Sedekad dalam Pembikinan
Setiap tahun di Amerika Syarikat, lebih 300,000 orang mati akibat serangan jantung mengejut — keadaan di mana sistem elektrik jantung tidak berfungsi tanpa amaran. Kecemasan perubatan boleh membunuh kedua-dua orang dewasa yang berisiko tinggi dan atlet muda yang kelihatan sihat tanpa sejarah masalah jantung. Walaupun defibrilator dalaman yang mengejutkan jantung kembali ke dalam irama boleh menyelamatkan nyawa, memikirkan siapa yang sebenarnya memerlukannya tetap menjadi permainan meneka dengan taruhan tinggi. For more context on this story, see our ongoing latest AI developments.
Kini, pasukan penyelidik yang diketuai UC Berkeley telah menemui isyarat yang sebelum ini tidak dikenali dalam elektrokardiogram (EKG) yang boleh mengesan pesakit berisiko tinggi sebelum jantung mereka berhenti. Kajian yang diterbitkan pada 24 Jun 2026, dalam jurnal Nature, boleh mengubah cara doktor mengenal pasti siapa yang memerlukan implan yang menyelamatkan nyawa.
"Keputusan perubatan sangat sukar, dan saya fikir itulah sebabnya AI sangat menarik untuk saya, " kata Ziad Obermeyer, profesor bersekutu di Sekolah Kesihatan Awam UC Berkeley dan pengarang utama kajian itu, dalam kenyataan akhbar universiti. "Kami bukan sahaja boleh membuat keputusan yang lebih baik, tetapi juga mula memahami apa yang sebenarnya berlaku dengan pesakit ini sebelum jantung mereka berhenti."
Latihan mengenai 440,000 EKG
Menggunakan lebih daripada 440,000 EKG dari Sweden yang dipasangkan dengan maklumat daripada sijil kematian, penyelidik melatih model kecerdasan buatan untuk menganalisis pancang dan bentuk gelombang yang dihasilkan oleh arus elektrik jantung. Mereka memberi imbasan model daripada orang yang sihat, pesakit berisiko, dan mereka yang kemudiannya mengalami kematian jantung sehingga ia mengiktiraf corak bentuk gelombang yang unik kepada orang yang kemudiannya mati secara tiba-tiba.
Pasukan itu kemudiannya mengesahkan algoritma selama beberapa tahun pada beribu-ribu fail pesakit tambahan dari Amerika Syarikat dan Taiwan. Menurut universiti itu, penyusunan data sahaja mengambil masa kira-kira sedekad, menggunakan enam tahun imbasan daripada sistem kesihatan bersatu Sweden, dua tahun EKG yang tidak dikenal pasti daripada sistem hospital di San Diego, dan set data berasingan dari Taipei.
"AI yang baik bermula dengan data yang baik," kata Obermeyer, yang juga sebahagian daripada program Kesihatan Ketepatan Pengiraan UCSF-UC Berkeley bersama. "Malangnya, data seperti yang kami gunakan untuk kajian ini adalah sangat sukar untuk diakses. Ini adalah sebahagian besar mengapa terdapat sedikit AI klinikal yang digunakan hari ini."
Ujian Standard Mencapai Prestasi
Hasilnya mewakili lonjakan bermakna ke atas kaedah saringan semasa. Teknik yang paling biasa digunakan untuk mengenal pasti pesakit berisiko mengukur jumlah darah yang dikeluarkan oleh jantung dengan setiap degupan — dikenali sebagai pecahan ejection. Ujian tersebut mengenal pasti kumpulan berisiko tinggi dengan kadar tahunan 4.6% kematian jantung mengejut.
Sistem AI, sebaliknya, mengasingkan kumpulan berisiko tinggi dengan kadar tahunan 7% — menandakan kumpulan pesakit yang lebih besar yang berisiko tulen tetapi kelihatan berisiko rendah mengikut setiap standard semasa. Sebilangan besar pesakit ini tidak akan pernah dirujuk untuk penilaian lanjut di bawah protokol sedia ada.
