Wakil Kepala Rumah Sakit Kuan-Cheng Chang Jurusan Kardiovaskular Departemen Kedokteran Internal

Direktur Edward Hsu Pusat Diagnosis Medis Kecerdasan Buatan

[AIoT EKG Diagnosis Jarak Jauh Sebelum Tiba di Rumah Sakit Infark Miokard Akut dan 12 Item Aritmia]

Seiring dengan kemajuan perkembangan medis, usia rata-rata secara bertahap menua, penyakit yang berkaitan dengan kardiovaskular telah menjadi masalah penting yang membahayakan kesehatan manusia, di antaranya infark miokard (Myocardial infarction, MI) adalah salah satu penyakit dengan risiko tertinggi, banyak penderita telah meninggal sebelum diantar ke rumah sakit, olah karena itu penemuan dini dan diagnosis penderita infark miokard adalah topik yang sangat penting secara klinis.

Wakil Kepala Rumah Sakit CMUH Kuan-Cheng Chang menyatakan, EKG adalah dasar yang sangat penting untuk mendiagnosis penyakit ini, sewaktu EKG segmen ST spesifik (STEMI) pada EKG meningkat, menunjukkan bahwa arteri koroner di area yang sesuai telah tersumbat seluruhnya atau hampir seluruhnya tersumbat, kardiomiosit di seluruh lapisan dinding ventrikel mulai hipoksia dan mati, bila tidak secepat mungkin memulihkan aliran darah, akan menyebabkan kerusakan jantung permanen dan risiko aritmia fatal serta komplikasi akut lebih tinggi, seperti syok psikogenik, perforasi jantung dan tamponade. Demi menyelesaikan masalah klinis tersebut, tim penelitian kami telah memanfaatkan kecerdasan buatan (Artificial Intelligence, AI) dan pembelajaran mesin untuk membuat model interpretasi “Infark miokard tipe segmen ST meningkat akut”yang lebih akurat daripada sistem ahli EKG semula di dalam negeri, memadukan penilaian terhadap 12 item aritmia serta sistem penilaian risiko tinggi otomatis untuk pemeriksaan luka pada medis darurat, menjadi satu platform diagnostik EKG yang menyeluruh untuk infark miokard akut, hasil awal secara efektif telah mempersingkat D2B (Door to Balloon) setelah tiba di rumah sakit, yaitu waktu untuk memulihkan hemoperfusi jantung.

Namun, perbaikan waktu D2B hanya memperhatikan proses medis setelah penderita tiba di rumah sakit, kenyataannya waktu hipoksia miokard dimulai adalah saat di mana penderita mulai ada gejala. Bagaimana cara mempersingkat waktu penderita dengan infark miokard mulai dari timbulnya gejala hingga pemulihan hemoperfusi jantung, yaitu waktu S2B (Symptom to Balloon time), beberapa tahun terakhir ini telah mendapatkan lebih banyak perhatian. Selain pendidikan kesehatan yang sesuai supaya penderita waspada terhadap gejala sendiri, apakah masih ada cara lain bisa pada periode awal terjadi gejala, yaitu sebelum penderita tiba di rumah sakit sudah bisa didiagnosis sebagai infark miokard. Di satu sisi memperingatkan penderita untuk segera berobat ke dokter, di sisi lain sewaktu penderita tiba di rumah sakit, bisa memberitahukan staf medis garis depan dan tim kateterisasi jantung, untuk mengurangi pemborosan waktu yang tidak perlu, selanjutnya mengurangi waktu hipoksia miokard dan menyimpan fungsi jantung.

Dan lagi, di dalam negeri ada banyak daerah desa terpencil masih sangat kekurangan tenaga medis, walaupun penderita bisa menerima pemeriksaan EKG, namun sangat mungkin kekurangan dokter profesional untuk membuat interpretasi yang segera dan benar. Oleh karena itu, bagaimana bisa mencapai transmisi jarak jauh EKG dan melalui interpretasi otomatis oleh kecerdasan buatan adalah kunci terpenting untuk mempersingkat waktu S2B dan memperbaiki lingkungan medis desa terpencil.

Rumah sakit kami memadukan algoritma EKG kecerdasan buatan dan mesin EKG pribadi miniatur, dilengkapi dengan ECG patch tipe sederhana yang dapat dioperasikan oleh masyarakat umum, semoga bisa mendirikan sistem diagnosis otomatis jarak jauh EKG cepat, untuk mempersingkat waktu S2B (Symptom to Balloon), kepentingannya pada mencapai wilayah di luar rumah sakit termasuk: 1. Di rumah atau di lokasi penyelamatan sebelum tiba di rumah sakit, 2. Di atas ambulans sebelum tiba di rumah sakit, serta 3. diagnosis EKG jarak jauh di desa terpencil di mana perawatan medis sangat langka, melalui cara ini mempersingkat waktu dari terjadinya gejala pada penderita hingga infark miokard atau aritmia terdiagnosis. Melalui memadukan perangkat EKG sederhana yang dipersonalisasi dan data yang diberikan algoritma kecerdasan buatan yang cepat dan benar, staf medis profesional atau dokter unit darurat, ahli jantung dapat memberikan saran medis yang sesuai kepada penderita atau staf penyelamat garis depan, dan di sisi rumah sakit melakukan persiapan untuk pengobatan yang berkaitan, mengurangi kerusakan jantung atau gejala komplikasi yang bekaitan yang mungkin terjadi karena penundaan waktu.

Direktur Pusat Diagnosis Medis Kecerdasan Buatan CMUH Edward Hsu menunjukkan, pendirian model AI tersebut, memadukan Divisi Kardiologi, Divisi Unit Darurat, Pusat Diagnosis Medis Kecerdasan Buatan, dan Ruang Informasi, mengumpulkan sekitar seribu data EKG pasien infark miokard di rumah sakit kami di antara tahun 2008~2018, serta lebih dari dua ribu EKG pasien normal, untuk melatih model AI; setelah pelatihan model selesai, pada bulan Juni 2020 diluncurkan di unit darurat, telah melalui pengujian klinis sebanyak 20.000 EKG, tingkat akurasinya bisa mencapai 99,7%, saat ini mengarah pada memperluas model AI tersebut ke wilayan di luar rumah sakit, telah menyelesaikan integrasi perangkat lunak dan keras, sudah bisa menggunakan penilaian EKG dengan bantuan AI di ambulans dan lokasi desa terpencil.

※Rumah Sakit Afiliasi Universitas Kedokteran China (CMUH)

Perkenalan Pusat Diagnosis Medis Kecerdasan Buatan / AI

Berkomitmen untuk aplikasi AI data klinis, melalui teknologi pembelajaran mesin/mendalam, mengubah data dalam jumlah besar menjadi model kecerdasan buatan dengan fungsi substansial, memberikan informasi diagnosis ahli kedua sewaktu spesialis klinis membuat diagnosis medis, dan memasukkan ke dalam keputusan medis profesional, mengurangi beban dokter yang menganalisis data medis dalam jumlah besar. Direktur Pusat AI CMUH Edward Hsu menunjukkan empat poros utama penelitian: pencitraan medis, sinyal elektrofisiologis, catatan medis elektronik EHR dan data genomik untuk melakukan pengembangan serta aplikasi kecerdasan buatan, melalui kecerdasan buatan dipadukan dengan data besar, pada segi diagnosis, pengobatan, dan prognosis mendirikan solusi cerdas yang lengkap.