PERKEMBANGAN kecerdasan buatan (AI) dalam bidang kesihatan semakin membuka ruang kepada kaedah baharu untuk mengesan dan menyaring pelbagai masalah kesihatan dengan lebih pantas.
Masakan tidak, kesihatan merupakan aset paling berharga yang perlu dijaga sejak awal bagi memastikan tubuh kekal cergas dan mampu menjalani kehidupan dengan baik.
Inovasi berasaskan teknologi juga secara tidak langsung membuka peluang kepada penemuan baharu sekali gus membantu meningkatkan kecekapan dalam mengesan, mencegah dan menangani pelbagai masalah kesihatan dengan lebih pantas serta berkesan.
Buktinya seorang anak muda dari New Jersey, Amerika Syarikat, Edward Kang mencetuskan fenomena dalam dunia sains baru-baru ini apabila berjaya menghasilkan inovasi sehingga mendapat pengiktirafan setelah membangunkan alat RetinaMind yang mampu menganalisis imej retina bagi menyaring tanda-tanda gangguan spektrum autisme (ASD) dan gangguan kurang tumpuan dan hiperaktif (ADHD).
Idea tersebut tercetus kira-kira tiga tahun lalu apabila Kang menemui satu kajian oleh penyelidik dari Universiti Cina Hong Kong yang meneroka penggunaan imej retina dalam mengenal pasti autisme.
Berusia 17 tahun, Kang memulakan projeknya dengan perasaan ingin tahu terhadap hubungan antara retina dan otak.
Ia berdasarkan fakta bahawa retina dan otak berkembang daripada tisu embrio yang sama secara tidak langsung bermaksud perubahan dalam perkembangan otak juga berpotensi tercermin (berlaku) pada mata.
Atas dorongan itu, penuntut Bergen County Academies, Hackensack berkenaan nekad membangunkan RetinaMind untuk menganalisis imej retina bagi mengenal pasti corak yang dikaitkan dengan gangguan ASD dan ADHD.
“Saya fikir ia menarik dan sangat tidak intuitif bahawa anda boleh menggunakan sesuatu seperti mata untuk memahami apa yang berlaku di dalam otak,” katanya memetik Smithsonian Magazine.
Sistem berkenaan dilaporkan mampu mencapai ketepatan sehingga 89 peratus sekali gus mencetuskan perhatian terhadap potensi penggunaan teknologi AI sebagai alat saringan awal bagi gangguan perkembangan saraf.
Penemuan itu menarik perhatian kerana retina dan otak mempunyai hubungan biologi yang rapat, walaupun pada pandangan kasar kedua-duanya kelihatan seperti bahagian tubuh yang sangat berbeza.
Tanpa mempunyai latar belakang pengaturcaraan (coding) yang profesional pada peringkat awal, ia bagaimanapun tidak mematahkan semangat Kang kerana sebaliknya mempelajari asas pengekodan dan pembelajaran mesin secara kendiri menerusi kelas dalam talian serta pelbagai sumber di internet.
Usaha itu akhirnya membawa kepada pembangunan RetinaMind apabila Kang bukan sahaja cuba mempertingkatkan pendekatan yang digunakan dalam kajian terdahulu, malah memperluas sistem tersebut untuk melihat kemungkinan mengenal pasti ADHD selain autisme.
Untuk membina RetinaMind, Kang melatih AI menggunakan set data imej retina yang tersedia secara umum.
Sistem ini menganalisis gambar fundus retina untuk mendapatkan corak mikroskopik yang dikaitkan dengan autisme, ADHD dan individu neurotipikal.
Tidak seperti kebanyakan model AI yang berfungsi sebagai ‘kotak hitam’, RetinaMind menghasilkan peta haba AI yang mampu mempamerkan, menonjolkan kawasan retina yang mempengaruhi ramalan.
Di samping membangunkan AI, Kang mencipta model set retina untuk menyiasat sebab biologi di sebalik perbezaan ini untuk mengenal pasti beberapa gen dalam kajian lanjut.
Pada masa sama, Kang turut menggunakan teknik Grad-CAM (Gradient-weighted Class Activation Mapping) bagi membantu mengenal pasti bahagian tertentu pada imej retina yang paling mempengaruhi keputusan model.
Pendekatan itu penting kerana salah satu cabaran besar dalam penggunaan AI dalam bidang perubatan ialah persoalan tentang bagaimana sesuatu sistem menghasilkan keputusan.
“Harapan saya adalah RetinaMind akan membolehkan diagnosis lebih awal untuk gangguan perkembangan saraf berbanding masa kini.
