Alat kecerdasan buatan (AI) mengungguli penangan panggilan manusia dalam mengenali pasien stroke dari panggilan ke layanan darurat, sebuah studi baru menunjukkan.
Model AI dengan benar mengidentifikasi lebih banyak pasien yang benar-benar mengalami stroke daripada operator panggilan manusia dan juga memiliki nilai prediksi positif yang lebih tinggi, ukuran proporsi kasus positif yang diprediksi sebenarnya positif.
“Model tersebut melakukan pekerjaan yang lebih baik dalam kedua ukuran. Ini menandai lebih sedikit pasien yang dicurigai stroke tetapi dengan benar mengidentifikasi lebih banyak pasien yang benar-benar mengalami stroke daripada operator manusia,” rekan penulis studi, Jonathan Wenstrup, MD, Copenhagen University Layanan Medis Darurat Rumah Sakit–Herlev dan Gentofte & Kopenhagen, Denmark, kepada theheart.org | Kardiologi Medscape.
Wenstrup mempresentasikan studi tersebut pada 24 Mei di European Stroke Organization Conference (ESOC) 2023 di Munich, Jerman.
Untuk penelitian ini, para peneliti menghubungkan registri stroke Denmark – yang berisi informasi tentang setiap pasien stroke yang dirawat di rumah sakit, termasuk waktu timbulnya gejala – dengan register panggilan darurat, yang memiliki rekaman semua panggilan telepon ke saluran bantuan medis. di layanan darurat Kopenhagen. Panggilan diberi label sebagai panggilan dari pasien yang kemudian ternyata mengalami stroke dan mereka yang bertekad untuk tidak mengalami stroke.
Model AI dilatih untuk menyalin rekaman audio panggilan darurat sebagai teks dan mencari perbedaan antara panggilan stroke dan panggilan nonstroke.
Model tersebut dilatih menggunakan data 1,5 juta panggilan ke layanan darurat antara tahun 2015 dan 2020, di mana 7.370 di antaranya merupakan kasus stroke yang sebenarnya. Itu kemudian diuji pada data 2021 pada 344.000 panggilan yang 750 di antaranya adalah kasus stroke.
Hasil menunjukkan bahwa model AI dengan benar mengidentifikasi 63% pasien yang mengalami stroke, hasil yang lebih baik daripada operator panggilan darurat manusia yang mengenali hanya 52,7% kasus stroke.
Model ini juga memiliki nilai prediksi positif yang lebih baik — 24,9% vs 17,1% untuk operator manusia.
Menggabungkan dua ukuran bersama-sama memberikan skor F1 keseluruhan (ukuran keseluruhan akurasi tes) 35,7 untuk model AI dibandingkan dengan 25,8 untuk penangan panggilan manusia.
“Model AI mengenali stroke lebih baik dan memiliki tingkat positif palsu yang lebih rendah daripada operator layanan darurat yang sebenarnya,” komentar Wenstrup.
Dia menjelaskan bahwa stroke adalah kondisi yang sulit diidentifikasi dari panggilan ke layanan darurat. “Banyak kasus tidak terdeteksi pada tahap ini, menyebabkan keterlambatan pengobatan yang berpotensi mengancam nyawa pasien.”
Keterbatasan penelitian ini adalah bahwa penelitian ini memiliki desain retrospektif. Model belum diuji dalam pengaturan langsung. “Kita perlu melakukan studi untuk melihat bagaimana kinerjanya saat diimplementasikan dalam kehidupan nyata,” kata Wenstrup.
Dia yakin alat AI itu bisa menjadi bantuan untuk membantu operator telepon darurat mengenali pasien yang mengalami stroke.
“Ketika mereka berbicara dengan semua jenis orang yang menelepon, model ini dapat berjalan di latar belakang dan akan memberi peringatan bahwa pasien tertentu memiliki kemungkinan tinggi terkena stroke dan harus diprioritaskan untuk perawatan mendesak.”
Dia menambahkan: “Jika model bekerja dengan baik dalam pengaturan kehidupan nyata, maka itu dapat meningkatkan pengenalan stroke oleh penangan panggilan darurat, memungkinkan lebih banyak pasien stroke untuk mendapatkan perawatan lanjutan yang cepat yang meningkatkan hasil.”
Wenstrup mencatat bahwa peningkatan lebih lanjut pada model dapat memperluas kemampuannya.
“Di masa mendatang, dimungkinkan untuk melatih kerangka kerja langsung dari audio panggilan, melewati langkah transkripsi, serta memasukkan audio bukan kata — seperti suara yang tidak jelas — ke dalam data pelatihan. Namun, mengingat hasil yang menjanjikan dari penelitian ini , sudah jelas bahwa teknologi seperti ini memiliki kemampuan untuk sepenuhnya mengubah diagnosis dan perawatan stroke,” katanya.
Studi ini didanai oleh Trygfonden (yayasan nirlaba di Denmark), serta University of Copenhagen, University Hospital Copenhagen–Herlev, dan Gentofte and Innovation Fund Denmark. Wenstrup tidak mengungkapkan hubungan keuangan yang relevan. Kerangka Pembelajaran Mesin dibuat oleh Corti, sebuah perusahaan swasta, dan rekan penulis studi lainnya adalah para peneliti di Corti.
Konferensi Organisasi Stroke Eropa (ESOC) 2023. Dipresentasikan pada 24 Mei 2023.
Untuk berita lebih lanjut, ikuti Medscape di Facebook, Twitter, Instagram, dan YouTube.