Spine AI oleh NUH mempercepat deteksi masalah tulang belakang

Rumah sakit di Singapura itu memperkirakan lonjakan volume pemindaian seiring populasi yang menua.

National University Hospital (NUH) di Singapura telah mengembangkan AI yang mempercepat waktu interpretasi pemindaian MRI (magnetic resonance imaging) pada bagian punggung bawah, sebuah terobosan penting di tengah tantangan populasi yang menua di negara tersebut.

Alat deep learning rumah sakit ini, Spine AI, yang membantu mendeteksi stenosis tulang belakang lumbal, mampu memangkas waktu interpretasi dari 10 menit menjadi hanya 3 menit, kata James Hallinan, senior consultant di Department Diagnostic Imaging NUH.

Ini memungkinkan ahli radiologi untuk dengan cepat meninjau area yang ditandai dan menghasilkan laporan yang akurat.

Stenosis tulang belakang lumbal, yaitu penyempitan kanal tulang belakang di punggung bawah yang menyebabkan kompresi saraf, umum terjadi pada lansia. Kondisi ini dapat menyebabkan ketidaknyamanan yang signifikan, membatasi mobilitas, dan menurunkan kualitas hidup, menurut NUH.

Rumah sakit memperkirakan lonjakan volume pemindaian, mengingat pada 2030, satu dari empat warga Singapura akan berusia di atas 65 tahun, dibandingkan satu dari sepuluh pada  2010.

“Model ini mendeteksi area yang relevan dalam gambar dan mengklasifikasikan tingkat penyempitan yang dapat menyebabkan tekanan pada saraf sebagai normal, ringan, sedang, atau berat,” kata Hallinan, seorang ahli radiologi.

“Kami memperkirakan penghematan waktu sekitar 466 jam per tahun.”

Ia menambahkan bahwa para radiolog junior merasa alat ini sangat membantu karena mereka dapat melihat apa yang sedang ditinjau oleh supervisor mereka, termasuk koreksi yang dilakukan. “Hal ini memungkinkan diskusi serta penggunaan bounding box dalam Spine AI untuk memperjelas observasi saya.”

Untuk memastikan model ini dapat mendeteksi kelainan tulang belakang secara akurat, dokter NUH bekerja sama dengan ilmuwan data dari National University of Singapore’s School of Computing, menggunakan sekitar 450 data tulang belakang dan 18.000 gambar.

“Kami menggunakan label dari ahli radiologi berpengalaman untuk menciptakan model dengan akurasi tertinggi,” kata Hallinan.

Mengingat populasi Singapura yang beragam secara ras, Hallinan mengatakan mereka juga memperoleh kumpulan data dari Arab Saudi untuk validasi eksternal. Tim ini juga bekerja sama dengan Siemens Healthineers agar algoritma ini dapat diterapkan dengan interface yang user-friendly.

“Keuntungan lain dari bekerja dengan Siemens adalah kami dapat meluncurkan ini secara global,” katanya. “Mereka memiliki basis di seluruh dunia, termasuk Eropa, yang berarti kami berpotensi melakukan studi prospektif di tingkat internasional.”

Masukan awal terhadap produk ini, yang masih dalam tahap uji coba, sangat positif, dengan para radiolog menghargai kemudahan penggunaan Spine AI yang hanya memerlukan satu klik, kata Hallinan.

Keakuratan sistem ini telah diakui, meskipun diperlukan studi yang lebih luas untuk memvalidasi temuan ini. NUH berencana memperluas penerapan teknologi ini ke institusi lain di Singapura, tambahnya.

Selain aplikasi dalam pencitraan tulang belakang, NUH berencana memperluas peran AI ke bidang lain. Rumah sakit sedang mengembangkan algoritma AI untuk rontgen dada untuk mengidentifikasi kasus yang memerlukan perhatian segera atau yang dapat dipulangkan dengan aman.

“Lalu ada AI cepat untuk mendeteksi stroke,” kata Hallinan. “Kami juga sedang mengeksplorasi model AI untuk mamogram, baik yang dikembangkan secara internal maupun yang bersifat komersial.”

Hallinan menegaskan AI tidak menggantikan, melainkan mendukung peran ahli radiologi. “Dengan algoritma ini, kita harus memastikan keamanannya dan tetap berada di bawah pengawasan radiolog. Kita harus mengutamakan efisiensi dan potensi penghematan biaya, tetapi keselamatan tetap menjadi prioritas utama.”