AI dan Masalah-Masalah Sulit Dunia ─ Kedokteran & penemuan obat
Sains dan keilmuan yang dimajukan oleh AI, menurut disiplin
Umpan RSS · 17 item
Kerangka kerja deep learning hierarkis yang dapat diinterpretasikan untuk deteksi kanker paru-paru dan kolon
Judul asli: An interpretable hierarchical deep learning framework for lung and colon cancer detection
Mengklasifikasikan kanker paru-paru dan kolon dari citra histopatologi merupakan tugas yang sulit karena kelas-kelasnya tampak serupa dan morfologi jaringan bervariasi, sementara model deep learning konvensional kurang transparan. Para penulis membagi tugas lima kelas ini menjadi tahap-tahap dari kasar ke halus: pertama normal versus kanker, lalu pengklasifikasi khusus untuk kategori jaringan normal atau subtipe kanker, dengan arsitektur terbaik dipilih untuk setiap tahap. Kerangka kerja ini mencapai akurasi 98.50% pada LC25000 dan 82.01% pada dataset independen LungHist700, dan Grad-CAM, Grad-CAM++, LIME, serta Occlusion Sensitivity digunakan untuk menyorot area citra yang mendasari prediksinya.
Prediksi karsinoma hepatoseluler berbasis kecerdasan buatan pada individu tanpa infeksi HBV atau HCV di era MASLD
Judul asli: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
Pedoman surveilans kanker hati (HCC) saat ini terutama menyasar penderita sirosis atau hepatitis virus. Para peneliti membangun model AI untuk memprediksi risiko HCC pada orang tanpa hepatitis virus, menggunakan data dari sekitar 7,96 juta orang dewasa Korea Selatan yang menjalani pemeriksaan kesehatan. Di antara dua belas model yang dibandingkan, MHA_DNN menunjukkan kinerja terbaik dan mempertahankan akurasi yang konsisten pada kohort validasi independen. Indeks perlemakan hati dan trigliserida merupakan prediktor yang paling berpengaruh, yang menunjukkan dukungan bagi surveilans personal berbasis metabolisme.
Kerangka kerja deep learning multitugas untuk prediksi kondisi kesehatan otomatis dari citra fundus retina menggunakan perhatian hibrida dan AI yang dapat dijelaskan
Judul asli: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Model deep learning yang ada untuk citra fundus retina hanya menangani satu tugas, menawarkan interpretabilitas terbatas, dan kesulitan menghadapi variasi antarkumpulan data. Para penulis mengusulkan jaringan multitugas yang mengklasifikasikan tingkat keparahan retinopati diabetik, glaukoma, stadium AMD, dan risiko kardiovaskular dari satu citra dalam satu kali forward pass, dengan penjelasan Grad-CAM. Model ini mencapai akurasi 94,7% dan AUC 0,978 pada empat kumpulan data, secara statistik mengungguli semua model satu tugas, serta AUC minimal 0,951 pada evaluasi lintas kumpulan data zero-shot.
Kerangka terintegrasi automata–machine learning untuk diagnostik kesehatan mental cerdas
Judul asli: An automata-machine learning integrated framework for intelligent mental health diagnostics
Depresi di kalangan mahasiswa sering tidak terdeteksi hingga menjadi serius, sehingga prediksi dini diperlukan. Para penulis menggabungkan pemodelan perilaku berbasis finite automata dengan machine learning, menghasilkan fitur dari kondisi emosional mahasiswa dan menggabungkan fitur yang redundan. Dengan ensemble random forest dan KStar, akurasi naik dari baseline 82,02% dengan random forest menjadi 96,88% dengan fitur berbasis automata. Para penulis menyatakan bahwa pendekatan ini menjaga fitur tetap dapat diinterpretasikan dan dilacak.
Kerangka validasi multitahap untuk ekstraksi informasi klinis berskala besar yang tepercaya menggunakan model bahasa besar
Judul asli: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
Validasi model bahasa besar untuk ekstraksi informasi klinis biasanya memerlukan anotasi manual yang mahal. Para penulis mengusulkan kerangka kerja multitahap yang menggabungkan penyaringan berbasis aturan, grounding semantik, evaluasi judge-LLM, tinjauan pakar, dan analisis validitas prediktif. Diterapkan pada diagnosis gangguan penggunaan zat dalam 919.783 catatan klinis, kerangka ini menghapus 14,59% ekstraksi positif LLM karena tidak didukung atau tidak masuk akal. LLM utama mencapai skor F1 sebesar 0,80 terhadap evaluasi judge, dan diagnosis yang diekstraksinya memprediksi keterlibatan perawatan spesialis berikutnya lebih baik daripada baseline data terstruktur.
