Skip isi
International Parkinson and Movement Disorder Society

AI lan Piranti sing Bisa Digunakake: Potensi lan Jebakan | Kongres 2026

Oktober 26, 2026
Episode:336
Seri:Kongres MDS 2026
Dr. Mitra Afshari ngrembug karo Dr. Jeffrey Hausdorff babagan potensi biomarker digital sing nganggo AI ing penyakit Parkinson, kalebu perané ing pemantauan pasien, tantangan ing akurasi lan linuwih, lan alangan kanggo implementasi klinis.

Dr. Mitra Afshari: Annyeong saka Seoul, Korea, lan sugeng rawuh ing "MDS Podcast," podcast resmi saka International Parkinson and Movement Disorder Society. Kula Mitra Afshari, editor asosiasi seri podcast lan pembawa acara panjenengan dina iki. Dina iki, kita digabung ing Kongres Tahunan MDS dening Dr. Jeffrey Hausdorff, sing dadi profesor ing Universitas Tel Aviv lan direktur Pusat Studi Gerakan, Kognisi, lan Mobilitas ing Tel Aviv Sourasky Medical Center.

Deleng transkrip lengkap

Akeh sing kenal karo Dr. Hausdorff amarga karyane sing luar biasa babagan gaya mlaku, pembekuan gaya mlaku, lan risiko tiba ing penyakit Parkinson, lan akeh riset iki sajrone pirang-pirang taun pancen dibantu dening teknologi. Lan mula, dheweke diwenehi tugas kanggo kuliah kanthi irah-irahan "AI kanggo Biomarker Digital: Potensi lan Jebakan" minangka bagean saka sesi pleno sing kita [00:01:00] rawuh wingi babagan AI ing gangguan gerakan.

Dheweke melu kita dina iki kanggo ngrembug topik iki. Matur nuwun sanget wis melu kita dina iki.

Dr. Jeffrey Hausdorff: Kanthi kepareng kula.

Dr. Mitra Afshari: Dr. Hausdorff, ceramah panjenengan pancen apik banget, lan kula ngapresiasi sanget panjenengan nyinaoni topik sing cukup jembar lan amba iki saka lensa pembekuan gaya mlaku lan latihan gaya mlaku lan keseimbangan sing wis panjenengan lakoni ing lab.

Kita kabeh ngerti banget babagan pertumbuhan eksponensial teknologi kesehatan digital lan AI sajrone rong nganti telung taun kepungkur, lan sampeyan malah menehi slide yen ing pungkasan, aku percaya, taun iki, bakal ana luwih saka 2,000 publikasi sing ana gandhengane karo topik iki mung babagan gangguan gerakan.

Dr. Jeffrey Hausdorff: Persis.

Dr. Mitra Afshari: Ayo diwiwiti kanthi ngrembug babagan mupangate nggunakake spidol digital kanggo nyinaoni penyakit kronis kaya penyakit Parkinson.

Aku percaya para pamirsa bakal seneng ngerti perspektif sampeyan babagan aspek positif sakabèhé [00:02:00] saka panggunaan teknologi kesehatan digital lan AI kanggo nyinaoni owah-owahan ing kelainan gerakan.

Dr. Jeffrey Hausdorff: Mesthi. Pitakonan sing apik banget. Apa kita duwe sawetara jam kanggo ngrembug babagan iki? Ora, aku mikir ana sawetara aplikasi sing beda-beda, lan intine yaiku muga-muga bisa nambah perawatan klinis lan nambah asil pasien. Kepiye carane bisa tekan kana yaiku kanthi sawetara cara sing beda-beda.

Salah sijine yaiku menehi ukuran sing luwih objektif, ukuran sing luwih sensitif, dadi yen obat diwiwiti ing pasien tartamtu, tinimbang ngenteni rong taun utawa setaun kanggo ndeleng efek kasebut, bisa uga ndeleng efek sing luwih alus luwih awal kanthi nggunakake ukuran objektif. Dadi iku salah sawijining area ing ngendi teknologi kesehatan digital bisa mbantu kabeh proses.

Lan aku mikir teknologi kesehatan digital umume bisa ditambah karo AI.

 Teknologi kesehatan digital kuwi kaya cara berbasis sensor kanggo ngukur kinerja pasien ing macem-macem lingkungan, lan AI ngubengi kuwi kanggo ningkatake kemampuan kita kanggo njupuk informasi sing migunani [00:03:00] saka kono. Dadi salah sawijining wilayah yaiku, umpamane, ningkatake pemeriksaan klinis ing kantor dokter umum.

Aplikasi liyané yaiku telemedicine. Kita ngerti manawa akeh pasien sing manggon saka kadohan, utawa kudu nganggo kursi roda, utawa ora bisa menyang kantor amarga alesan apa wae. Lan nggunakake teknologi kesehatan digital lan AI bisa menehi kemampuan marang dokter kanggo ngukur kanthi objektif apa sing kedadeyan ing urip pasien saka kadohan.

