Studi: AI dan pembelajaran mesin dapat dengan sukses diagnosis PCOS

Diagnosis sindrom polikistik ovarium (polycystic ovary syndrome/PCOS), yang merupakan kelainan hormon paling umum di kalangan wanita, biasanya antara usia 15 hingga 45 tahun, kini dapat dilakukan dengan bantuan teknologi kecerdasan buatan (artificial intelligence/AI) dan pembelajaran mesin (machine learning/ML).

 

Los Angeles, AS (Xinhua) – Kecerdasan buatan (artificial intelligence/AI) dan pembelajaran mesin (machine learning/ML) dapat secara efektif mendeteksi dan mendiagnosis sindrom polikistik ovarium (polycystic ovary syndrome/PCOS), yang merupakan kelainan hormon paling umum di kalangan wanita, biasanya antara usia 15 hingga 45 tahun, menurut studi terbaru yang dilakukan Institut Kesehatan Nasional Amerika Serikat (AS).

PCOS adalah penyakit endokrinopati yang paling umum dialami wanita pada usia reproduktif dan masih sulit terdeteksi sehingga memicu morbiditas yang signifikan, menurut studi yang diterbitkan pada Senin (18/9) itu.

Para peneliti melakukan tinjauan literatur sistematis untuk mengidentifikasi kegunaan AI dan ML dalam diagnosis atau klasifikasi PCOS. Mereka menemukan bahwa AI dan ML dapat menunjukkan kinerja diagnostik dan klasifikasi yang tinggi dalam mendeteksi PCOS, sehingga membuka jalan untuk melakukan diagnosis dini terkait kelainan ini.

“PCOS sulit untuk didiagnosis karena bertumpang tindih dengan kondisi-kondisi lainnya,” kata Skand Shekhar, penulis senior dalam studi tersebut sekaligus asisten dokter peneliti dan ahli endokrinologi di Institut Nasional Ilmu Kesehatan Lingkungan AS.

“Data ini mencerminkan potensi yang belum dimanfaatkan dalam penggabungan AI/ML dalam riwayat kesehatan elektronik dan latar klinis lainnya untuk meningkatkan kapabilitas diagnosis dan perawatan untuk wanita pengidap PCOS,” kata Shekhar.

Para penulis studi itu menyarankan untuk mengintegrasikan studi berbasis populasi besar dengan kumpulan data kesehatan elektronik serta menganalisis tes laboratorium yang umum untuk mengidentifikasi biomarker diagnostik sensitif yang dapat memfasilitasi diagnosis sindrom polikistik ovarium.

Laporan: Redaksi