Merujuk data Organisasi Kesehatan Dunia (WHO), penyakit kardiovaskular (CVD) masih menjadi penyebab utama kematian di seluruh dunia, dengan jumlah lebih dari 17,9 juta kematian per tahun. Kondisi tersebut, membuat inovasi di dunia kedokteran terus berkembang untuk mengurangi risiko penyakit ini. Salah satu alat yang digunakan untuk mendeteksi penyakit kardiovaskular adalah Elektrokardiogram (EKG), yang merekam aktivitas listrik jantung. EKG merupakan alat diagnostik penting dalam memantau dan mendeteksi gangguan jantung. Namun, akurasi interpretasi sinyal EKG sangat bergantung pada keahlian dan ketelitian seorang kardiolog. Tantangan ini seringkali dapat mempengaruhi kualitas diagnosis.
Masalah ini diangkat dalam orasi ilmiah Prof. Dr. Sani Muhamad Isa, S.Si.,M.Kom., yang berjudul “Heartbeat Insights: Advanced Data Science Techniques for Enhanced ECG Signal Interpretation”.
Orasi ini merupakan bagian dari seremoni pengukuhan Prof. Sani sebagai Guru Besar Tetap di bidang Data Science.
Prof. Sani, mengungkapkan penggunaan model Machine Learning dapat meningkatkan akurasi dan kecepatan analisis sinyal EKG secara signifikan dibandingkan metode manual.
“AI dan machine learning menunjukkan hasil yang signifikan dalam mendeteksi gangguan jantung seperti atrial fibrillation dan gagal jantung,” ujar Prof. Sani dalam keterangan tertulisnya Senin (23/92024).
Lebih dari itu, teknologi ini juga memungkinkan analisis Heart Rate Variability (HRV), yang mengukur respons sistem saraf terhadap berbagai stimulus internal maupun eksternal. HRV berperan penting dalam kardiologi, manajemen stres, dan kebugaran
atletik.
Prof. Sani menambahkan bahwa machine learning dan deep learning dapat diintegrasikan ke dalam berbagai aplikasi, baik klinis maupun non-klinis. Salah satunya adalah perangkat wearable seperti jam tangan pintar dengan sensor EKG, yang memungkinkan pemantauan HRV secara real-time.
“Data dari perangkat tersebut dapat dianalisis dengan cepat menggunakan teknologi data science, sehingga pola abnormal dapat dideteksi lebih awal dan intervensi medis segera dilakukan,” imbuhnya.
Di akhir orasinya, Prof. Sani juga menyampaikan bahwa penelitian di BINUS University telah menunjukkan bahwa analisis HRV berbasis AI mampu memprediksi aritmia jantung dengan akurasi tinggi, serta meningkatkan klasifikasi tahapan tidur untuk mendukung diagnosis dan pengobatan yang lebih baik.
Sekedar informasi, Prof. Dr. Sani Muhamad Isa, S.Si., M.Kom. merupakan Guru Besar ke-34 yang dikukuhkan BINUS University. Beliau resmi dikukuhkan sebagai Guru Besar
Tetap dalam Bidang Ilmu Data Science pada (17/9) di BINUS @Kemanggisan, Kampus Anggrek. Seremoni Pengukuhan Guru Besar dipimpin oleh Ketua Senat dan Rektor BINUS University, Dr. Nelly, S.Kom., MM. CSCA, serta dihadiri Kepala LLDIKTI Wilayah III, Dewan Guru Besar, Guru Besar Tamu, perwakilan industri dan tamu undangan.
Selain itu, Prof. Sani aktif melakukan penelitian yang dipublikasikan di jurnal internasional bereputasi, serta sering menjadi narasumber di berbagai forum nasional dan internasional dengan topik data science dan big data. (FA)
