MACHINE LEARNING INOVATIF DI SEKTOR KESEHATAN

TEKNOLOGI MACHINE LEARNING INOVATIF DI SEKTOR KESEHATAN

By Claureina Diana | 10 Mei, 2021

Tahukah kamu? Tidak hanya mesin dan internet saja yang menghasilkan data dalam jumlah besar, tubuh manusia pun menghasilkan banyak sekali data setiap harinya. Tubuh kita bisa menghasilkan hingga 2 terabytes data setiap harinya, mulai dari data terkait aktivitas otak, tingkat stress, detak jantung, peredaran darah, dan berbagai kondisi fisik lainnya. Jika data ini diolah dengan baik tentunya pencegahan dan pengobatan suatu penyakit lebih mudah untuk dilakukan.

Sayangnya data-data ini tidak seluruhnya bisa diakses oleh tenaga kesehatan, mengingat keterbatasan waktu dan banyaknya jumlah pasien yang harus ditangani setiap harinya. Hampir tidak mungkin untuk melakukan analisa mendetail terkait data-data ini secara manual.

Kehadiran data science tentu tidak hanya berdampak pada sektor industri dan keuangan, tapi juga dapat memberi perubahan positif bagi sektor kesehatan. Data science dalam industri kesehatan dapat membantu menganalisis kondisi kesehatan pasien, mendeteksi penyakit menular, memotong biaya pengobatan, dan fungsi-fungsi lain yang dapat meningkatkan efisiensi kerja di sektor kesehatan.

Pengaplikasian Machine Learning (ML) di sektor kesehatan juga sangat menjanjikan. Dimana ML dengan kemampuan pengolahan data akan menghasilkan penemuan-penemuan baru yang dapat menyelamatkan lebih banyak jiwa dan memberikan layanan terbaik sesuai dengan kebutuhan pasien.

Yuk kita simak beberapa contoh penggunaan Machine Learning dalam sektor kesehatan!

Machine Learning di Sektor Kesehatan: MEDICAL IMAGING

X-ray radiography, Magnetic Resonance Imaging (MRI), medical ultrasonography atau ultrasound, Computed Tomography (CT), dan teknik nuclear medicine functional imaging merupakan contoh-contoh medical imaging dalam dunia kesehatan.

Sejak lama dokter dan tenaga kesehatan menggunakan metode medical imaging atau pencitraan medis ini untuk memantau kondisi kesehatan pasien. Dengan pencitraan medis, dokter dapat mengetahui apa yang terjadi dalam tubuh pasien tanpa harus melalui bedah, serta dapat melihat jika ada kejanggalan yang berpotensi menjadi penyakit.

Kini dengan perkembangan teknologi, Artificial Intelligence (AI) pun membantu memperbaharui sistem pencitraan medis yang sudah ada. Dengan kemampuan komputasi AI dapat menganalisa gambar medis jauh lebih cepat dan dapat mendeteksi gejala penyakit yang mungkin terjadi berdasarkan gambar tersebut.

Salah satu contoh penerapannya yaitu untuk skrining kanker. Artificial Neural Network (ANN) dapat mengidentifikasi beberapa jenis kanker (stadium 1, 2, 3) sehingga pengobatan dini dapat dilakukan dan peluang kesembuhan lebih tinggi. Selain itu kemampuan AI untuk mengolah data yang banyak akan memudahkan dokter mempelajari data tersebut agar dapat mendiagnosa secara tepat dan memberikan solusi terbaik bagi pasiennya.

Machine Learning di Sektor Kesehatan: PENEMUAN OBAT

Ternyata pembuatan obat-obatan yang selama ini kamu konsumsi melewati proses yang sangat panjang, bahkan hingga 10-15 tahun. Mengapa bisa begitu lama?

Dalam prosesnya, terdapat 4 tahap yang harus dilalui untuk membuat sebuah obat. Pertama Research & Development (R&D) selama 3-6 tahun, selanjutnya adalah preclinical studies sekitar 1 tahun, lalu dilanjutkan ke clinical trials selama 4-7 tahun, dan terakhir tahap review dan approval sekitar 1-2 tahun. Dalam proses yang panjang ini, banyak pengembang yang akhirnya gagal membuat obat-obatan. Selain biaya yang mahal kemungkinan gagal pun sangat tinggi.

Machine Learning di sektor kesehatan dalam proses pembuatan obat mampu memotong biaya dan waktu yang dikeluarkan dengan mempercepat dua proses paling lama dalam pembuatan obat yaitu, R&D dan clinical trials.

