Penemuan Terbaharu: Kecerdasan Buatan Mengesan Kanser Paru-paru Melalui Analisis Suara – Kajian Mendedahkan Ketepatan 85%

Penemuan Terbaharu: Kecerdasan Buatan Mengesan Kanser Paru-paru Melalui Analisis Suara – Kajian Mendedahkan Ketepatan 85%. Kajian terbaharu oleh penyelidik dari Massachusetts Institute of Technology (MIT) dan Harvard Medical School telah membangunkan model kecerdasan buatan (AI) yang mampu mengesan kanser paru-paru dengan ketepatan 85% hanya melalui analisis suara pesakit. Model ini menggunakan algoritma pembelajaran mendalam untuk menganalisis corak suara yang halus, termasuk perubahan dalam frekuensi, amplitud, dan tempoh sebutan, yang dikaitkan dengan kehadiran tumor. Penemuan ini berpotensi merevolusikan saringan kanser paru-paru, menjadikannya lebih mudah, murah, dan tidak invasif.. Latar Belakang Kajian: Cabaran Saringan Kanser Paru-paru Konvensional Kanser paru-paru merupakan antara penyebab utama kematian akibat kanser di seluruh dunia, termasuk di Malaysia. Menurut data Pertubuhan Kesihatan Sedunia WHO , lebih daripada 1.8 juta kematian direkodkan setiap tahun akibat penyakit ini. Salah satu cabaran terbesar dalam menangani kanser paru-paru adalah pengesanan awal. Kaedah saringan sedia ada seperti imbasan tomografi berkomputer CT dos rendah dan biopsi tisu bukan sahaja mahal, tetapi juga melibatkan pendedahan radiasi dan prosedur invasif yang boleh menyebabkan ketidakselesaan kepada pesakit. Lebih membimbangkan, ramai pesakit hanya mendapatkan rawatan setelah kanser berada pada tahap lanjut, apabila pilihan rawatan menjadi terhad. Justeru, keperluan untuk kaedah saringan yang lebih mudah, murah, dan tidak invasif semakin mendesak. Dalam konteks inilah, satu pasukan penyelidik dari MIT dan Harvard Medical School telah mencadangkan pendekatan revolusioner: menggunakan kecerdasan buatan AI untuk menganalisis suara pesakit sebagai penanda kanser paru-paru. Metodologi Kajian di MIT dan Harvard Medical School Kajian yang diterbitkan dalam Journal of Clinical Medicine pada tahun 2023 ini melibatkan pengumpulan data suara daripada 585 peserta, termasuk 215 pesakit yang telah disahkan menghidap kanser paru-paru melalui biopsi. Setiap peserta diminta merakamkan suara mereka semasa membaca petikan teks standard selama kira-kira 30 saat. Rakaman suara kemudiannya diproses menggunakan algoritma pembelajaran mendalam yang dikenali sebagai rangkaian neural konvolusi CNN . Algoritma ini dilatih untuk mengekstrak ciri-ciri akustik halus seperti frekuensi asas pitch , variasi amplitud jitter dan shimmer , tempoh sebutan, dan spektrum frekuensi. Menariknya, model AI ini tidak memerlukan sebarang peralatan khas selain mikrofon telefon pintar biasa, menjadikannya sangat praktikal untuk kegunaan di kawasan luar bandar atau negara membangun. Bagaimana AI Menganalisis Suara untuk Mengesan Kanser Suara manusia dihasilkan oleh getaran pita suara yang dikawal oleh otot-otot laring dan aliran udara dari paru-paru. Kehadiran tumor dalam paru-paru boleh menjejaskan mekanisme ini secara halus. Sebagai contoh, tumor yang menyekat saluran udara boleh mengubah corak pernafasan, seterusnya mempengaruhi kestabilan suara. Selain itu, kanser paru-paru juga boleh menyebabkan kelemahan otot laring akibat kesan sistemik penyakit atau tekanan pada saraf laryngeal berulang. Perubahan-perubahan ini mungkin tidak dapat dikesan oleh telinga manusia, tetapi algoritma AI yang sensitif mampu mengenal pasti corak tersembunyi dalam data akustik. Dalam kajian ini, model AI berjaya membezakan antara suara pesakit kanser dan suara individu sihat dengan ketepatan 85%, sensitiviti 83%, dan spesifisiti 87%. Angka-angka ini menunjukkan bahawa AI bukan sahaja dapat mengesan kanser, malah dapat mengurangkan kadar positif palsu yang sering menjadi masalah dalam saringan konvensional. Keputusan dan Ketepatan: Perbandingan dengan Kaedah Sedia Ada Ketepatan 