Mendeteksi delirium tidak mudah, tetapi dapat memberikan hasil yang besar: mempercepat perawatan penting bagi pasien, yang mengarah ke pemulihan yang lebih cepat dan lebih pasti.
Deteksi yang lebih baik juga mengurangi kebutuhan akan perawatan terampil jangka panjang, meningkatkan kualitas hidup pasien sekaligus mengurangi beban keuangan yang besar. Di AS, merawat mereka yang menderita delirium membutuhkan biaya hingga $64.000 per tahun per pasien, menurut National Institutes of Health.
Dalam sebuah makalah yang diterbitkan bulan lalu di Nature, para peneliti menjelaskan bagaimana mereka menggunakan model pembelajaran mendalam yang disebut Vision Transformer, yang dipercepat oleh GPU NVIDIA, di samping perangkat electroencephalogram, atau EEG, untuk mendeteksi delirium pada orang dewasa tua yang sakit kritis.
Makalah, yang disebut “Pembelajaran mendalam yang diawasi dengan transformator penglihatan memprediksi delirium menggunakan lead EEG terbatas,” ditulis oleh Malissa Mulkey dari University of South Carolina, Huyunting Huang dari Purdue University, Thomas Albanese dan Sunghan Kim dari University of East Carolina, dan Baijian Yang dari Purdue.
Pendekatan inovatif mereka mencapai tingkat akurasi pengujian 97%, menjanjikan terobosan potensial dalam meramalkan demensia. Dan dengan memanfaatkan AI dan EEG, para peneliti dapat mengevaluasi metode pencegahan dan pengobatan secara objektif, yang mengarah ke perawatan yang lebih baik.
Hasil yang mengesankan ini sebagian disebabkan oleh kinerja GPU NVIDIA yang dipercepat, memungkinkan para peneliti untuk menyelesaikan tugas mereka dalam setengah waktu dibandingkan dengan CPU.
Delirium mempengaruhi hingga 80% pasien yang sakit kritis. Namun metode deteksi klinis konvensional mengidentifikasi kurang dari 40% kasus — mewakili kesenjangan yang signifikan dalam perawatan pasien. Saat ini, skrining pasien ICU melibatkan penilaian subjektif di samping tempat tidur.
Pengenalan perangkat EEG genggam dapat membuat skrining menjadi lebih akurat dan terjangkau, tetapi kurangnya teknisi terampil dan ahli saraf menimbulkan tantangan.
Penggunaan AI, bagaimanapun, dapat menghilangkan kebutuhan ahli saraf untuk menginterpretasikan temuan dan memungkinkan deteksi perubahan yang terkait dengan delirium kira-kira dua hari sebelum timbulnya gejala, ketika pasien lebih mudah menerima pengobatan. Itu juga memungkinkan untuk menggunakan EEG dengan pelatihan minimal.
Para peneliti menerapkan model AI yang disebut ViT, awalnya dibuat untuk pemrosesan bahasa alami dan dipercepat oleh GPU NVIDIA, ke data EEG — menawarkan pendekatan baru untuk interpretasi data.
Penggunaan perangkat EEG genggam dengan respons cepat, yang tidak memerlukan mesin EEG besar atau teknisi khusus, merupakan temuan penelitian penting lainnya.
Alat praktis ini, dikombinasikan dengan model AI canggih untuk menginterpretasikan data yang mereka kumpulkan, dapat merampingkan pemeriksaan delirium di unit perawatan kritis.
Penelitian ini menyajikan metode yang menjanjikan untuk deteksi delirium yang dapat mempersingkat rawat inap, meningkatkan angka pemulangan, menurunkan angka kematian, dan mengurangi beban keuangan yang terkait dengan delirium.
Dengan mengintegrasikan kekuatan GPU NVIDIA dengan model pembelajaran mendalam yang inovatif dan perangkat medis praktis, penelitian ini menggarisbawahi potensi transformatif teknologi dalam meningkatkan perawatan pasien.
Saat AI tumbuh dan berkembang, profesional medis semakin cenderung mengandalkannya untuk meramalkan kondisi seperti demensia dan mengintervensi lebih awal, merevolusi masa depan perawatan kritis.
Baca makalah lengkapnya.