Peran kecerdasan buatan / artificial intelligence di bidang kardiovaskular saat ini memiliki potensi pengembangan yang sangat luas, di antaranya untuk memprediksi prognosis dan luaran mortalitas pasien gagal jantung dengan fraksi ejeksi normal, serta memprediksi gagal jantung secara lebih cepat dibanding klinisi saja.

Kecerdasan buatan / artificial intelligence (AI) adalah cabang ilmu komputer yang ditujukan untuk “menyerupai” manusia, baik dari segi pengetahuan, kapasitas belajar, maupun jalan pikir manusia.[1] Kecerdasan buatan telah banyak diteliti dan diaplikasikan dalam praktik ilmu kedokteran dalam dekade terakhir ini, misalnya untuk diagnosis kanker dan retinopati diabetik. Hal ini menyebabkan pergeseran paradigma ke arah kedokteran presisi (precision medicine).

Dalam waktu dekat, teknik-teknik kecerdasan buatan akan semakin berperan vital dalam praktik kedokteran kardiovaskular presisi dalam berbagai segi:

1.Identifikasi faktor-faktor risiko yang sebelumnya tidak diketahui

2.Analisis gambar/hasil pemeriksaan penunjang, baik yang sederhana dan sudah digunakan saat ini seperti EKG, hingga analisa pemeriksaan yang lebih kompleks seperti hasil echocardiography, CT scan, atau MRI

3.Mengubah kriteria diagnosis

Kecerdasan buatan memiliki potensial untuk menyimpan data dalam jumlah besar dan mengeksploitasinya dengan kemampuan belajar eksponensial serta daya komputasi yang tinggi (big data analysis). Hal ini memungkinkan komputer untuk belajar lebih cepat daripada manusia, bahkan mengambil pilihan keputusan terbaik dalam situasi tertentu, sesuai dengan algoritma yang sudah dipelajarinya dari data-data dalam jumlah besar tersebut.

Kemampuan untuk menganalisa big data ini memiliki banyak potensi di bidang kardiovaskular:

  • Identifikasi genotip atau fenotip dari sindrom seperti gagal jantung dengan fraksi ejeksi normal (HFpEF), kardiomiopati Takotsubo, dan hipertensi pulmonal primer sehingga dapat dibuat terapi target yang bersifat individual

  • Mendukung pembuatan keputusan klinis, misalnya penentuan pemberian antikoagulan pada atrial fibrilasi nonvalvular

  • Identifikasi faktor risiko yang belum diketahui, misalnya untuk sindrom Brugada dan sindrom koroner akut

  • Menentukan efektivitas biaya dari pemeriksaan atau terapi yang diberikan
Beberapa aspek kecerdasan buatan yang sudah dikembangkan dalam bidang kardiovaskular adalah machine learning, deep learning, dan cognitive computing.[3]

Machine Learning

Machine learning, atau pembelajaran mesin, adalah kemampuan komputer untuk belajar, yang umumnya dikelompokkan menjadi 3 pendekatan: disupervisi (supervised), tidak disupervisi (unsupervised), dan reinforcement.[1-3]

Deep Learning

Proses deep learning menyerupai proses berpikir manusia dengan menggunakan beberapa lapis jaringan neuron artifisial / artificial neuronal networks (ANN) untuk menganalisis secara nonlinear dan membentuk prediksi otomatis dari input data yang diberikan.[1,2] Deep learning berpotensi besar dalam pengenalan gambar untuk pencitraan medis kardiovaskular, serta mampu “belajar mandiri” untuk menemukan pola-pola dari data yang ada (misalnya untuk menemukan interaksi obat).

Cognitive Computing

Komputasi kognitif / cognitive computing adalah cara komputer untuk “belajar sendiri” dengan menggunakan machine learning atau deep learning, serta pengenalan pola (pattern recognition), untuk menyerupai proses pikir manusia.