Mengikut anggaran World Health Organization (WHO), antara 4 dan 10 dalam setiap 1,000 orang mengalami masalah penyakit sawan epilepsi. Pelbagai kajian pula mendapati 70% jumlah penghidap tersebut mempunyai simptom sawan yang boleh dielak melalui kaedah perubatan. Masalah utamanya adalah, pesakit tidak mampu untuk menjangka bilamasa mereka akan berada pada fasa preictal (tempoh sejurus sebelum sawan muncul).

Oleh itu, dua orang pengkaji dari Universiti Lousiana telah mengeluarkan kertas kajian untuk mengkaji jangkaan waktu sawan muncul dengan ketepatan sebanyak 99.6%. Pengkaji tersebut Profesor Magdy Bayoumi dan Hisham Daud mengusulkan 4 model deep learning untuk tujuan jangkaan sawan terjadi secara awal dan tepat. Untuk itu, mereka menggunakan rekod jangka masa panjang pesakit berdasarkan imbasan otak electroencephalogram (EEG) untuk membina satu dasar (baseline) aktiviti otak sebelum, semasa, dan selepas sawan terjadi.

Data peribadi secara tidak langsung diperlukan untuk membina model latihan dan jangkaan yang sesuai untuk kecerdasan buatan. Hasilnya, mereka melaporkan ketepatan jangkaan hampir sempurna 99.6% dengan kadar pengesanan palsu hampir tiada. Sistem kecerdasan buatan tersebut juga berjaya meramal sawan sejam sebelum ia berlaku.

Dengan kemampuan sistem ini, ia berpotensi meningkatkan tahap kehidupan dianggarkan sebanyak 50 juta orang penghidap sawan epilepsi di seluruh dunia.

Mengikut kertas kajian tersebut, "Sawan yang tidak dijangka ini meninggalkan kesan yang mendalam terhadap psikologi dan sosial serta ada masanya boleh mengancam keselamatan nyawa. Hasil dari kajian ini boleh membantu banyak penghidap sawan dari pelbagai aspek, seperti memberikan penghidap seumpama penggera supaya tindakan pantas dapat diambil sebelum terjadi, mencipta cara perubatan serta strategi baharu untuk memahami sifat semulajadi penyakit.

Buat masa ini, pengkaji sedang cuba membina perkakas dan cip yang sesuai untuk mengaplikasikan sistem mereka sebagai satu penyelesaian yang mudah untuk pesakit. Pembinaan dan ujian semestinya akan mengambil sedikit masa lagi sebelum ia siap dan dicuba oleh pesakit sebenar kelak.

Jika anda mahu membaca kertas kajian ini dengan lebih lanjut, sila ke pautan ini.

Sumber: TheNextWeb, Kertas Kajian