Manakala serangan jantung berpunca daripada aliran darah yang terhad, serangan jantung berlaku apabila arus elektrik jantung tiba-tiba berhenti menembak. CPR dan kejutan daripada defibrilator luaran automatik boleh menyelamatkan nyawa, tetapi kira-kira 90% daripada mereka yang mengalami serangan jantung mengejut di luar hospital mati dalam beberapa minit. Kepantasan dan ketidakpastian kejadian menjadikan pencegahan menjadi sangat sukar.
Dilema Defibrilator
Ironi kematian jantung secara mengejut, Obermeyer menyatakan, adalah bahawa rawatan itu sudah wujud - doktor tidak dapat mengenal pasti siapa yang memerlukannya tepat pada masanya. Defibrilator kardioverter yang boleh ditanam (ICD) ialah peranti kecil yang diletakkan di dalam dada yang memantau irama jantung dan memberikan kejutan apabila corak berbahaya dikesan.
Masalahnya adalah dua kali ganda. Pertama, ujian pecahan lenting standard memerlukan pesakit menjalani penilaian perubatan yang lebih terlibat - sesuatu yang sebahagian besar mangsa akhirnya tidak pernah tahu yang mereka perlukan. Kedua, dua pertiga daripada implan yang diletakkan pada pesakit yang dibenderakan oleh ujian semasa tidak pernah benar-benar terbakar, bermakna pesakit menjalani prosedur invasif dan mahal untuk mengelakkan kecemasan yang mungkin tidak pernah mereka hadapi.
"Dalam sebahagian kecil daripada orang itu, kami boleh menghalang kematian itu jika kami baru mengetahuinya tepat pada masanya," kata Obermeyer. "Terdapat banyak nyawa yang terkorban daripada orang yang meninggal dunia akibat kematian jantung mengejut yang boleh dicegah jika kita hanya mempunyai alat AI yang lebih baik untuk mencari perkara ini."
Apa Yang Akan Datang
Fasa projek seterusnya telah pun bermula. Obermeyer sedang bekerjasama dengan sistem kesihatan di Sweden, Taiwan dan Amerika Syarikat untuk menggunakan algoritma pada pangkalan data EKG hospital. Untuk mengimbas sistem menandai sebagai berisiko tinggi, doktor akan memberitahu pesakit dan menawarkan mereka pilihan untuk memakai tampalan yang sentiasa memantau jantung mereka. Data pemantauan itu boleh membantu penyelidik memahami dengan lebih baik mekanisme fisiologi dalam hati yang menjana isyarat isyarat — dan akhirnya boleh membawa kepada penempatan defibrilator dalaman yang berpotensi menyelamatkan nyawa.
Kajian itu juga membuka pintu untuk penyelidikan baharu tentang perkara yang sebenarnya dikesan oleh alat AI. Corak bentuk gelombang yang terdapat padanya kelihatan berkaitan dengan jantung secara tiba-tiba dan tidak berfungsi, tetapi mekanisme fisiologi yang tepat masih tidak jelas - satu soalan yang diharapkan oleh pasukan pemantauan berterusan akan membantu menjawab.
Obermeyer juga membina tapak web di mana individu yang berminat untuk menilai risiko mereka sendiri boleh menyerahkan maklumat asas dan alamat e-mel, membolehkan pasukan penyelidik menghubungi mereka untuk analisis EKG sebaik sahaja alat itu tersedia dengan lebih meluas. Projek ini menggunakan kerja dua organisasi yang diasaskan bersama Obermeyer - Dandelion Health dan Nightingale Open Science - yang beroperasi di persimpangan AI dan penyelidikan perubatan.
Di sebalik implikasi klinikal serta-merta, kajian itu menekankan perkara yang lebih luas tentang AI dalam bidang perubatan: nilai terbesar teknologi itu mungkin bukan pada menggantikan doktor, tetapi dalam mendedahkan corak yang tidak dapat dilihat oleh mata manusia — corak yang, setelah difahami, boleh menyelamatkan beribu-ribu nyawa setiap tahun.
"Terdapat juga cara baru untuk melakukan sains yang keluar daripada alat ini, " kata Obermeyer, "dan ia menyeronokkan untuk memikirkan bagaimana ia mula berlaku."
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
