AI dapat meningkatkan identifikasi pasien dengan risiko rata-rata yang lebih mungkin mengembangkan kanker payudara dalam interval waktu lima tahun,” kata Andrejeva-Wright.

“Selain itu, penelitian menunjukkan bahwa penerapan model penilaian risiko BCSC dalam kombinasi dengan model penilaian risiko AI dapat mengarah pada peningkatan identifikasi kemungkinan kelompok pasien dalam populasi risiko rata-rata yang mungkin mendapat manfaat dari peningkatan skrining.” Tambahnya.

Namun meskipun hasil penelitian ini menjanjikan, Arasu mengatakan masih banyak lagi yang ingin dia ketahui, evaluasi, dan tingkatkan.

“Penelitian lebih lanjut diperlukan untuk melihat apakah kami dapat membuat algoritme menjadi lebih akurat. Kami juga perlu mengidentifikasi cara yang tepat untuk menggunakan informasi ini dalam praktik klinis.” kata Arasu.