Kecerdasan Buatan Bisa Prediksi Kematian Manusia

Menurut informasi yang dilansir Live Science, para ilmuwan baru-baru ini melatih sistem kecerdasan buatan untuk mengevaluasi satu dekade data kesehatan umum yang diajukan oleh leih dari setengah juta orang di Inggris.

Kecerdasan buatan lalu dicoba untuk memprediksi apakah individu tersebut berisiko meninggal sebelum waktunya, dengan kata lain, meninggal lebih cepat dari harapan hidup rata-rata manusia. Hal ini bisa dilihat dari data penyakit kronis dan lainnya.

Para ilmuwan yang mempublikasikan hasil penelitiannya di jurnal PLOS ONE ini membuat algoritma kecerdasan buatan yang mereka klaim “secara signifikan lebih akurat” ketimbang prediksi yang tidak berbasis pembelajaran mesin.

Sang ilmuwan dan juga penulis studi ini yakni Dr. Stephen Weng yang merupakan asisten profesor epidemiologi dan ilmu data di Universitas Nottingham di Inggris, menggunakan dua jenis AI: yakni Deep Learning dan juga Random Forest.

Deep Learning adalah jaringan berisi informasi berlapis yang membantu komputer untuk mempelajari sampel dengan lebih mendalam.

Sementara Random Forest adalah jenis AI yang lebih sederhana, karena hanya menggabungkan banyak model yang beranting layaknya pohon untuk mempertimbangkan hasil yang diperoleh.

Dari dua metode tersebut, para ilmuwan membandingkan kesimpulan model AI dan juga hasil dari algoritma standar yang dikenal sebagai model Cox.

Model Cox sendiri telah dikenal di dunia kedokteran sebelumnya. Ini adalah teknik statistik yang digunakan untuk mengeksplorasi hubungan antara kelangsungan hidup pasien dan deretan variabel yang menjelaskan hal tersebut.

Model ini memberikan perkiraan efek pengobatan terhadap kelangsungan hidup pasien, setelah disesuaikan dengan deretan variabel penjelasnya.

Nah, akhirnya terdapat 3 metode yang digunakan. Dengan membandingkan ketiganya, para ilmuwan mengevaluasi data di Biobank Inggris yang merupakan database kesehatan yang meliputi fisik dan genetik. Terlihat dari medio waktu 10 tahun dari 2006 hingga 2016, terdapat 14.500 peserta meninggal dari 500.000 peserta.

Dari perbandingan ketiga model dan juga data kematian, ditemukan bahwa faktor seperti usia, jenis kelamin, riwayat merokok, dan diagnosis kanker adalah variabel teratas untuk menilai kemungkinan kematian dini seseorang.

Meski demikian, tiap model memiliki variabel dengan faktor kunci akurat yang berbeda. Seperti Model Cox yang sangat bergantung pada etnis dan aktivitas fisik, sedangkan Deep Learning tidak.

Deep Learning lebih mengamati bahaya terkait lingkungan pekerjaan yang terpapar polusi atau tidak, seberapa asupan alkohol, dan juga penggunaan obat tertentu.

Sementara, model Random Forest lebih menekankan pada prosentase lemak tubuh, lingkar pinggang, dan jumlah buah dan sayuran yang dimakan, serta warna kulit.

Akhirnya dari variabel kunci masing-masing model digabung, didapatkan prediksi kematian terakurat, yang mengidentifikasi 76 persen subjek yang meninggal dengan benar.

Jika model dipisah, model Random Forest memprediksi benar hanya 64 persen, sementara Model Cox hanya 44 persen.

Prediksi kematian dini dari AI ini bukan justru jadi momok. Pasalnya, hal ini justru bisa mencegah seseorang dari penyakit untuk merenggut nyawanya.

Kecerdasan buatan juga dapat dimanfaatkan untuk memprediksi seberapa bahaya penyakit seseorang terhadap tubuhnya.

Penggunaan AI sendiri memang masih asing bagi para profesional di bidang medis. Namun menggunakan metode yang dihadirkan penelitian ini mungkin dapat membantu pengembangan dunia medis yang orientasinya baik dalam membantuk pasien hidup lebih lama.