AI mendeteksi penyakit jantung koroner dari foto wajah dan lidah dalam uji kecil
Judul asli: AI detects coronary heart disease from face and tongue photos in small test
Sebuah studi baru dari Tiongkok melatih sistem AI pada foto wajah dan lidah untuk mendeteksi penyakit jantung koroner (PJK). Dalam uji kecil, sistem tersebut mengidentifikasi dengan benar setiap pasien PJK.
Identifikasi suara paru tambahan pada anak dengan penyakit pernapasan di Bangladesh menggunakan kecerdasan buatan dan auskultasi digital
Judul asli: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
Pedoman Manajemen Terpadu Balita Sakit (IMCI) memiliki sensitivitas tinggi tetapi spesifisitas rendah untuk pneumonia. Petugas kesehatan di Bangladesh merekam suara paru dari anak di bawah lima tahun yang diduga menderita pneumonia menggunakan stetoskop digital, dan algoritma AI dibandingkan dengan panel dokter anak. AI mendeteksi suara abnormal dengan sensitivitas 61,8% dan spesifisitas 60,7% secara keseluruhan, serta 63,5% dan 66,8% pada kasus pneumonia menurut IMCI. Para penulis menyebut ini sebagai kinerja sedang, dengan perbaikan yang masih diperlukan dalam mengklasifikasikan rekaman yang tidak dapat diinterpretasikan.
Pelabelan otonom margin reseksi bedah menggunakan model fondasi
Judul asli: Autonomous labeling of surgical resection margins using a foundation model
Penilaian margin reseksi bedah dalam patologi dipengaruhi oleh kesalahan pemberian tinta manual, distorsi jaringan, dan kerusakan akibat kauter. Para penulis mengembangkan jaringan inking virtual yang menggunakan model fondasi yang dibekukan dan pengklasifikasi kecil untuk memetakan margin pada citra whole-slide tanpa tinta fisik. Pada 20 slide dari blok jaringan yang belum pernah dilihat, jaringan ini mencapai akurasi tingkat wilayah sekitar 73,3% dan menghasilkan overlay yang secara kualitatif sesuai dengan anotasi pakar. Hasilnya masih berupa bukti konsep dan perlu divalidasi pada kohort klinis yang lebih besar.
Fenotipe klinis lemak cokelat manusia berbasis kecerdasan buatan
Judul asli: Artificial intelligence-enabled clinical phenotyping of human brown fat
Metode untuk mengukur aktivitas jaringan adiposa cokelat (BAT) pada manusia dalam skala besar masih belum tersedia. Menggunakan data dari 101.243 pasien di sebuah pusat kanker besar, para penulis mengukur aktivitas BAT secara semiotomatis pada sekitar 8.700 pasien dengan machine learning. Aktivitas BAT yang lebih tinggi, terutama pada depot aksila, dikaitkan dengan peluang yang lebih rendah untuk penyakit kardiometabolik dan distribusi lemak putih yang lebih sehat.
Model fondasi serba-guna untuk restorasi dan peningkatan citra medis multimodal
Judul asli: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound adalah model fondasi yang memulihkan dan meningkatkan kualitas citra medis yang menurun akibat derau, artefak gerakan, kontras rendah, atau akuisisi dosis rendah pada tujuh modalitas, termasuk CT, MRI, PET, endoskopi, ultrasonografi, fundus, dan sinar-X. Dilatih dengan 3,76 juta pasang citra, model ini mengungguli 38 baseline khusus tugas maupun umum pada metrik kualitas citra, penilaian klinisi, dan uji ketahanan. Citra yang ditingkatkan juga memperbaiki 44 tugas deteksi penyakit, prediksi stadium tumor, dan stratifikasi risiko kelangsungan hidup pada kanker paru non-sel kecil.
Sinyal tersembunyi dalam tidur dapat memprediksi kesehatan di masa depan
Judul asli: Hidden signals in sleep can predict future health
Alat AI dapat mengekstraksi pola fisiologis dari tidur satu malam yang terlewatkan oleh pengukuran tidur konvensional, dan pola-pola ini dikaitkan dengan penyakit dan kematian. Dua makalah terbaru, di Nature Communications dan Nature Medicine, menunjukkan bahwa data tidur menyimpan jauh lebih banyak informasi kesehatan daripada yang saat ini diekstraksi oleh dokter dan peneliti. Bukti yang makin banyak juga menunjukkan bahwa perubahan tidur dapat muncul sebelum suatu penyakit didiagnosis.
