Dengan teknologi ini, sistem seperti rompi airbag anti-jatuh atau alarm medis bisa bekerja lebih cepat, mengurangi cedera, mempercepat respons darurat, dan menekan biaya pengobatan.
Ilustrasi dibuat oleh AI. Ringkasan
- Model AI ini mendeteksi gerakan tubuh yang mengarah pada risiko jatuh, bahkan sebelum kejadian.
- Teknologi menggabungkan Hidden Markov Model dan Generative Adversarial Network (HMM-GAN).
- Dalam studi awal, teknologi ini berpotensi hemat biaya hingga 33 juta dolar AS.
BAYANGKAN seseorang berdiri di lift. Saat lift tiba-tiba naik, ada sensasi ringan sejenak—itulah "fase runtuh". Fase serupa juga terjadi saat seseorang mulai jatuh.
Menurut Profesor Shuo Yu, justru milidetik itulah yang krusial. “Itulah momen di mana data harus diproses dan alat perlindungan seperti airbag harus diaktifkan. Setiap milidetik sangat berarti,” jelasnya.
Bersama timnya, Yu membangun model yang bisa mengenali pola gerakan yang berpotensi mengarah ke jatuh.
Mereka memanfaatkan dua set data publik berisi hampir 2.000 kejadian jatuh yang terekam dari alat sensor gerak yang dikenakan di tubuh. Data ini dipilah menjadi tiga tahap, collapse (runtuh), impact (benturan), dan inactivity (tidak bergerak).
Daripada memakai pendekatan klasik berbasis aturan sederhana, Yu menggunakan kombinasi Hidden Markov Model (HMM) dan Generative Adversarial Network (GAN).
HMM bekerja seperti peta statistik untuk mengenali urutan kejadian yang tidak terlihat langsung, dalam hal ini, status jatuh seseorang.
Sementara GAN adalah algoritma AI yang menggunakan dua komponen: satu pembuat data tiruan yang sangat mirip aslinya, dan satu lagi yang bertugas membedakan mana data asli dan mana palsu.
Dengan ini, sistem bisa “berlatih” memahami berbagai pola jatuh, meski bentuknya berbeda-beda antarindividu.
Melalui empat eksperimen, model HMM-GAN menunjukkan kecepatan dan akurasi lebih tinggi dibanding pendekatan sebelumnya. Keunggulan ini sangat penting, terutama bagi lansia atau pasien rawan jatuh.
Dalam studi kasus sederhana, tim peneliti mensimulasikan potensi penghematan ekonomi jika model ini diterapkan di fasilitas kesehatan.
Hasilnya? Lebih dari 33 juta dolar AS bisa dihemat berkat pencegahan cedera akibat jatuh dan pengurangan biaya medis.
Meskipun masih tahap proof-of-concept, Yu berharap teknologi ini bisa segera dikembangkan ke dunia nyata.
Bayangkan jika rumah sakit, panti jompo, bahkan rumah pribadi memiliki sistem pintar yang bisa mencegah jatuh secara otomatis. Lebih dari sekadar teknologi, ini menyentuh kualitas hidup.
Yu juga menambahkan bahwa inovasi ini bisa mengubah cara orang melihat kecerdasan buatan.
“Saya rasa inilah masa depan bidang kesehatan. Seperti ChatGPT yang sudah kita pakai sekarang, teknologi AI seperti ini juga bisa hadir dan benar-benar menyelamatkan nyawa,” ujarnya.
Artikel ini merupakan saduran dari Tech Xplore – Researcher develops generative learning model to predict falls
Posting Komentar