Klik di sini untuk melihat video penelitian

Deteksi dini aritmia melalui sinyal elektrokardiogram (EKG) menjadi salah satu bidang yang terus dikembangkan dalam pemanfaatan Artificial Intelligence (AI) untuk mendukung analisis kondisi jantung. Salah satu tantangan dalam pengembangan sistem AI di bidang medis adalah keterbatasan data medis berlabel yang dapat digunakan untuk melatih model secara optimal.

Menjawab tantangan tersebut, Billy Nicholas Panggiri, bersama dosen pembimbing Dr. Nur Afny Catur Andryani, S.Si., M.Sc., melakukan penelitian mengenai penerapan Few-Shot Learning (FSL) untuk mendeteksi pola aritmia pada sinyal EKG. Pendekatan ini memungkinkan sistem untuk melakukan proses pengenalan pola dengan jumlah data pelatihan yang relatif terbatas.

Penelitian ini menggunakan pendekatan metric-based Few-Shot Learning, yang memungkinkan model mempelajari karakteristik dan hubungan antar pola pada data EKG. Sistem diuji menggunakan skenario dengan 1, 5, dan 10 sampeluntuk melihat kemampuan model dalam mengenali pola irama jantung dengan jumlah data yang terbatas.

Dalam pengembangannya, penelitian ini mengombinasikan HuBERT-ECG sebagai model untuk menghasilkan representasi fitur dari sinyal EKG dengan Relation Networks untuk melakukan proses pengenalan dan klasifikasi berdasarkan hubungan antar representasi fitur. Kombinasi tersebut dirancang untuk membantu sistem memperoleh representasi pola sinyal yang lebih informatif meskipun tersedia data berlabel dalam jumlah terbatas.

Hasil pengujian menunjukkan bahwa pendekatan yang diusulkan mampu mencapai akurasi hingga 87,46%. Hasil tersebut menunjukkan bahwa kualitas representasi fitur memiliki peran penting dalam meningkatkan kemampuan model dalam mengenali pola aritmia, terutama ketika sistem dikembangkan dalam kondisi keterbatasan data medis berlabel.

Penelitian ini menunjukkan potensi penerapan Few-Shot Learning dalam pengembangan sistem AI untuk analisis sinyal EKG. Dengan kemampuan untuk belajar dari jumlah data yang relatif sedikit, pendekatan tersebut dapat menjadi salah satu alternatif dalam menghadapi tantangan ketersediaan data berlabel pada pengembangan teknologi AI di bidang kesehatan.


Lihat video penelitian selengkapnya di Instagram:
https://www.instagram.com/reel/DWnUYcxEXw6/?utm_source=ig_web_copy_link&stkn=MzRlODBiNWFlZA==