Stroke is one of the leading causes of death and disability worldwide. It is the third leading cause, following heart diseases and cancer. Stroke is considered a medical emergency and can cause permanent neurological damages, complications related to mobility, cognition, sight or communication, and often death.

Is it possible to predict and detect a stroke in advance? Thanks to artificial intelligence (AI) machine learning (ML), companies today have developed sufficient sophisticated ML techniques to leverage, integrate, and optimize patient data amassed in distributed electronic health record (EHR) databases and voluminous clinical, imaging, and laboratory datasets, among others to predict disease incidence and prognosis.

The main objective of these machine learning algorithms is to develop computer software that can adapt and learn patterns from large and multidimensional medical datasets, including clinical, biological (genetic, immunological, and serological markers), in addition to imaging information.

Several AI-based techniques have been utilized to develop automated platforms to predict prognosis and functional outcome.

By Editorial RoboticsBiz

Source: https://roboticsbiz.com/stroke-prediction-and-detection-using-ai-and-machine-learning-ml/

Eventually, adapted and narrated by Dr. Eng. Ir. Zener Sukra Lie, S.T., M.T.;  ARE Team, BASE.

Stroke adalah penyakit yang memiliki banyak komplikasi dan dapat menyebabkan kematian. Sehingga besar harapan dari masyarakat dunia ini agar penyakit ini dapat diprediksi sebelumnya sehingga dapat mengurangi resiko yang akan dihadapi.

Untuk memprediksi, dibutuhkan informasi akan stroke itu sendiri. Stroke, mayoritas diklasifikasikan sebagai iskemik yang terdiri dari dua jenis yaitu trombotik dan emboli. Stroke trombotik diidentifikasikan dengan gumpalan darah yang terbentuk di salah arteri, dan stroke emboli diidentifikasikan dengan gumpalan darah yang terbentuk di tempat lain. Stroke yang lain yaitu hemoragik yang mana terjadi di ketika arteri di otak mengeluarkan darah atau pecah.

Untuk memprediksi adanya stroke atau tidak, seorang dokter meminta pasien yang dicurigai untuk melakukan CT scan, yang menggunakan sinar X; atau Magnetik Resonance Imaging (MRI) untuk melihat organ dan struktur tubuh pasien secara keseluruhan dan mendiagnosis apakah ada pembekuan darah. Saat ini, hasil yang diperoleh masih dilakukan oleh dokter. Oleh sebab itu kedepannya Machine Learning (ML) dan Artificial Intelligent (AI) akan saat memungkinkan untuk dikembangkan secara semakin banyaknya data akan penyakit stroke ini sehingga sangat memungkinkan untuk dijadika data set.

Dalam pengembangan Machine Learning banyak sekali menggunakan algoritma K-Nearest Neighbour (KNN) yang dipercaya dapat mengklasifikasi secara akurat dengan banyaknya variable. Dari hasil klasifikasi algoritma tersebut, membantu dokter syaraf untuk mengidentifikasikan pasien yang beriso tinggi dan mecari pendekatan yang lebih baik untuk pengobatannya yang bertujuan untuk menuruan morbiditas-nya. Teknik Machine Learning lainnya yang sedang diteliti untuk penyakit stroke ini yaitu dengan menggunakan model jaringan Bayesian untuk memeriksa kemandirian fungsional pada 3 bulan, model yang menerapkan alat Regresi Proses Gaussian untuk memprediksi hasil motorik jangka panjang dari MRI Struktural pasca-stroke awal. Dan masih banyak lagi penelitian yang dilakukan.

Akhir kata, kemajuan baru dalam teknologi pencitraan untuk diagnosis stroke telah menyebabkan tersedianya sejumlah besar informasi pencitraan saraf yang tersebar. Di sini, artificial intelligent dan machine learning telah digunakan dalam beberapa cara untuk mengekstrak informasi yang koheren, yang kemudian dapat dimamfaatkan sebagai pengenal atau penanda untuk diagnosis stroke dan menganalisis tingkat keparahannya.