Sebuah penelitian baru oleh peneliti UCL, menemukan lima jenis gagal jantung yang mungkin dapat digunakan untuk memprediksi risiko di masa depan bagi pasien secara individual, dengan bantuan teknologi AI.
Gagal jantung adalah istilah umum untuk kondisi ketika jantung tidak mampu memompa darah dengan baik ke seluruh tubuh.
Cara-cara saat ini dalam mengklasifikasikan gagal jantung tidak dapat dengan akurat memprediksi perkembangan penyakit tersebut.
“Untuk penelitian ini, yang dipublikasikan dalam Lancet Digital Health, para peneliti meneliti data pasien teranonimisasi secara detail dari lebih dari 300.000 orang yang berusia 30 tahun atau lebih dan didiagnosis menderita gagal jantung di Inggris selama 20 tahun terakhir,” lapor India Times.
Dengan menggunakan beberapa metode pembelajaran mesin kecerdasan buatan (AI), mereka mengidentifikasi lima subtipe: awitan dini, awitan akhir, yang terkait dengan fibrilasi atrium (fibrilasi atrium adalah kondisi yang menyebabkan irama jantung yang tidak teratur), yang terkait dengan metabolik (terkait dengan obesitas tetapi dengan tingkat penyakit kardiovaskular yang rendah), dan yang terkait dengan kardiometabolik (terkait dengan obesitas dan penyakit kardiovaskular).
Para peneliti menemukan perbedaan antara subtipe-subtipe tersebut dalam risiko kematian pasien dalam setahun setelah diagnosis.
Risiko kematian karena semua penyebab dalam setahun adalah: awitan dini (20 persen), awitan akhir (46 persen), yang terkait dengan fibrilasi atrium (61 persen), yang terkait dengan metabolik (11 persen), dan yang terkait dengan kardiometabolik (37 persen).
Tim peneliti juga mengembangkan sebuah aplikasi yang potensial digunakan oleh para klinik untuk menentukan subtipe mana yang dimiliki oleh seseorang yang menderita gagal jantung, yang dapat meningkatkan prediksi risiko di masa depan dan memberikan informasi kepada pasien.
“Kami berupaya untuk meningkatkan cara kami mengklasifikasikan gagal jantung, dengan tujuan untuk lebih memahami kemungkinan perkembangan penyakit dan mengkomunikasikannya kepada pasien,” kata penulis utama Profesor Amitava Banerjee.
Saat ini, sulit untuk memprediksi bagaimana penyakit ini akan berkembang pada pasien secara individual. Beberapa orang akan stabil selama bertahun-tahun, sementara yang lain semakin memburuk dengan cepat.
“Pembedaan yang lebih baik antara jenis-jenis gagal jantung juga dapat mengarah pada pengobatan yang lebih terarah dan membantu kita berpikir dengan cara yang berbeda tentang terapi potensial,” katanya.
“Dalam penelitian baru ini, kami mengidentifikasi lima subtipe yang kokoh menggunakan beberapa metode pembelajaran mesin dan beberapa set data.”
“Langkah selanjutnya adalah melihat apakah cara mengklasifikasikan gagal jantung ini dapat memberikan perbedaan praktis bagi pasien – apakah ini meningkatkan prediksi risiko dan kualitas informasi yang diberikan oleh para klinikus, serta apakah ini mengubah pengobatan pasien,” imbuhnya.
“Kami juga perlu mengetahui apakah ini akan menjadi biaya yang efektif. Aplikasi yang kami rancang perlu dievaluasi dalam uji klinis atau penelitian lebih lanjut, tetapi dapat membantu dalam perawatan rutin.”
Untuk menghindari bias dari satu metode pembelajaran mesin, para peneliti menggunakan empat metode terpisah untuk mengelompokkan kasus-kasus gagal jantung.
Tim peneliti melatih alat pembelajaran mesin pada segmen data, dan setelah mereka memilih subtipe-subtipe yang paling kuat, mereka memvalidasi pengelompokan tersebut menggunakan set data terpisah.
Mereka menemukan adanya hubungan antara subtipe-subtipe tertentu dari gagal jantung dan skor risiko poligenik yang lebih tinggi (skor risiko keseluruhan karena faktor genetik secara keseluruhan) untuk kondisi seperti hipertensi dan fibrilasi atrium. [EB]