85% yang dicapai oleh model AI ini setanding dengan beberapa kaedah saringan bukan invasif lain seperti ujian biomarker darah, namun jauh lebih murah dan mudah dilaksanakan. Sebagai perbandingan, imbasan CT dos rendah mempunyai sensitiviti sekitar 90% tetapi melibatkan kos yang tinggi dan pendedahan radiasi. Biopsi cecair liquid biopsy yang mengesan DNA tumor dalam darah pula mempunyai sensitiviti sekitar 70-80% tetapi memerlukan peralatan makmal yang canggih. Kelebihan utama kaedah analisis suara adalah ia tidak memerlukan sebarang sampel biologi atau radiasi, dan boleh dilakukan dalam masa beberapa minit sahaja. Penyelidik juga mendapati bahawa ketepatan model meningkat apabila digabungkan dengan faktor risiko lain seperti usia, sejarah merokok, dan indeks jisim badan BMI . Ini menunjukkan potensi untuk membangunkan alat saringan multimodal yang lebih komprehensif pada masa hadapan. Implikasi Klinikal dan Masa Depan Saringan Kanser Penemuan ini membuka pintu kepada era baru saringan kanser yang lebih inklusif dan mudah diakses. Di Malaysia, di mana akses kepada kemudahan kesihatan di kawasan pedalaman masih terhad, aplikasi berasaskan telefon pintar yang menggunakan AI untuk menganalisis suara boleh menjadi alat saringan awal yang sangat berharga. Pesakit hanya perlu merakam suara mereka di rumah, dan hasilnya boleh dihantar kepada doktor untuk penilaian lanjut. Ini bukan sahaja menjimatkan masa dan kos, malah dapat mengurangkan beban hospital. Selain itu, teknologi ini juga berpotensi untuk disesuaikan bagi mengesan jenis kanser lain seperti kanser tekak, kanser tiroid, atau bahkan penyakit neurodegeneratif seperti Parkinson yang turut mempengaruhi suara. Walau bagaimanapun, penyelidik menekankan bahawa kaedah ini masih dalam fasa percubaan dan memerlukan pengesahan melalui kajian berskala besar sebelum dapat digunakan secara meluas dalam amalan klinikal. Cabaran dan Batasan Kajian Walaupun hasil kajian ini sangat memberangsangkan, terdapat beberapa batasan yang perlu diatasi. Pertama, saiz sampel kajian masih agak kecil dan kebanyakan peserta adalah dari latar belakang etnik yang sama, iaitu Kaukasia. Ini menimbulkan persoalan tentang kebolehgeneralisasian model kepada populasi yang lebih pelbagai, termasuk di Asia Tenggara. Kedua, faktor luaran seperti selsema, alahan, atau tabiat merokok boleh mempengaruhi kualiti suara dan mungkin mengelirukan model AI. Ketiga, kajian ini hanya melibatkan pesakit kanser paru-paru tahap awal hingga sederhana; keberkesanan model untuk kanser tahap lanjut atau jenis kanser paru-paru yang berbeza masih belum diketahui. Penyelidik kini sedang merancang kajian multicentre yang melibatkan ribuan peserta dari pelbagai negara, termasuk Malaysia, untuk menangani batasan ini. Mereka juga sedang membangunkan algoritma yang lebih mantap yang dapat membezakan antara perubahan suara akibat kanser dan perubahan akibat faktor lain. Kesimpulan: Satu Langkah Ke Arah Perubatan Digital Kajian ini merupakan contoh terbaik bagaimana kecerdasan buatan dapat dimanfaatkan untuk menyelesaikan masalah kesihatan global. Dengan hanya menggunakan suara, AI mampu mengesan kanser paru-paru dengan ketepatan yang setanding dengan kaedah saringan konvensional, tetapi tanpa kos dan risiko yang tinggi. Ini selari dengan visi perubatan digital yang menekankan aksesibiliti, ketepatan, dan keberkesanan kos. Bagi Malaysia, teknologi ini berpotensi untuk diintegrasikan ke dalam sistem kesihatan awam, terutamanya dalam program saringan kanser di peringkat komuniti. Namun, kerjasama erat antara penyelidik, doktor, dan penggubal dasar amat diperlukan untuk memastikan teknologi ini dapat digunakan secara selamat dan beretika. Dengan perkembangan pesat dalam bidang AI dan pemprosesan isyarat suara, tidak mustahil pada masa hadapan, pemeriksaan suara akan menjadi rutin seperti pemeriksaan tekanan darah dalam lawatan tahunan ke klinik.