AI Temukan Sinyal Tersembunyi di Jantung, Bisa Prediksi Kematian Mendadak

Jumali
Jumali Minggu, 22 November 2026 13:07 WIB
AI Temukan Sinyal Tersembunyi di Jantung, Bisa Prediksi Kematian Mendadak

Artificial Intelligence alias kecerdasan buatan - Ilustrasi/Freepik

Harianjogja.com, JOGJA—Teknologi kecerdasan buatan (AI) berpotensi membantu dokter mengenali pasien yang berisiko mengalami kematian jantung mendadak melalui pemeriksaan elektrokardiogram (EKG). Penelitian yang diterbitkan dalam jurnal ilmiah Nature menemukan pola kelistrikan jantung yang selama ini belum banyak dikenali, tetapi berkaitan dengan peningkatan risiko kematian akibat gangguan irama jantung.

Penelitian tersebut dipimpin Ziad Obermeyer, dokter sekaligus peneliti bidang kesehatan dan kecerdasan buatan dari University of California, Berkeley. Timnya menggunakan teknologi deep learning untuk menganalisis ratusan ribu rekaman EKG dan menghubungkannya dengan data kematian pasien.

Data penelitian utama berasal dari Swedia. Model yang dikembangkan kemudian diuji menggunakan kumpulan data terpisah dari sistem kesehatan di Amerika Serikat dan registri rumah sakit di Taiwan. Hasil pengujian menunjukkan model AI mampu mengidentifikasi kelompok pasien yang memiliki risiko kematian jantung mendadak lebih tinggi, termasuk mereka yang tidak terdeteksi melalui metode pemeriksaan yang selama ini digunakan.

Temuan tersebut membuka peluang pengembangan cara baru untuk menilai risiko pasien. Meski demikian, teknologi ini masih membutuhkan pengujian lanjutan sebelum dapat diterapkan sebagai bagian dari praktik medis sehari-hari.

AI menemukan pasien berisiko yang tidak terdeteksi pemeriksaan standar

Selama ini, salah satu indikator yang digunakan dokter untuk memperkirakan risiko kematian jantung mendadak adalah left ventricular ejection fraction (LVEF). Pengukuran tersebut menunjukkan persentase darah yang dipompa keluar dari bilik kiri jantung setiap kali jantung berkontraksi dan umumnya diperiksa melalui ekokardiografi atau USG jantung.

Hasil pengukuran LVEF dapat membantu dokter menentukan pasien yang mungkin membutuhkan alat implantable cardioverter-defibrillator (ICD). Alat yang ditanamkan di dalam tubuh tersebut dapat mendeteksi gangguan irama jantung berbahaya dan memberikan kejutan listrik untuk mengembalikan irama jantung.

Namun, LVEF memiliki keterbatasan dalam mengidentifikasi seluruh pasien yang berisiko. Penelitian dalam Nature menunjukkan model AI berbasis EKG dapat menemukan kelompok berisiko tinggi yang sebagian besar tidak teridentifikasi melalui pengukuran LVEF.

Dalam sampel penelitian di Swedia, kelompok berisiko tinggi yang diidentifikasi model AI mencakup 2,2 persen dari keseluruhan sampel. Kelompok tersebut memiliki angka kejadian kematian jantung mendadak sebesar 7 persen dalam satu tahun.

Sebagai perbandingan, kelompok pasien dengan LVEF rendah mencakup 1,9 persen sampel dan memiliki angka kejadian kematian jantung mendadak sebesar 4,6 persen dalam satu tahun.

Sebanyak 86,1 persen pasien yang masuk kelompok berisiko tinggi berdasarkan model AI tidak teridentifikasi sebagai kelompok berisiko tinggi melalui LVEF rendah. Angka tersebut menunjukkan bahwa pendekatan berbasis EKG berpotensi memberikan informasi tambahan yang belum diperoleh melalui pemeriksaan standar.

Keunggulan lain EKG adalah pemeriksaannya relatif mudah dilakukan, tidak invasif, dan tersedia luas di fasilitas kesehatan. Kondisi ini membuat EKG berpotensi menjadi sumber data yang dapat dimanfaatkan untuk membantu penilaian risiko pasien.

