Staf UUM Cipta Alat Diagnosis Jantung Peringkat Awal

UUM ONLINE: Dengan pembangunan pesat kemajuan teknologi, disertai kekangan masa dan kadar kesesakan di hospital bagi mendapatkan pemeriksaan jantung khususnya, telah mendorong Tutor di Pusat Pengajian Pengkomputeran, Mohamad Sabri Sinal @ Zainal, 28, untuk membangunkan satu mekanisme baharu menggunakan sistem komputer yang dinamakan 'Automatics Heart Disease Detecting Using ECG Signals' bagi menganalisis data jantung pesakit tanpa perlu bergantung kepada doktor secara total pada setiap masa.

Secara umumnya, Electrocardiogram (ECG) merupakan salah satu rujukan berguna dalam mengenal pasti keadaan jantung manusia dari pelbagai sudut dan terdapat pelbagai jenis penyakit kritikal dapat dikaitkan dengan masalah jantung yang mana memerlukan rawatan segera sekiranya terdapat sebarang ketidaktentuan dalam aktiviti pergerakan jantung dalam badan manusia, malah untuk mengetahui keadaan jantung manusia, prosedur untuk mengenal pasti keadaan jantung adalah begitu rumit dan proses untuk menganalisisnya hanya boleh dilakukan oleh doktor atau pakar jantung.

Mohamad Sabri berkata, proses untuk mendiagnos keadaan jantung dan mengesan sebarang ketidaktentuan dalam aktiviti jantung melalui kepintaran buatan secara berkomputer diperkenalkan bagi menyelesaikan pelbagai masalah rumit secara efektif terutama dalam cabang perubatan yang mana analisis data tersebut mempunyai ketepatan yang amat tinggi.

"Terdapat bahagian-bahagian yang penting di dalam data ECG pesakit menjadi fokus utama dalam menganalisis keadaan jantung agar sebarang penyakit yang melibatkan jantung dapat dikesan di peringkat awal lagi. Justeru, dalam kajian yang memakan tempoh selama dua tahun ini, lebih 30 data responden yang sihat dan tidak sihat diambil dari hospital bagi tujuan uji kaji secara berkomputer dengan durasi denyutan setiap seorang adalah 60 saat atau satu minit.

"Saya juga telah memperkenalkan empat (4) mekanisme untuk mendiagnos keadaan jantung melalui pendekatan berkomputer iaitu yang pertama, teknik DP-Matching bersama Algorithm; kedua, Artificial Neural Network; ketiga, kaedah statistik dengan analisis Correlation Coefficient bersama Model Pearson dan keempat, Algorithm," katanya yang baharu menamatkan pengajian di peringkat Sarjana di Shibaura Institute of Technology, Tokyo, Jepun.

Mohamad Sabri berkata, menerusi mekanisme pertama, kaedah perbandingan isyarat pesakit sihat dan tidak sihat dijalankan bagi mengenal pasti secara total keadaan pesakit dan kadar ketepatan adalah melebih 60 peratus, manakala mekanisme kedua pula, Artificial Neural Network mampu mengesan keadaan jantung yang normal atau tidak dengan mengadaptasikan format data secara berkomputer dan ketepatan dalam mengenal pasti keadaan kesihatan jantung pesakit sebenar adalah 90 peratus.

Menurutnya lagi, menerusi mekanisme ketiga, kecenderungan data ECG responden yang bermasalah dan sihat dapat dikenal pasti, sekali gus menunjukkan kaedah tersebut mampu mengenal pasti tahap kesihatan jantung pesakit dalam perspektif yang berbeza, manakala mekanisme terakhir adalah lebih bersifat untuk membantu dalam proses mendiagnos data pesakit jantung menggunakan Algorithm yang direka khas untuk mengambil segmen tertentu dalam data ECG pesakit jantung untuk tujuan analisis.

"Algorithm merupakan pendekatan baru yang belum pernah diperkenalkan oleh mana-mana penyelidik sehingga kini. Kadar ketepatan untuk mengesan perincian segmen khusus data ECG pesakit untuk tujuan analisis adalah pada 100 peratus.

"Algorithm ini telah diuji ke atas 35 data pesakit jantung sebenar pada durasi yang panjang. Dengan adanya Algorithm ini, proses untuk mendiagnos data ECG pesakit jantung dapat dilakukan pada kadar yang singkat dan lebih efisien," katanya.

Tambah Mohamad Sabri, dua daripada mekanisme yang diperkenalkan itu telah diberikan tahap 'novelty' yang tinggi pada International Conference: Innovation in Medicine and Healthcare 2015 di Kyoto pada tahun lalu.

Katanya, hasil kajian dengan menggunakan data sebenar pesakit dari hospital itu membuktikan kemampuan kepintaran buatan berkomputer mampu menyelesaikan beberapa masalah besar dalam kehidupan seharian manusia terutama dalam memantau tahap kesihatan dengan lebih efisien.

Mohamad Sabri yang merupakan graduan Ijazah Sarjana Muda Teknologi Maklumat UUM bakal melanjutkan pengajian di peringkat Doktor Falsafah di Jepun akan memperkenalkan kaedah hibrid untuk mengenal pasti secara automatik risiko angin ahmar pada peringkat awal melalui pengesanan simptom tersebut yang dikesan melalui data ECG pesakit secara berkomputer.

===============================
DARIPADA:
UNIT KOMUNIKASI KORPORAT
UNIVERSITI UTARA MALAYSIA
TEL.: 04-928 3048/3049/3042/3040
FAKS: 04-928 3053
E-MEL: ukkuum@uum.edu.my
FACEBOOK: Universiti Utara Malaysia (Official FB)

footer ci uum

 

Pejabat Luar (China)

Permohonan secara Online melalui:
1. Uniutama Education and Consultancy Sdn Bhd (UECSB)
2. UUM Offshore Office, Beijing
3. MyGlobal Asia Center
4. Or other officially appointed UUM agents.

UUM Sintok

  servicedesk@uum.edu.my
  +604-928 4000    +604-928 3053
  Universiti Utara Malaysia,
06010 UUM Sintok, Kedah, Malaysia

UUM Kuala Lumpur

  uumkl@uum.edu.my
  +603-2610 3000    +603-2694 9228
 41-3 Jalan Raja Muda Abd Aziz,
50300 Kuala Lumpur, Malaysia