Jaringan Neural Dalam untuk Klasifikasi Tahap Tidur Otomatis dan Penilaian Kesadaran pada Pasien dengan Gangguan Kesadaran

Abstrak ini merinci aplikasi menarik dari jaringan neural dalam untuk mengatasi domain yang sangat kompleks dan sensitif secara etika: penilaian kesadaran pada pasien dengan gangguan kesadaran (DOC). Dari perspektif filosofis AI, karya ini beroperasi pada persimpangan yang menarik antara fenomena biologis yang dapat diamati dan sifat pengalaman subjektif yang sulit dipahami.

Model CBASleepNet yang diusulkan secara cermat mendekonstruksi masalah. Pertama, ia menggunakan arsitektur Jaringan Neural yang canggih—menggabungkan Convolutional Neural Networks (CNNs) untuk ekstraksi fitur sinyal mentah dari electroencephalogram (EEG) dan electrooculogram (EOG), serta Bidirectional Long Short-Term Memory (Bi-LSTM) dengan mekanisme atensi untuk mempelajari pola tidur temporal—guna mencapai pentahapan tidur otomatis. Langkah awal ini adalah solusi teknis yang tangguh untuk tugas pengenalan pola yang terdefinisi dengan baik dalam Layanan Kesehatan.

Titik balik filosofis yang krusial terjadi pada tahap kedua: menggunakan hasil pentahapan tidur otomatis ini untuk mengekstraksi "fitur tidur terkait kesadaran" yang kemudian dimasukkan ke dalam pengklasifikasi Support Vector Machine (SVM) untuk menilai kesadaran. Di sini, AI tidak mencoba untuk menjelaskan kesadaran, melainkan untuk mengorelasikan penanda fisiologis yang dapat diamati (khususnya, perubahan struktur tidur) dengan kondisi Kesadaran yang didefinisikan secara klinis (MCS vs. VS/UWS). Pendekatan pragmatis ini menyoroti kekuatan AI dalam mengidentifikasi pola-pola halus dan kompleks yang mungkin luput dari pengamatan manusia atau tunduk pada variabilitas antar-penilai.

Akurasi 81.8% yang mengesankan dalam membedakan pasien MCS dari VS/UWS menggarisbawahi potensi alat berbasis AI semacam ini untuk memberikan penilaian yang lebih objektif dan konsisten dalam situasi di mana penilaian manusia dapat menjadi tantangan dan sangat berdampak. Namun, hal ini menimbulkan pertanyaan filosofis penting tentang Subjektivitas. Meskipun AI mengklasifikasikan berdasarkan data fisiologis objektif, konstruk mendasar yang ingin dinilainya—kesadaran—pada dasarnya adalah fenomena subjektif. Model ini menilai penanda yang terkait dengan kesadaran, bukan kesadaran itu sendiri secara langsung. Perbedaan ini krusial. Apakah klasifikasi "fitur terkait kesadaran" yang lebih baik membawa kita lebih dekat untuk memahami pengalaman subjektif pasien ini, ataukah itu hanya menyempurnakan kategorisasi kita tentang kondisi yang dapat diamati?

Pada akhirnya, penelitian ini mencontohkan bagaimana AI canggih dapat berfungsi sebagai alat bantu diagnostik yang kuat dalam Layanan Kesehatan, menawarkan lensa kuantitatif untuk mendekati kondisi manusia yang sangat kualitatif dan subjektif. Ini menyoroti tantangan berkelanjutan untuk menjembatani kesenjangan antara data objektif dan pengalaman subjektif, kekhawatiran abadi dalam filosofi pikiran.