home

Bagaimana kami boleh memperbaikinya?

close
chevron
Artikel ini mengandungi maklumat yang salah dan tidak tepat.
chevron

Sila beritahu kami apa yang salah.

wanring-icon
Anda tidak wajib mengisi maklumat ini. Sila klik Hantar Pendapat Saya di bawah untuk terus membaca.
chevron
Artikel ini tidak menyediakan info selengkapnya
chevron

Sila beritahu kami apa yang salah.

wanring-icon
Anda tidak wajib mengisi maklumat ini. Sila klik Hantar Pendapat Saya di bawah untuk terus membaca.
chevron
Hmm... Saya ada soalan!
chevron

Kami tidak boleh menawarkan khidmat nasihat kesihatan peribadi, tapi kami mengalu-alukan pendapat anda! Sila isi kotak di bawah.

wanring-icon
Jika anda mengalami kecemasan, sila hubungi pihak kecemasan atau lawati bilik kecemasan terdekat dengan kadar segera.

Kecerdasan Buatan Mampu Meramal Kematian Awal Akibat Penyakit Kronik

Kecerdasan Buatan Mampu Meramal Kematian Awal Akibat Penyakit Kronik

Sektor penyediaan perkhidmatan kesihatan dunia berkembang dengan semakin baik seiring perkembangan sains dan teknologi. Terbaharu, kajian yang dijalankan oleh University of Nottingham menunjukkan kecerdasan buatan mampu menjangkakan kematian awal seseorang individu yang disebabkan oleh penyakit kronik. Komputer yang berkemampuan untuk meramal kematian awal boleh memberi kesan yang amat besar dalam menambah baik penjagaan kesihatan yang bersifat pencegahan pada masa hadapan.

Sekumpulan saintis data penjagaan kesihatan dan doktor telah membangunkan dan menguji satu sistem algoritma ‘pembelajaran mesin’ yang berasaskan komputer yang bertujuan meramal risiko kematian awal disebabkan oleh penyakit kronik dalam populasi umur pertengahan yang agak besar. Mereka mendapati sistem kecerdasan buatan (AI) ini sangat tepat dalam ramalannya dan melakukannya dengan lebih baik berbanding pendekatan standard semasa untuk ramalan yang dibangunkan oleh pakar. Kajian yang bertajuk ‘Prediction of Premature All-cause Mortality: A Prospective General Population Cohort Study Comparing Machine-learning and Standard Epidemiological Approaches’ telah diterbitkan pada 27 Mac 2019 dalam jurnal PLOS ONE melalui edisi koleksi khas ‘Machine Learning in Health and Biomedicine’.

Penyelidik utama yang juga pensyarah epidemiologi dan sains data, Dr. Stephen Weng berkata, penjagaan kesihatan yang bersifat pencegahan adalah keutamaan yang semakin berkembang dalam melawan penyakit-penyakit serius, oleh itu pasukan penyelidik yang diketuainya telah membuat penyelidikan dalam masa beberapa tahun bertujuan menambah baik ketepatan penilaian risiko kesihatan berkomputer dalam populasi umum. Menurut beliau lagi, kebanyakan aplikasi memfokuskan kepada satu bidang penyakit sahaja, dan meramal kematian disebabkan beberapa hasil penyakit berbeza adalah bersifat sangat kompleks disebabkan oleh faktor persekitaran dan individu yang mempengaruhinya. Menurut Dr. Stephen Weng, pasukan penyelidiknya telah mengambil langkah yang besar kehadapan dalam bidang tersebut dengan membangunkan pendekatan yang bersifat holistik dan unik untuk meramal risiko kematian awal seseorang individu melalui pembelajaran mesin. Kajian tersebut menggunakan komputer untuk membina model ramalan risiko baharu yang mengambil kira faktor demografi, biometrik, klinikal dan cara hidup seseorang yang dinilai termasuklah pemakanan daging, buah dan sayur dalam diet mereka.

Pasukan penyelidik kemudiannya membuat pemetaan ramalan yang terhasil kepada data kematian daripada kohort, menggunakan rekod kematian Pejabat Perangkaan Kebangsaan, pendaftaran kanser UK dan statistik ‘hospital episodes’. Mereka menemui bahawa algoritma pembelajaran mesin jauh lebih tepat dalam meramal kematian berbanding model ramalan standard. Salah seorang penyelidik yang juga ahli akademik klinikal, Profesor Joe Kai menyatakan bahawa, teknik penggunaan kecerdasan buatan yang mereka gunakan adalah berbeza dengan teknik yang biasa digunakan. Teknik tersebut adalah baharu bagi kebanyakan penyelidikan kesihatan dan agak sukar untuk diikuti. Oleh itu, mereka akan membuat laporan dengan jelas berkenaan kaedah dan teknik yang mereka gunakan, sekaligus membantu pengesahan saintifik dan pembangunan masa hadapan bidang ini untuk tujuan penjagaan kesihatan.

Pasukan penyelidik tersebut telah menggunakan data kesihatan lebih daripada setengah juta individu yang berusia diantara 40 hingga 69 tahun yang direkrut untuk UK Biobank dalam tempoh masa diantara 2006 hingga 2010 dengan penyusulan sehingga tahun 2016.

Para penyelidik turut meramal peranan kecerdasan buatan yang akan memainkan peranan penting dalam pembangunan alatan masa hadapan yang berkemampuan dalam menyampaikan ubat-ubatan peribadi yang menyesuaikan pengurusan risiko kepada pesakit.

health-tool-icon

Kalkulator BMR

Guna kalkulator pengambilan kalori ini untuk menentukan keperluan kalori seharian yang anda perlu, berdasarkan tinggi, berat, umur dan tahap aktiviti anda.

Lelaki

Wanita

Hello Health Group tidak menawarkan nasihat perubatan, diagnosis atau rawatan.

Sumber Rujukan
  1. Stephen F. Weng, Luis Vaz, Nadeem Qureshi, Joe Kai. Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches. PLOS ONE, 2019; 14 (3): e0214365 DOI: 10.1371/journal.pone.0214365
  2. https://www.sciencedaily.com/releases/2019/03/190327142032.htm
Gambar penulisbadge
Ditulis oleh Muhammad Wa'iz Disemak pada 10/07/2020
Fakta Disemak oleh Dr. Shelby
x