Kardiotokografi (CTG) merupakan metode pemantauan penting dalam ilmu obstetri modern untuk menilai kondisi janin selama persalinan. CTG secara simultan merekam denyut jantung janin dan kontraksi rahim, memberikan informasi krusial terkait kesejahteraan janin. Alat ini sangat bermanfaat dalam kehamilan dan persalinan karena mampu mendeteksi penurunan denyut jantung janin, hipoksia, serta kontraksi berlebihan, yang semuanya berdampak pada keselamatan ibu dan bayi. CTG dapat membantu mengurangi komplikasi persalinan, morbiditas, angka kematian bayi, bahkan perlu tidaknya kebutuhan operasi cesar. Meskipun penggunaannya telah menjadi standar, interpretasi hasil CTG memerlukan pelatihan, pengalaman, dan keahlian khusus. Kesalahan dalam interpretasi atau keterlambatan dalam merespons dapat berdampak serius terhadap ibu maupun janin. Oleh karena itu, diperlukan peningkatan teknologi untuk meningkatkan akurasi dan efisiensi interpretasi CTG.
Perkembangan model bahasa besar berbasis kecerdasan buatan (AI-LLM) dalam beberapa tahun terakhir telah membuka peluang baru di berbagai bidang, termasuk dunia medis. AI-LLM mampu menganalisis data dalam jumlah besar dengan cepat dan akurat, serta mengenali pola dan tren yang mungkin sulit dideteksi oleh manusia. Dalam konteks CTG, AI-LLM dapat memberikan analisis awal yang cepat dan akurat, serta membantu tenaga medis dalam pengambilan keputusan yang tepat waktu dan berbasis data.
Penggunaan AI-LLM dalam interpretasi CTG menawarkan berbagai keuntungan. Model-model ini dapat dilatih menggunakan kumpulan data CTG historis berskala besar, sehingga mampu mengenali pola yang berkaitan dengan risiko tertentu secara akurat. Mereka juga dapat diakses kapan pun dan di mana pun, serta memberikan dukungan secara konsisten tanpa mengalami kelelahan atau bias seperti halnya manusia. AI-LLM juga memiliki kemampuan untuk terus belajar dan berkembang seiring bertambahnya ketersediaan data. Melalui interaksi dan interpretasi baru, algoritma pada model ini dapat diperbarui sehingga meningkatkan keandalan dan efektivitasnya. Selain itu, integrasi AI-LLM dalam sistem pelayanan kesehatan dapat mengurangi beban kerja tenaga medis, sehingga mereka dapat lebih fokus pada aspek lain dari perawatan pasien.
Dalam dunia yang semakin digital, penerapan AI-LLM dalam interpretasi CTG dapat menjadi inovasi signifikan dalam praktik obstetri dan persalinan dengan menyediakan analisis yang cepat, akurat, dan konsisten, sehingga meningkatkan keselamatan ibu dan bayi selama proses persalinan. Penelitian ini bertujuan untuk menilai akurasi tiga AI-LLM yang berbeda dalam menginterpretasikan gambar CTG yang merepresentasikan berbagai kondisi pasien, serta mengevaluasi sejauh mana model-model ini dapat diandalkan untuk membantu dokter. Dengan menggabungkan keahlian medis dan teknologi canggih, studi ini berupaya menghadirkan solusi yang lebih baik dan efisien demi menjamin kelahiran yang aman dan optimal.
Penelitian ini mengevaluasi performa tiga AI-LLM (CG4o, GemAdv, dan Copilot) dalam interpretasi gambar CTG, dan membandingkannya dengan dokter spesialis senior (SHD) dan junior (JHD). CG4o menunjukkan performa terbaik di antara model AI lainnya, bahkan mendekati performa SHD dan melampauinya dalam aspek kedalaman analisis. Namun, SHD tetap menunjukkan performa terbaik dalam hal relevansi, koherensi, dan fokus, yang menekankan bahwa keahlian manusia masih sangat penting. Temuan ini menunjukkan bahwa AI-LLM, khususnya CG4o, memiliki potensi besar untuk membantu dokter, terutama dokter dengan pengalaman terbatas, dalam menginterpretasikan CTG. Namun, penggunaannya tetap perlu diawasi oleh spesialis demi memastikan akurasi dan keselamatan pasien.
Studi ini tidak hanya berfokus pada potensi pemanfaatan AI-LLM untuk meningkatkan kualitas pelayanan obstetri, namun juga menegaskan pentingnya penelitian lanjutan guna memastikan keandalan model-model ini dalam skenario klinis yang lebih kompleks. Sebagai kesimpulan, integrasi AI-LLM canggih seperti CG4o ke dalam praktik klinis dapat memberikan manfaat besar dalam bidang obstetri, terutama dalam pemantauan janin selama persalinan. Penggunaan AI-LLM yang akurat dan konsisten berpotensi meningkatkan luaran klinis dan efisiensi operasional, sehingga mengurangi angka morbiditas dan mortalitas.
Penulis: Khanisyah Erza Gumilar, dr., Sp.OG.
Link:
Baca juga: Sinar UV-C pada Mikroalga Chlorella Vulgaris
