Peneliti Kembangkan Teknologi AI untuk Prediksi Risiko Psikosis

Reporter: Englia |

Editor: Englia |

Selasa , 20 Feb 2024 - 07:00

Pengembangan AI untuk deteksi dini psikosis--pexels

XGBoost menerapkan peningkatan pohon paralel dan banyak digunakan untuk masalah klasifikasi, pemeringkatan, dan regresi.

Para peneliti mengembangkan pengklasifikasi AI dan memetakan bobot untuk mengidentifikasi fitur-fitur utama untuk generalisasi.

“Akurasi pengklasifikasi pada kumpulan data pelatihan dan konfirmasi independen masing-masing adalah 85 persen dan 73 persen,” para peneliti melaporkan.

Pemindaian otak MRI terhadap mereka yang secara klinis berisiko tinggi mengalami psikosis dalam penelitian lain telah menunjukkan perbedaan struktural di otak, yaitu berkurangnya materi abu-abu di korteks temporal medial dan superior temporal dan medial frontal menurut para ilmuwan.

Untuk penelitian saat ini, para peneliti menemukan bahwa area temporal superior, insula, dan frontal superior adalah wilayah otak yang paling membantu algoritma dalam mengklasifikasikan kontrol sehat dari peserta berisiko tinggi yang kemudian mengembangkan psikosis.

"Hasil ini menunjukkan bahwa ketika mempertimbangkan perkembangan otak remaja, pemindaian MRI dasar untuk individu CHR mungkin berguna untuk mengidentifikasi prognosis mereka,” para ilmuwan menyimpulkan.(lia)

peneliti kembangkan teknologi ai untuk prediksi risiko psikosis                            sumateraekpres.id-studi terbaru yang diterbitkan di molecular psychiatry menunjukkan bahwa algoritma pembelajaran mesin kecerdasan buatan (ai) baru yang dikembangkan oleh universitas tokyo dan rekan penelitian mereka yang dapat memprediksi risiko psikosis dari gambar otak.
melansir laman psychology today, institut kesehatan mental nasional (nimh) mendefinisikan psikosis sebagai serangkaian gejala seperti delusi, keyakinan salah, dan halusinasi, yang memengaruhi kontak seseorang dengan kenyataan.
deteksi dini psikosis kerap kali memberikan hasil pemulihan yang lebih baik, menurut nimh. 
karenanya, punya cara untuk memprediksi timbulnya psikosis sebelum seseorang mengalami episode psikotik menggunakan pembelajaran mesin ai dapat meningkatkan hasil pasien.
baca juga:bagaimana pengembangan mengenai teknologi hijau untuk transportasi?
baca juga:perhatikan 6 pengaruh teknologi terhadap kesehatan mental remaja: tantangan dan peluang di era digital. 
“paradigma risiko tinggi klinis (chr) digunakan secara luas dengan tujuan meningkatkan deteksi dini dan pencegahan gangguan psikotik,” tulis penulis koresponden dan associate professor universitas tokyo shinsuke koike, ph.d., bersama dengan rekan penelitiannya dari 21 institusi dari jepang, spanyol, jerman, inggris, italia, norwegia, swedia, denmark, amerika, kanada, tiongkok, korea selatan, swiss, rusia, singapura, dan belanda.
menurut perkiraan nimh, setiap tahunnya antara 15 hingga 100 orang dari 100.000 orang akan mengembangkan psikosis, dan seringkali terjadi perubahan perilaku seperti menarik diri dari pergaulan, menurunnya kebersihan pribadi atau perawatan diri, kesulitan memisahkan fantasi dari kenyataan, kesulitan berpikir logis atau jernih, paranoia, kecurigaan, masalah tidur, dan lainnya mungkin terjadi sebelum hal itu terjadi.
psikosis mungkin disebabkan oleh sejumlah faktor seperti faktor risiko genetik, masalah perkembangan otak paparan stres atau trauma, penyakit mental seperti depresi berat, gangguan bipolar, dan skizofrenia, kurang tidur, atau penyalahgunaan alkohol atau obat-obatan.
psikosis mungkin merupakan gejala penyakit lain seperti penyakit alzheimer, demensia, dan penyakit parkinson.
para ilmuwan mengembangkan algoritma pembelajaran mesin ai menggunakan data pemindaian otak mri dari orang-orang yang berisiko tinggi secara klinis yang kemudian menderita psikosis dari 21 lokasi kelompok kerja risiko tinggi klinis untuk psikosis enigma.
baca juga:simak penjelasan lengkap pengenalan teknologi blockchain
baca juga:teknologi ini membantu orang yang diamputasi rasakan sensasi suhu 
algoritme pembelajaran mesin ai yang digunakan adalah xgboost (extreme gradient boosting), pustaka perangkat lunak sumber terbuka yang dapat diskalakan untuk algoritma pohon keputusan yang didorong gradien terdistribusi (gbdt).
xgboost menerapkan peningkatan pohon paralel dan banyak digunakan untuk masalah klasifikasi, pemeringkatan, dan regresi. 
para peneliti mengembangkan pengklasifikasi ai dan memetakan bobot untuk mengidentifikasi fitur-fitur utama untuk generalisasi.
“akurasi pengklasifikasi pada kumpulan data pelatihan dan konfirmasi independen masing-masing adalah 85 persen dan 73 persen,” para peneliti melaporkan.
pemindaian otak mri terhadap mereka yang secara klinis berisiko tinggi mengalami psikosis dalam penelitian lain telah menunjukkan perbedaan struktural di otak, yaitu berkurangnya materi abu-abu di korteks temporal medial dan superior temporal dan medial frontal menurut para ilmuwan.
baca juga:teknologi kereta api tercepat dunia membawa revolusi perjalanan
untuk penelitian saat ini, para peneliti menemukan bahwa area temporal superior, insula, dan frontal superior adalah wilayah otak yang paling membantu algoritma dalam mengklasifikasikan kontrol sehat dari peserta berisiko tinggi yang kemudian mengembangkan psikosis.
"hasil ini menunjukkan bahwa ketika mempertimbangkan perkembangan otak remaja, pemindaian mri dasar untuk individu chr mungkin berguna untuk mengidentifikasi prognosis mereka,” para ilmuwan menyimpulkan.(lia)