Kecerdasan buatan (AI) dalam dunia kedokteran semakin berkembang, memberikan para dokter alat bantu baru untuk menawarkan rekomendasi perawatan pasien yang lebih baik, bantuan diagnostik, saran pengobatan, dan pengetahuan medis terbaru pengetahuan. AI, yang terdiri dari model dan algoritme yang mampu menyimpulkan data yang ada untuk menghasilkan prediksi masa depan, memiliki potensi untuk merevolusi banyak aspek kehidupan kita. Metode yang digerakkan oleh AI dapat berpotensi meningkatkan prognosis dan pengobatan penyakit Alzheimer (AD). Meningkatkan identifikasi dini AD dapat meningkatkan hasil dan kualitas hidup pasien dengan menggunakan teknik pembelajaran mesin dan menggabungkan robot obrolan (Chatbots). Chatbot, salah satu dari sekian banyak aplikasi AI, adalah agen percakapan virtual yang memungkinkan pengguna untuk terlibat dengan program komputer berbasis AI melalui suara atau tulisan. Baru-baru ini, chatbot telah diluncurkan di berbagai bidang, termasuk bisnis, ritel, dan layanan seperti layanan kesehatan . Penelitian yang ada telah menunjukkan keefektifan chatbot medis dalam kegiatan seperti seperti memastikan kepatuhan pengobatan yang tepat. Kepuasan pasien kanker telah terbukti meningkat setelah melakukan percakapan dengan chatbot. Berinteraksi dengan chatbot yang berempati memiliki dampak yang meringankan pada kesehatan mental pasien. Interaksi dengan chatbot medis mengurangi gejala keputusasaan dan kecemasan, sementara chatbot medis mengidentifikasi dengan benar lebih dari 96% pasien yang terinfeksi selama pandemi COVID-19 [11]. Beban praktisi kesehatan dapat dikurangi dan disederhanakan dengan bantuan chatbot medis, seperti chatbot prediksi AD.
AD adalah penyakit otak degeneratif yang menyebabkan kehilangan memori dan gangguan kognitif, termasuk kesulitan berbicara, berpikir, dan menyelesaikan tugas. AD dinamai sesuai dengan nama Alois Alzheimer, yang menemukannya pertama kali pada tahun 1906. AD menyebabkan 60-80% dari semua kasus demensia. Pada tahun 2020, sekitar 57,4 juta orang didiagnosis menderita demensia. Dengan kata lain, 2 dari 3 orang dengan demensia menderita AD. Peningkatan jumlah penderita AD diperkirakan akan mencapai 152 juta pada tahun 2050. Individu yang terkena AD mengalami penurunan fungsi kognitif yang parah, dan hal ini berdampak signifikan terhadap kualitas hidup dan kesehatan secara umum. Selain itu, rata-rata usia penderita Alzheimer setelah didiagnosis adalah 7,6 tahun dan 5,8 tahun. Gangguan kognitif ringan (MCI) adalah tahap yang menjanjikan karena masih dalam tahap praklinis AD, berfungsi sebagai target khusus untuk pengobatan dini dengan potensi untuk menghentikan atau memperlambat perkembangan AD.
Hal ini menunjukkan bahwa MCI merupakan intervensi tahap awal yang efektif untuk membalikkan atau menghentikan perkembangan patologis AD. Pencitraan resonansi magnetik (MRI) dapat memberikan gambar 3D yang komprehensif dari komponen tubuh internal seperti otak. MRI telah banyak digunakan untuk memahami perubahan morfologis dan fungsional otak secara in vivo, termasuk AD, skizofrenia, dan lainnya. Oleh karena itu, terstruktur MRI dapat memberikan informasi tentang struktur anatomi otak, membantu dalam mendeteksi dan mengukur pola penyusutan otak AD. Penelitian ini mengembangkan penelitian sebelumnya yang menggunakan pencitraan MRI otak dan pembelajaran mesin untuk meramalkan timbulnya AD. Untuk meningkatkan akurasi prediksi, penelitian ini menggabungkan algoritma convolutional neural network (CNN) dan support vector machine (SVM) dengan cara baru di dalam platform chatbot. Penelitian ini juga melihat bagaimana metode preprocessing memengaruhi kinerja model. Secara umum, penelitian ini memajukan bidang AI dalam perawatan kesehatan dengan menyelidiki metode mutakhir untuk meningkatkan perawatan pasien dan diagnosis dini AD.
Penelitian ini mengeksplorasi sembilan skema kombinasi antara 3 metode preprocessing dan 3 dataset proporsi dalam model CNN-SVM. Ketiga metode preprocessing tersebut adalah 1 tanpa preprocessing dan 2 preprocessing. Hasil evaluasi menunjukkan bahwa performa terbaik diperoleh pada model dengan skema empat berdasarkan akurasi, presisi, recall, dan F1-score, masing-masing mencapai nilai 98%, 99%, 98%, dan 98%, secara berurutan. Dengan kata lain, mekanisme pra-pemrosesan terbaik di antara ketiga skema yang diteliti melibatkan mengubah ukuran gambar ke ukuran 150 piksel脳150 piksel, diikuti dengan mengubah skala gambar ke kisaran 0-1. Pemilihan skema preprocessing ini menunjukkan bahwa langkah-langkah spesifik yang diterapkan dalam preprocessing satu memberikan kontribusi positif terhadap kinerja model. Mengubah ukuran gambar ke dimensi yang lebih kecil dan mengubah skala ke mengubah nilai piksel ke rentang yang lebih terkonsentrasi telah meningkatkan kemampuan model untuk mengekstrak fitur dan memahami pola gambar MRI otak. Di sisi lain, chatbot telah menunjukkan hasil yang sangat baik fungsionalitas dalam memberikan tanggapan terkait AD setelah pengujian transisi, dengan skor fungsionalitas mencapai 99,64 poin dari 100.
Penulis : Suryani Dyah Astuti dan Dezy Zahrotul Istiqomah Nurdin
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