Dadi kuwi wilayah liyane sing nyenengake, lan intine ngluwihi kantor klinis saka pusat medis nganti omah. Ana sawetara teknologi sing beda-beda sing bisa digunakake. Contone, akeh informasi sing bisa dijupuk nggunakake smartphone rutin, apa iku nggunakake minangka piranti input kanggo nutul driji lan ngukur irama utawa inkonsistensi karo irama.

Ana sawetara aplikasi sing wis dikembangake kanggo ngukur macem-macem gejala parkinson. Kajaba iku, ana jalur kerja sing nyenengake banget [00:04:00] nggunakake video, sing bisa direkam saka smartphone, lan intine video kasebut bisa diowahi dadi platform gaya mlaku sing canggih.

Kanthi nggunakake video sing dijupuk kanthi prasaja, kita bisa mbukak model AI ing ndhuwure banjur nyekel gerakan kabeh awak, kabeh segmen, lan saiki kita duwe gerakan sing tepat. Kita ngerti kepiye owah-owahan kasebut saka wektu ke wektu, lan kita bisa ngetung, menehi ciri, lan mula menehi informasi luwih akeh babagan apa sing ditindakake wong kasebut ing wektu tartamtu, kepiye respon marang obat, apa iku ON utawa OFF.

 Dadi iki pancen papan sing nyenengake.

Dr. Mitra Afshari: Mesthi. Kuwi conto-conto sing apik banget. Aku mikir kita kabeh bisa setuju babagan poin-poin keuntungan teknologi kesehatan digital.

Saiki ayo padha ngrembug bab jebakan-jebakane, sing uga dadi komponen gedhe saka ceramahmu. Kowé wis ngidentifikasi sawetara jebakan ing teknologi kesehatan digital lan AI, sawetara luwih jelas tinimbang liyane. Kapisan, kaya sing kok omongké, I ing AI bisa maneka warna. Apa kowé isa menehi komentar babagan kepiye kowé ngapresiasi bab iku ing risetmu dhéwé?

Dr. Jeffrey Hausdorff: Mesthi. Kaya sing wis koksebutake, ana macem-macem istilah. AI iku istilah sing jembar banget, lan sawetara model mesin utawa aplikasi AI relatif prasaja. Liyane cukup kompleks, duwe pirang-pirang bagean lan pirang-pirang segmen, lan njupuk sethithik informasi lan nyoba nggawe crita gedhe saka iku.

Dadi inferensi kasebut kadhangkala bisa cukup gedhe. Kita wis kepengin banget ngukur fluktuasi ON/OFF lan motor saka sensor punggung ngisor. Kita wis nindakake akeh karya kanggo nyoba njupuk informasi sabisa-bisane saka aktivitas fisik, mobilitas saka sensor punggung ngisor sing terus-terusan dienggo.

Kita ngerti manawa iki bisa mbantu kita mbantu lan luwih ngerti apa sing ditindakake wong kasebut ing wektu tartamtu, kepiye reaksi, apa dheweke aktif, apa dheweke lagi lungguh ing sofa, apa dheweke lagi olahraga. Dadi iki menehi kita akeh informasi. Nanging kita durung sukses banget kanggo ngetung fluktuasi respon motorik, sing minangka aspek [00:06:00] sing penting banget saka kabeh perawatan wong sing kena penyakit Parkinson.

Ana presentasi sing nyenengake esuk iki babagan obat anyar sing katon bisa nyuda wektu OFF, lan dheweke isih nggunakake buku harian Hauser, sing sayangé wis canggih banget. Ana akeh upaya nggunakake AI lan nggabungake karo teknologi kesehatan digital kanggo nambah utawa ngganti buku harian Hauser, sing gumantung karo laporan mandiri.

Umpamane, ana sawetara karya sing nggunakake sensor sing diselehake ing bangkekan lan digabungake karo sensor liyane ing kana. Contone, ndeleng amplitudo tremor lan kepiye owah-owahan kasebut saka wektu ke wektu, mesthine ing wong sing nanggapi dopa, tremor kasebut suda ing kahanan ON. Iku masuk akal sacara intuitif, lan ana sawetara bukti sing apik sing ndhukung iku.

Lan ana luwih akeh pakaryan sing tantangan kanggo nyoba mangerteni crita sing padha saka sensor punggung ngisor, ing ngendi gaya mlaku mesthi, umume, responsif marang dopa, nanging ora siji-siji. Dadi, AI-ne rada luwih tantangan lan luwih [00:07:00] rumit, nanging ana sawetara pakaryan kanggo ndhukung. Lan aku mikir kita bakal tekan kana ing mangsa ngarep.

Gumantung saka kepiye sampeyan ndeleng, ana sawetara bukti yen kita wis ana ing kono. