Model AI Baru Mampu Memprediksi Risiko 130 Penyakit Berdasarkan Pola Tidur
Sebuah model kecerdasan buatan (AI) baru yang diberi nama SleepFM di Amerika Serikat mampu memprediksi risiko seseorang terhadap sekitar 130 penyakit, termasuk demensia dan beberapa jenis kanker. Prediksi ini dilakukan hanya dengan menganalisis pola tidurnya. Dengan menganalisis data tidur selama satu malam di laboratorium, model AI ini bisa memperkirakan risiko penyakit yang akan muncul di masa depan.
SleepFM bisa membuat prediksi ini bertahun-tahun sebelum gejala pertama muncul. Menurut James Zou, profesor ilmu data biomedis di Universitas Stanford di AS, yang juga salah satu penulis utama studi SleepFM yang diterbitkan awal Januari di jurnal Nature Medicine, model ini sangat menjanjikan dalam bidang kesehatan.
Data Tidur yang Digunakan untuk Pelatihan AI
SleepFM dilatih menggunakan hampir 600.000 jam data tidur dari 65.000 orang. Studi ini disebut polisomnografi, yang menggunakan berbagai sensor untuk mengukur gelombang otak, aktivitas jantung, pernapasan, ketegangan otot, serta gerakan mata dan kaki saat pasien tidur. Data ini sebagian besar dikumpulkan dari Sleep Medicine Center Universitas Stanford di California, AS.
Proses pelatihan SleepFM dimulai dengan menampilkan sinyal dari otak, jantung, dan tubuh saat tidur normal. Rata-rata “normal” dihitung secara statistik. Setelah itu, SleepFM diajarkan tentang berbagai tahap tidur, termasuk sleep apnea, yaitu gangguan di mana pernapasan berhenti dan mulai berulang kali saat tidur.
Korelasi antara Data Tidur dan Kesehatan Jangka Panjang
Para peneliti kemudian menghubungkan data tidur ini dengan catatan kesehatan elektronik selama 25 tahun terakhir, untuk melihat bagaimana diagnosis kesehatan di masa depan berkorelasi dengan pengukuran polisomnografi. Dari sekitar 1.000 penyakit yang mungkin, SleepFM berhasil mengidentifikasi 130 penyakit yang bisa diprediksi dengan akurasi sedang hingga tinggi menggunakan data tidur.
Menurut Rahul Thapa, mahasiswa doktoral di ilmu data biomedis dan salah satu penulis utama studi tersebut, hasil ini menunjukkan bahwa banyak kondisi seperti stroke, demensia, gagal jantung, hingga berbagai penyebab kematian dapat diprediksi dengan baik dari data tidur, semakin memperkuat potensi tidur sebagai biomarker yang kuat untuk kesehatan jangka panjang.
Sinyal Tubuh yang Paling Informatif
Analisis menggunakan algoritma canggih menunjukkan bahwa sinyal jantung saat tidur bisa membantu memprediksi penyakit kardiovaskular, sementara sinyal otak lebih penting untuk penyakit neurologis dan psikologis di masa depan. Namun, hasil paling informatif justru muncul dari kombinasi berbagai sinyal tersebut.
Contohnya, ketika aktivitas listrik otak menunjukkan tidur stabil, tetapi jantung tampak lebih “terjaga.” Ketidaksesuaian antara sinyal otak dan jantung seperti ini bisa menjadi indikasi adanya tekanan fisik tersembunyi akibat penyakit awal, jauh sebelum gejala terlihat.
Kolaborasi Antar-Disiplin Penting
“Jika rekan kami di bidang tidur medis mencurigai adanya keterkaitan, kami, ahli AI, bisa memasukkannya ke dalam sistem prediktif, dan sebaliknya, [kami bisa] memberi indikasi di mana keterkaitan mungkin ada,” jelas Sebastian Buschjäger, pakar machine learning dari Technical University Dortmund, Jerman, yang sedang mengerjakan proyek tidur bernama Sleepwalker di Jerman.
AI memang bisa memberikan korelasi statistik, tetapi makna dan hubungan sebab-akibatnya tetap harus diinterpretasikan oleh profesional medis. Prediksi SleepFM sebagian besar berdasarkan data dari laboratorium tidur, artinya data berasal dari orang-orang yang biasanya dirujuk dokter karena masalah tidur dan yang tinggal di daerah dengan akses medis berteknologi tinggi, yang biasanya lebih mampu secara ekonomi.
Potensi untuk Pengembangan Medis
AI menggunakan machine learning, yaitu pemrograman yang memungkinkan komputer menemukan pola dari data dalam jumlah besar. Mesin “belajar” dari pola-pola ini. Meski komputer hanya menemukan korelasi statistik, potensi untuk diagnosis dan terapi medis tetap besar.
Model seperti SleepFM bisa merekam tahap tidur atau sleep apnea lebih efisien, sehingga dokter bisa lebih fokus pada pasien. Buschjäger menekankan pentingnya kolaborasi lintas disiplin. “Model AI bisa dilatih untuk merencanakan terapi, tetapi manusia, atau dengan kata lain dokter, yang menafsirkan hasil dan memilih terapi, seringkali tanpa mengetahui semua penyebab yang mendasari,” jelasnya.
Ada juga potensi diagnosis tidur yang lebih jauh daripada sekadar korelasi polisomnografi dengan prediksi penyakit. Jika sinyal tidur tertentu terus-terusan dikaitkan dengan penyakit tertentu, hal ini bisa memberi petunjuk proses mana dalam sistem saraf, jantung, atau sistem kekebalan tubuh yang terganggu sejak dini. Informasi semacam ini bisa membantu meningkatkan kesehatan masyarakat secara lebih luas, jauh di luar laboratorium tidur.
