Sepsis merupakan peradangan oleh sebagian besar organ tubuh akibat komplikasi infeksi yang diderita seseorang.
Contohnya, bila seseorang mengalami infeksi di paru-parunya (paru-paru basah) maka ia mempunyai potensi akan mengalami sepsis. Selain itu, pecahnya usus buntu juga akan turut memicu sepsis.
Sepsis ini bisa mematikan tapi masih mungkin bisa ditolong kalau segera ditangani oleh ahlinya dengan tepat.
Sebuah terapi oleh dokter yang diberikan ke pasien penderita sepsis mungkin cocok sehingga pasien bisa tertolong nyawanya.
Namum ada kalanya terapi yang sama tidak cocok di berikan ke pasien lain sehingga kondisinya akan semakin parah dan akhirnya ia meninggal dunia.
Karena itu pemilihan terapi yang tepat oleh dokter terhapan pasien penderita sepsis menjadi masalah yang krusial.
Untuk mengatasi masalah itu, sebuah tim peneliti di MIT telah mengembangkan model reinforcement learning algorithm (ini bagian dari deep learning algorithm) yang dapat digunakan untuk mengidentifikasi pilihan terapi mana saja yang akan menimbulkan kondisi pasien tertentu akan semakin memburuk.
Model ini dapat pula dijadikan peringatan dini bagi dokter untuk mencengah pasien memasuki jalan buntu medis (medical dead-ends).
Jalan buntu medis ini merupakan istilah yang menggambarkan kondisi pasien yang sedemikian buruk sehingga ia tidak bisa tertolong lagi oleh pengobatan apapun. Pasien yang telah memasuki kondisi ini akan meninggal hanya dalam beberapa hari saja.
Model algoritma pembelajaran ini mampu membantu dokter untuk mencegah pasien memasuki periode jalan buntu medis.
Peringatan dini ini memberi kesempatan dokter melakukan langkah intervensi sebelum terlalu terlambat.
Berdasarkan data pasien sepsis yang dirawat di ICU, algoritma pembelajaran tersebut memperkirakan sekitar 12% pasien megalami kekeliruan terapi sehingga akhirnya pasien akan meninggal dunia.
Studi tersebut juga mengungkapkan bahwa sekitar 3 persen pasien yang terindentifikasi telah memasuki jalan buntu medis akhirnya akan meninggal dunia dalam waktu 48 jam kemudian.
Model algoritma pembelajaran sebagai peringatan dini ini akan mampu mendeteksi penurunan kualitas kondisi pasien dalam waktu delapan jam lebih cepat dibandingkan dokter yang melakukan pengamatannya secara langsung.
Peringan dini ini akan sangat berarti sekali karena dalam situasi yang sangat genting ini setiap menit sangatlah berharga.
Peringatan dini oleh algoritma ini akan membantu menyadarkan dokter akan kondiri pasien yang semakin lama semakin memburuk sebelum terlalu terlambat.
Algoritma ini selanjutnya akan mampu memilihkan tindakan yang tepat bagi dokter untuk mencegah pasien memasuki periode jalan buntu medis sehingga pasien masih mungkin untuk diobati sampai sembuh.
Dengan demikian dokter masih mempunyai waktu yang cukup untuk melakukan berbagai alternatif tindakan bagi pasien penderita sepsis, sebelum terlambat.
Papernya telah diperseprentasikan di konferensi Neural Information Processing Systems dengan judul makalahnya Medical Dead-ends and Learning to Identify High-Risk States and Treatments.
A Simple Notebook 