Pada tahap R&D proses yang panjang disebabkan oleh sulitnya menemukan molekul yang sesuai dengan kebutuhan dengan waktu yang terbatas. Metode ‘First Principles’ yang digunakan selama ini hanya berfokus pada molekul yang dianggap berpengaruh dengan suatu penyakit. Hal ini membatasi kemungkinan penggunaan molekul lain yang berpotensi menjadi obat yang dibutuhkan.

Dengan menggunakan Machine Learning di sektor kesehatan, tahap R&D dapat menggunakan metode ‘Pattern Recognition’ dan ‘Knowledge Graphs’ dimana ML menguji sebanyak mungkin molekul dan mengklasifikasi berdasarkan syarat-syarat tertentu untuk melihat potensial molekul tersebut. Selain itu, terdapat teknologi yang baru-baru ini ditemukan yang dirancang untuk dapat membaca proses pelipatan protein menggunakan artificial intelligence, yakni Alphafold. Sejak lama para ilmuwan berusaha memecahkan masalah pelipatan protein, tetapi hal ini sangat sulit dilakukan karena beragamnya kemungkinan lipatan yang dihasilkan. Dengan implementasi alphafold, proses R&D dapat dilakukan dalam waktu yang lebih singkat. Sektor kesehatan bahkan dapat menciptakan obat-obatan untuk mencegah timbulnya suatu wabah dengan hasil prediksi lipatan protein yang dihasilkan oleh Alphafold ini.

Sementara untuk tahap clinical trial, ML dengan metode ‘Pattern Recognition’ akan melakukan identifikasi berdasarkan sub-populasi sehingga tingkat keberhasilan suatu obat untuk lolos di tahap ini akan semakin tinggi.

ELECTRONIC HEALTH RECORDS

Electronic Health Records (EHR) atau rekam kesehatan merupakan rangkaian data kesehatan yang dikumpulkan untuk menelaah kondisi kesehatan pasien. Mulai dari kondisi fisik, riwayat pengobatan, pola hidup, dan berbagai data yang dapat mempengaruhi kesehatan. EHR sebenarnya sudah cukup lama dikembangkan, tetapi selama ini kurang efektif karena minimnya teknologi dalam pengolahan data.

Dengan mengimplementasi Machine Learning di sektor kesehatan, data-data tersebut dapat dijadikan insight untuk memprediksi kondisi kesehatan pasien dan perawatan yang sesuai. Predictive analytic dan data visualization membantu pengolahan data menjadi lebih efektif dan efisien. Misalnya seorang pasien mengidap penyakit diabetes, salah satu jenis penyakit yang paling umum dialami. Namun diabetes ini sangat kompleks, dan memiliki cara penanganan berbeda-beda yang dipengaruhi oleh faktor-faktor seperti gen, pola hidup, kondisi lingkungan, tingkat stress, dsb. Dengan mengimplementasi ML dalam EHR, dokter dapat memberi pengobatan yang paling sesuai bagi tiap-tiap pasien dari hasil analisa data kompleks yang disediakan oleh ML tersebut, sehingga kemungkinan kesembuhan pun lebih tinggi.

Selain itu data-data yang beragam ini jika dikelompokan dengan tepat dapat melihat kondisi-kondisi kesehatan yang umum terjadi di masyarakat, sehingga sektor kesehatan dapat memberi edukasi lebih terkait penyakit tersebut, penanganannya, ataupun cara mencegah dari penyakit tersebut.

Bagi tenaga kesehatan, implementasi ML terutama visualisasi data dapat mempermudah pemahaman kondisi pasiennya. Ini akan memotong waktu yang digunakan untuk mengidentifikasi penyakit dan mendukung para tenaga kesehatan lebih produktif dalam inovasi dan pengembangan di industri kesehatan.

Peran data science di industri kesehatan sangat luas. Contoh di atas hanya sebagian kecil penerapan Machine Learning kesehatan yang dapat mendorong kemajuan industri kesehatan, masih banyak lagi potensi dan inovasi yang dapat diciptakan untuk menunjang kesehatan manusia.

Yuk belajar data science di Algoritma Data Science Education Center! Kamu bisa ikut berbagai kelas data science untuk pemula, salah satunya di program Academy kami.

PELAJARI LEBIH LANJUT

Related Blog

Apa Itu Data Analysis Expressions?

Cara Menjadi Data Scientist Handal

Mengenal Apa Itu Distributed Processing