Hilhorst berfokus pada domain kardiovaskular, khususnya pembuluh darah.
Bagaimana jika perawatan medis baru dapat diuji seluruhnya di komputer—tanpa melibatkan satu pun manusia atau hewan? Dengan penelitian PhD-nya, Pjotr Hilhorst mengambil langkah pertama ke arah tersebut. Peneliti TU/e mengembangkan model komputer dan menggunakan data dari “pasien virtual” untuk meningkatkan diagnostik medis dan memprediksi efektivitas prosedur dan pengobatan.
Sumber: Kursor / Martina Silbrníková
Proyek PhD jotr Hilhorst adalah bagian dari program European Horizon In Silico World, yang berfokus pada dalam silikon studi klinis. “Kamu punya hidupyang berarti penelitian di dalam tubuh manusia atau hewan,” jelas Hilhorst. “Secara in vitro mengacu pada penelitian yang dilakukan di laboratorium, misalnya dengan jaringan yang dibudidayakan. Dan dalam silikon berarti studi yang dilakukan pada komputer berdasarkan data dan simulasi pasien.”
Proyek ini mengeksplorasi caranya dalam silikon penelitian dapat diintegrasikan ke dalam alur kerja klinis nyata dan membahas berbagai aspek, mulai dari kerangka hukum hingga pertanyaan etika. Pekerjaan Hilhorst sendiri berfokus pada peningkatan metode yang ada untuk memungkinkan simulasi komputer yang lebih akurat.
Simulasi
Simulasi komputer dapat mendukung diagnosis yang tepat dan membantu menguji efektivitas prosedur medis dan obat-obatan. Salah satu keuntungan utamanya adalah mereka dapat mengurangi kebutuhan pengujian pada hewan dan memungkinkan kelompok pasien yang lebih kecil dalam uji klinis. Simulasi juga memungkinkan untuk menguji hipotesis terlebih dahulu—sebelum uji klinis sebenarnya dimulai—untuk mendapatkan gambaran tentang hasil yang diharapkan.
“Hal ini tidak menjamin bahwa hasilnya akan sama dalam kehidupan nyata, namun hal ini mengarahkan Anda ke arah yang benar,” kata Hilhorst. “Dengan melakukan penelitian yang lebih bertarget, Anda dapat menghemat waktu dan uang-dan menghindari pasien terkena risiko prosedur atau pengobatan baru.”
Penyempitan arteri
Uji coba in silico pada prinsipnya dapat diterapkan pada berbagai jenis penelitian medis, mulai dari tuberkulosis hingga patah tulang. Untuk gelar PhD-nya, Hilhorst fokus pada domain kardiovaskular, khususnya pembuluh darah. “Studi klinis mengenai penyakit arteri koroner dilakukan di Catharina Ziekenhuis di Eindhoven, dan saya mencoba mereplikasi studi tersebut di komputer,” jelasnya.
“Pada penyakit arteri koroner, arteri menyempit sehingga mengurangi aliran darah di belakang penyempitan yang disebut a stenosis,” lanjutnya. “Karena lebih sedikit darah yang mencapai bagian jantung tersebut, pasien bisa terkena penyakit ini kejang jantung: rasa nyeri atau sesak di dada akibat kekurangan oksigen pada otot jantung. Dalam kasus terburuk, arteri bisa tersumbat sepenuhnya, sehingga menyebabkan serangan jantung.”
Sebuah tolok ukur klinis
Ketika pasien dengan nyeri dada tiba di rumah sakit, angiogram sering dilakukan. Dengan menyuntikkan zat kontras ke dalam arteri koroner, dokter dapat memvisualisasikan pembuluh darah pada sinar-X. Berdasarkan gambaran tersebut, dokter menilai seberapa parah penyempitan tersebut dan memutuskan apakah diperlukan intervensi, namun hal tersebut cukup subjektif dan tidak selalu akurat.