Sinyal gelombang slurred downstroke pada rekaman EKG

Penelitian tersebut tidak hanya mengembangkan model untuk memperkirakan risiko kematian jantung mendadak. Tim peneliti juga berusaha memahami pola yang dibaca AI dalam rekaman EKG pasien.

Dari proses analisis itu, mereka menemukan karakteristik bentuk gelombang yang disebut slurred downstroke. Pola tersebut terlihat pada bagian akhir gelombang R dalam kompleks QRS di sadapan aVL pada rekaman EKG.

Pada pasien dengan risiko lebih tinggi, bagian akhir gelombang R terlihat melandai atau tidak tajam seperti pola yang ditemukan pada kelompok berisiko rendah. Bentuk tersebut menggantikan gelombang S negatif yang tampak lebih tajam pada pola EKG kelompok berisiko rendah.

Para peneliti menilai karakteristik gelombang tersebut dapat menjadi penanda baru untuk membantu memperkirakan risiko kematian jantung mendadak. Temuan ini menarik karena pola tersebut sebelumnya belum banyak dijelaskan sebagai biomarker untuk kondisi tersebut.

Tim peneliti juga mengajukan hipotesis mengenai kemungkinan mekanisme biologis di balik perubahan bentuk gelombang itu. Salah satu dugaan yang dikemukakan adalah keterkaitannya dengan fibrosis atau terbentuknya jaringan parut pada otot jantung.

Jaringan parut berpotensi mengganggu penghantaran impuls listrik di jantung. Gangguan tersebut dapat berhubungan dengan perubahan aktivitas listrik yang berperan dalam terjadinya aritmia atau gangguan irama jantung.

Namun, hubungan antara pola slurred downstroke dan fibrosis masih merupakan hipotesis yang perlu diteliti lebih lanjut, bukan kesimpulan bahwa setiap pasien dengan pola tersebut pasti mengalami kerusakan jaringan jantung.

Peluang pengembangan deteksi risiko kematian jantung

Penelitian ini juga menemukan catatan menarik terkait pasien berisiko tinggi yang telah menggunakan defibrilator implan. Dalam analisis para peneliti, kelompok tersebut tercatat memiliki angka kematian 54,4 persen lebih rendah dibandingkan perkiraan statistik.

Hasil itu memberikan petunjuk bahwa sebagian pasien yang sebelumnya tidak teridentifikasi melalui pemeriksaan standar mungkin dapat memperoleh manfaat dari penilaian risiko yang lebih baik. Meski demikian, temuan tersebut tidak dapat langsung dianggap sebagai bukti bahwa pemasangan defibrilator berdasarkan hasil AI pasti mencegah kematian.

Penelitian ini masih perlu dilanjutkan melalui pengujian prospektif dan evaluasi klinis untuk memastikan ketepatan model, manfaatnya bagi pasien, serta bagaimana hasilnya dapat digunakan dalam pengambilan keputusan medis.

Penemuan tersebut sekaligus menunjukkan bahwa rekaman EKG yang telah digunakan dalam dunia medis selama lebih dari satu abad masih berpotensi menyimpan informasi yang belum sepenuhnya dipahami. Dengan bantuan deep learning, pola yang sulit dikenali melalui pemeriksaan biasa dapat dianalisis lebih mendalam.

Jika hasil penelitian dapat dikembangkan dan divalidasi dalam praktik klinis, analisis EKG berbasis AI berpeluang menjadi alat bantu dokter untuk mengenali risiko kematian jantung mendadak lebih awal sehingga pasien yang membutuhkan pemeriksaan dan penanganan lanjutan dapat diidentifikasi dengan lebih baik.

 

Cek Berita dan Artikel yang lain di Harian Jogja, dan edisi cetak versi elektronik kami hadir di Epaper Harian Jogja.

Share

Jumali
Jumali Jurnalis Harian Jogja, bagian dari Bisnis Indonesia Group menulis untuk media cetak dan online