Di Union World Conference on Lung Health di Kopenhagen (18-21 November), para peneliti menampilkan empat alat kecerdasan buatan yang dirancang untuk mempercepat deteksi dan pemantauan tuberkulosis. Presentasi itu menyoroti peluang meningkatkan akses layanan di komunitas rentan yang sulit menjangkau diagnostik standar, sementara WHO mencatat TB masih menyebabkan sekitar 1.25 juta kematian pada 2024.
Pendekatan pertama memakai breathomics: tim dari Southern University of Science and Technology dan Shenzhen Third People’s Hospital mengumpulkan sampel napas dengan AveloMask dari sekitar 60 pasien di Afrika Selatan. Liang Fu menyatakan tes non-invasif yang digabungkan dengan pembelajaran mesin dapat melacak respons pengobatan dan memberi tanda awal perbaikan; pendekatan ini berpotensi memendekkan pengobatan dengan aman, meningkatkan kepatuhan, dan menurunkan biaya.
Pendekatan kedua, platform analisis batuk Swaasa, merekam batuk lebih dari 350 peserta bergejala menggunakan ponsel pintar. Algoritme mampu mengidentifikasi kondisi dasar dengan benar pada 94 persen kasus dan memprediksi risiko penyakit pernapasan pada 87 persen kasus; menurut Rakesh Kumar, sistem ini cocok untuk penerapan skala besar dan dapat mempercepat skrining. Ketiga, Wadhwani Institute for AI menggabungkan lebih dari 20 dataset sumber terbuka dengan data pengawasan anonim Ni-kshay; pengujian nasional menunjukkan akurasi 71 persen dalam mengidentifikasi 20 persen desa teratas yang paling mungkin memiliki TB tak terdeteksi.
Keempat, Qure.ai di Mumbai meluncurkan qXR, alat rontgen dada berbasis AI untuk anak sejak lahir sampai 15 tahun, dan mendapat izin regulasi Eropa untuk rentang usia penuh ini. Para ahli menekankan manfaat sekaligus batasan:
- Guy Marks menyebut AI memiliki "potensi luar biasa" tetapi mengingatkan tantangan memastikan inovasi sampai ke orang dan sistem kesehatan yang membutuhkan.
- Ketho Angami mendesak uji ketat, dataset yang kuat, dan pelatihan staf untuk menafsirkan keluaran AI, serta memperingatkan risiko mengandalkan AI saja dalam kasus kompleks.
Secara keseluruhan, alat-alat ini menunjukkan janji untuk perawatan TB yang lebih mudah diakses dan dipersonalisasi, namun beberapa hasil masih menjalani penelaahan sejawat dan diperlukan validasi serta implementasi lebih luas sebelum penggunaan skala besar. Tulisan ini diproduksi oleh meja global SciDev.Net.
Kata-kata sulit
- kecerdasan buatan — teknologi komputer yang meniru kemampuan manusia
- non-invasif — metode tanpa memasukkan alat ke dalam tubuh
- pembelajaran mesin — teknik membuat komputer belajar dari data
- kepatuhan — tindakan pasien mengikuti aturan pengobatan
- algoritme — urutan langkah untuk memproses data
- akurasi — seberapa tepat hasil dibandingkan kenyataan
- anonim — data yang identitas orangnya disembunyikan
- validasi — proses menguji bahwa metode benar dan dapat diandalkan
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Bagaimana alat non-invasif seperti breathomics dapat mengubah akses pengobatan TB di komunitas sulit dijangkau? Beri alasan.
- Apa keuntungan dan risiko menerapkan alat skrining berbasis ponsel pintar dalam skala besar, berdasarkan contoh Swaasa?
- Menurut artikel, langkah apa yang perlu diambil sebelum alat AI untuk TB digunakan secara luas di layanan kesehatan? Jelaskan dengan contoh dari teks.
Artikel terkait
Risk Know-How, Platform Baru untuk Berbagi Pengalaman Risiko
Risk Know-How adalah layanan daring yang diluncurkan pada pertemuan AAAS untuk membantu komunitas berisiko berbagi pengalaman dan mendapat nasihat ahli tentang ancaman seperti wabah, cuaca ekstrem, dan risiko kecerdasan buatan.
AI dan Foto Warga Temukan Nyamuk Anopheles stephensi di Madagaskar
Peneliti menggunakan kecerdasan buatan dan foto dari warga untuk mengidentifikasi apa yang mereka anggap sebagai deteksi pertama Anopheles stephensi di Madagaskar. Foto close-up diambil pada 2020 dan ditemukan kembali dua tahun kemudian.