Untuk mengatasi hal ini, Catharina Ziekenhuis mengembangkan metode untuk mengukur tekanan sebelum dan sesudah penyempitan—sebuah proses yang menghasilkan apa yang dikenal sebagai nilai FFR. “Hal ini memberikan gambaran yang lebih obyektif,” kata Hilhorst. “Jika rasio tekanan di balik stenosis di atas 0,8, penyempitan seringkali dapat diobati dengan obat-obatan; jika di bawah ambang batas tersebut, diperlukan intervensi seperti pemasangan stent.” Metode ini terbukti sangat sukses dan kini digunakan di seluruh dunia sebagai standar klinis. “Kami sekarang sedang menyelidiki apakah kami dapat membangun model untuk memprediksi nilai kritis ini sehingga pengukuran langsung tidak selalu diperlukan. Bagaimanapun, pengukuran tersebut memiliki risiko dan hanya dilakukan ketika benar-benar diperlukan.”
Kelompok pasien virtual
Sayangnya, data klinis yang tersedia dari penelitian tersebut seringkali tidak lengkap atau tidak konsisten. “Model kami memiliki sekitar 35 parameter, namun untuk setiap pasien kami hanya dapat mengisi 3 atau 4. Itu tidak cukup untuk simulasi yang tepat,” jelas Hilhorst. “Begitulah yang terjadi di rumah sakit—prioritas pertama staf medis adalah membantu pasien, bukan mengumpulkan setiap titik data untuk dijadikan model.”
Untuk mengatasi masalah data, Hilhorst menghasilkan sejumlah besar data pasien sintetis untuk mengisi kekosongan tersebut. “Kami menyebutnya kelompok pasien virtual sintetik. Ini bukan orang sungguhan, tapi representasi realistis,” katanya. “Kami memberikan model dengan berbagai nilai masukan dan memfilter semuanya berdasarkan batasan fisiologis alami, sehingga datanya tetap realistis.” Model tersebut kemudian menghitung nilai FFR, yang dibandingkan dengan nilai dari pasien sebenarnya. Hasilnya? Hasil simulasi sangat cocok dengan data dunia nyata.
Struktur 3D
Langkah selanjutnya adalah menyempurnakan model lebih lanjut. “Analisis sensitivitas menunjukkan bahwa kami perlu mewakili bentuk penyempitan dengan lebih baik,” kata Hilhorst. “Kami memperhatikan bahwa penyempitan pada populasi pasien sintetik selalu mengikuti kurva sinus sempurna, sedangkan pada pasien sebenarnya jauh lebih tidak teratur dan bervariasi.”
Untuk membuat data sintetik lebih representatif, ia memasukkan simulasi penyempitan 3D ke dalam model. “Semakin kompleks modelnya, semakin besar pula daya komputasi yang diperlukan sehingga selalu ada trade-off antara kecepatan dan akurasi.” Dengan mengintegrasikan struktur 3D ke dalam model 1D yang disederhanakan, sistem kini dapat menjalankan simulasi dalam beberapa jam dan memberikan hasil yang lebih presisi.
Meletakkan dasar
“Pada akhirnya, simulasi ini harus diulang dan model yang telah diperbaiki harus dievaluasi kembali. Masukan harus terus ditingkatkan hingga kelompok pasien virtual benar-benar mencerminkan populasi sebenarnya,” kata Hilhorst. Diakuinya, perjalanannya masih panjang dan perlu banyak pengukuran untuk memvalidasi dan mengimplementasikan model tersebut dalam praktik. “Tetapi dengan proyek PhD saya, saya telah meletakkan dasar bagaimana penelitian semacam itu dapat dilakukan dengan menggunakan kelompok pasien virtual sintetis.”
Artikel ini merupakan publikasi ulang dari Cursor, situs berita independen TU/e. Ini bukan siaran pers dan dilindungi oleh hak cipta. Oleh karena itu, tidak ada bagian dari publikasi ini yang boleh direproduksi tanpa izin tertulis dari tim editorial Cursor.