“Langkah ini sekali gus membuka rawatan lebih awal dan memberi kualiti hidup yang lebih tinggi untuk berjuta-juta pesakit autisme dan ADHD di seluruh dunia,” kata Kang.
Antara penemuan yang diberi perhatian ialah gen ABCA4 yang memainkan peranan dalam melindungi retina.
Kajian terhadap model sel menunjukkan tahap ungkapan gen berkenaan lebih rendah dalam model yang dikaji sekali gus memberikan petunjuk bahawa perubahan pada laluan biologi tertentu mungkin mempunyai kaitan dengan perbezaan struktur retina yang diperhatikan dalam autisme.
Penemuan sedemikian menunjukkan bahawa projek RetinaMind bukan sekadar membangunkan alat AI untuk membuat ramalan berdasarkan imej, tetapi turut cuba memahami mekanisme biologi yang mungkin mendasari corak tersebut.
“Model autisme sel retina saya menunjukkan kurang ekspresi ABCA4 berbanding kawalan. Ini menunjukkan bahawa pesakit autistik mungkin mempunyai kurang protein penyahtoksik yang berpotensi membawa kepada peningkatan ketoksikan dan degradasi retina yang boleh menjelaskan beberapa perbezaan retina yang diperhatikan.
”Saya berharap senarai gen yang telah dikenal pasti dapat membantu menjawab persoalan kompleks mengapa perkembangan retina berbeza pada orang yang mengalami gangguan perkembangan saraf,” katanya.
Sebaik sahaja alat AI mempunyai imej tersebut, ia akan menganalisis dan berkongsi hasilnya.
Ia meningkatkan peratusan keyakinannya bahawa imej retina menunjukkan bahawa pesakit adalah neurotipikal atau mempunyai autisme atau ADHD.
“Diagnosis dengan keyakinan tertinggi menjadi diagnosis rasmi model. Untuk menyokong diagnosis, model tersebut menghasilkan visualisasi peta haba imej retina yang menonjolkan bahagian utama merah yang membawa kepada diagnosis.
“RetinaMind mempunyai kadar ketepatan kira-kira 89 peratus,” ujar Kang lagi.
Projek yang dirintis dan dibangunkan Kang kemudian mendapat pengiktirafan di peringkat tinggi apabila beliau menduduki tempat kedua dalam Pertandingan Bakat Sains Regeneron 2026 sekali gus menerima anugerah bernilai AS$175,000 (RM714,210.00).
Kejayaan itu mencerminkan kekuatan projek berkenaan yang menggabungkan beberapa bidang termasuk kejuruteraan komputer, pembelajaran mesin, biologi dan penyelidikan kesihatan.
Gabungan antara teknologi dan sains biologi menjadi antara aspek yang membuatkan RetinaMind menonjol khususnya projek tersebut tidak hanya memberi tumpuan kepada pencapaian ketepatan model, tetapi turut cuba menjelaskan asas biologi di sebalik keputusan yang diperoleh.
Walaupun pencapaian RetinaMind kelihatan menjanjikan, teknologi itu masih berada pada peringkat awal dan memerlukan penelitian lanjut sebelum boleh dipertimbangkan untuk penggunaan klinikal secara meluas.
Pakar turut mengingatkan bahawa autisme dan ADHD merupakan keadaan yang sangat kompleks serta mempunyai spektrum ciri yang luas.
Perbezaan pada retina yang dikenal pasti oleh model AI juga mungkin tidak semestinya khusus kepada kedua-dua keadaan berkenaan.
Corak tertentu yang dikesan sistem mungkin turut berkaitan dengan faktor biologi atau keadaan kesihatan lain.
Kang sendiri menyedari batasan tersebut dan merancang untuk terus memperhalusi RetinaMind agar sistem itu pada masa hadapan berpotensi membezakan tahap serta jenis gangguan yang berbeza dengan lebih terperinci.
“Matlamat utama bukan untuk menggantikan doktor, sebaliknya menyediakan satu lagi alat yang boleh membantu proses saringan awal.
“Jika teknologi ini berjaya melalui lebih banyak kajian dan pengesahan klinikal, pendekatan menggunakan imej retina berasaskan AI berpotensi membuka satu dimensi baharu dalam bidang saringan gangguan perkembangan saraf,” ungkapnya.
Ringkasnya, inovasi teknologi memperlihatkan bagaimana rasa ingin tahu seorang remaja dengan menggabungkan kemajuan AI dan ilmu biologi sehingga mampu mencetuskan idea yang berpotensi memberi manfaat besar kepada bidang kesihatan pada masa hadapan.
The post Anak muda cipta alat AI kesan awal autisme dari mata appeared first on Kosmo Online.