Sebuah terobosan dalam teknologi diagnostik akan segera memungkinkan dokter untuk mencegah kanker hati bahkan sebelum kanker itu muncul. Para peneliti telah mengembangkan tes darah baru yang menggunakan pembelajaran mesin untuk mengidentifikasi fibrosis hati —tahap awal jaringan parut pada hati—jauh sebelum berkembang menjadi sirosis atau keganasan yang tidak dapat disembuhkan.
Jendela Kritis: Fibrosis vs. Sirosis
Untuk memahami pentingnya perkembangan ini, kita harus melihat perkembangan penyakit hati. Kerusakan hati biasanya mengikuti lintasan yang dapat diprediksi dan seringkali tidak terlihat:
1. Fibrosis: Jaringan parut tahap awal. Pada tahap ini, kerusakan sering kali dapat diperbaiki melalui perubahan gaya hidup, intervensi medis, atau obat antifibrotik.
2. Sirosis: Jaringan parut yang meluas dan meluas. Tahap ini sebagian besar tidak dapat diubah dan secara signifikan meningkatkan risiko kematian.
3. Kanker Hati: Seringkali merupakan akibat akhir dari penyakit hati jangka panjang yang tidak diobati.
Alat diagnostik terkini, seperti tes FIB-4 standar, sering kali gagal mendeteksi penyakit selama masa “fibrosis”. Hal ini menyebabkan jutaan orang—terutama mereka yang memiliki faktor risiko seperti obesitas, diabetes, dan hipertensi—tidak menyadari kondisi mereka hingga terlambat untuk membalikkan dampak buruknya.
Cara Kerja Teknologi: Menguraikan Kode DNA “Bebas Sel”.
Tidak seperti tes tradisional yang mencari mutasi genetik tertentu, metode baru ini menggunakan pendekatan “lensa lebar”. Tim peneliti, yang dipimpin oleh Dr. Victor Velculescu di Johns Hopkins Kimmel Cancer Center, menganalisis DNA bebas sel (cfDNA) —fragmen kecil materi genetik yang dilepaskan sel ke dalam aliran darah saat sel mati atau beregenerasi.
Alih-alih mencari mutasi tunggal, tim menggunakan model pembelajaran mesin untuk menganalisis pola di seluruh genom. Tes ini berfokus pada tiga indikator utama:
* Panjang Fragmen: Ukuran fisik potongan DNA dalam darah.
* Urutan Berulang: Seberapa sering sel melepaskan pola DNA tertentu yang berulang.
* Tanda Epigenetik: Perubahan kimiawi pada genom yang mengubah perilaku gen tanpa mengubah kode DNA yang mendasarinya.
Dengan menganalisis miliaran fragmen ini secara bersamaan, AI dapat mendeteksi sinyal halus pada seluruh genom yang mungkin terlewatkan oleh pengamatan manusia atau pengujian sederhana.
Performa dan Efisiensi Saat Ini
Dalam penelitian yang dipublikasikan di Science Translational Medicine, para peneliti menguji model tersebut pada sekelompok partisipan untuk melihat seberapa akurat model tersebut dapat membedakan antara individu sehat dan individu yang menderita penyakit.
| Kondisi | Tingkat Deteksi (Akurasi) |
|---|---|
| Penyakit Hati Tahap Awal | 50% |
| Penyakit Hati Tingkat Lanjut | 78% |
| Individu Sehat (Identifikasi Benar) | 83% |
Meskipun tingkat deteksi penyakit tahap awal sebesar 50% menunjukkan masih banyak pekerjaan yang harus dilakukan, tes ini menawarkan keuntungan teknologi yang sangat besar: efisiensi. Karena AI melihat pola yang luas daripada mencari mutasi tertentu, genom hanya perlu diurutkan satu atau dua kali. Hal ini membuat prosesnya jauh lebih murah dan cepat dibandingkan metode sebelumnya yang memerlukan ribuan rangkaian untuk mencapai hasil serupa.
Jalan ke Depan
Penelitian tersebut saat ini sedang dalam tahap validasi. Langkah berikutnya melibatkan uji klinis yang lebih besar dan ketat untuk menyempurnakan model pembelajaran mesin. Tujuannya adalah untuk mengurangi “positif palsu” (di mana orang sehat ditandai sebagai sakit) dan meningkatkan sensitivitas untuk deteksi tahap awal.
Jika berhasil, teknologi ini dapat melampaui fungsi hati, dan berpotensi menjadi cetak biru tes darah non-invasif yang mampu menyaring beragam penyakit kronis pada tahap yang paling dapat diobati.
“Cara terbaik untuk melakukan intervensi terhadap kanker hati bukanlah dengan mendeteksi kanker hati secara dini, tetapi dengan mendeteksi penyakit hati secara dini.” — Dr. Victor Velculescu
Kesimpulan: Dengan mengalihkan fokus dari mendeteksi kanker ke mendeteksi tanda-tanda awal jaringan parut pada sel, pendekatan pembelajaran mesin ini menawarkan cara yang proaktif, bukan reaktif, untuk mengelola kesehatan hati. Jika divalidasi dalam uji coba yang lebih besar, hal ini dapat mengubah penyakit hati dari penyakit pembunuh diam-diam menjadi penyakit yang dapat dikendalikan dan disembuhkan.