Analisis machine learning terhadap transpor partikel yang digerakkan silia membedakan diskinesia silia primer dari silia normal
Judul asli: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
Diskinesia silia primer (PCD) adalah kondisi genetik dengan silia yang gerakannya tidak normal, dan diagnosisnya masih menantang. Para penulis mengembangkan CiliaTracks, kerangka kerja pembelajaran mesin yang menganalisis transpor partikel pada sel saluran napas yang dikultur dan direkam dengan mikroskopi berkecepatan tinggi. Model pembelajaran mesin klasik dan jaringan saraf konvolusional mengklasifikasikan rekaman dari 14 individu PCD dan 10 donor sehat dengan akurasi 95-97%.
Segmentasi tumor otak menggunakan ekualisasi histogram yang dioptimalkan dengan particle swarm dan U-Net berbasis VGG19
Judul asli: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
Segmentasi tumor otak pada MRI lambat, rawan kesalahan, dan dipengaruhi bias operator, sementara model deep learning sering kali kurang dapat diinterpretasikan. Para penulis mengusulkan SPOHE-VGGNet, yang menggabungkan U-Net yang dimodifikasi dengan VGG-19 dan ekualisasi histogram yang dioptimalkan dengan particle swarm untuk meningkatkan kontras MRI. Model ini mencapai skor Dice 0,9522 (meningioma), 0,9428 (glioma), dan 0,9518 (tumor hipofisis) pada dataset Figshare serta 0,9463 untuk segmentasi seluruh tumor pada BraTS 2021, meskipun para penulis menyatakan bahwa validasi eksternal, volumetrik, dan berpusat pada klinisi masih diperlukan sebelum digunakan secara klinis.
Membuka potensi model fondasi geospasial planet dari Earth AI untuk kesehatan masyarakat global
Judul asli: Unlocking Earth AI’s planetary geospatial foundation models for global public health
Keputusan kesehatan masyarakat sering terhambat oleh keterlambatan pelaporan, data yang terkotak-kotak, dan data yang jarang. Population Dynamics Foundation Model (PDFM) milik Google memadatkan tren pencarian yang menjaga privasi, mobilitas manusia, kepadatan lingkungan binaan, dan faktor lingkungan menjadi embedding lokasi. Embedding ini dapat dipasang pada model epidemiologi yang sudah ada tanpa fine-tuning khusus tugas, dan lima studi kasus mitra dipaparkan.
Pipeline berbasis deep learning untuk membedakan kardiomiopati hipertrofik dari amiloidosis jantung menggunakan ekokardiografi 2D multi-tampilan
Judul asli: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
Kardiomiopati hipertrofik (HCM) dan amiloidosis jantung (CA) tampak mirip pada ekokardiografi, sehingga sulit dibedakan. Studi ini mengembangkan kerangka kerja deep learning yang mengklasifikasikan gambar ekokardiografi 2D ke dalam lima tampilan yang relevan secara klinis, mengekstraksi fitur dari setiap tampilan, lalu menggabungkannya. Dalam validasi silang lima lipatan pada 212 pasien HCM, 119 pasien CA, dan 200 pasien kontrol, kerangka ini mencapai presisi 0,83, sensitivitas 0,81, spesifisitas 0,89, dan micro-F1 0,82, dan para penulis menyebutnya sebagai alat diagnostik yang andal.
Formulasi baru membantu vaksin RNA tahan terhadap suhu tinggi
Judul asli: New formulation helps RNA vaccines withstand high temperatures
Vaksin RNA biasanya memerlukan penyimpanan ultradingin, sehingga peneliti MIT menggunakan algoritma AI untuk menyesuaikan formulasi di sekitar nanopartikel lipid yang mengantarkan vaksin mRNA. Algoritma tersebut memprediksi formulasi optimal, mengurangi jumlah eksperimen yang diperlukan dan mempercepat pengembangan. Vaksin yang dihasilkan tetap stabil hingga satu tahun pada suhu ruang atau dua bulan pada suhu hampir 100°F, dan pada tikus, vaksin Covid-19 menghasilkan respons imun sekuat vaksin RNA yang mirip dengan milik Moderna.
Memperkirakan risiko bunuh diri dari teks
Judul asli: Estimating suicide risk from text
Mengidentifikasi orang dengan risiko bunuh diri yang tinggi merupakan prioritas bagi konselor saat terjadi krisis kesehatan mental. Peneliti di McGovern Institute MIT mengembangkan alat pemrosesan bahasa yang menelusuri teks untuk mencari kata dan frasa yang terkait dengan 49 faktor risiko bunuh diri guna memperkirakan risiko seseorang. Dalam percakapan teks dengan konselor krisis, alat ini secara akurat memprediksi risiko bunuh diri, dan dengan validasi lebih lanjut alat ini dapat mendukung penilaian risiko di lingkungan klinis dan layanan dukungan krisis.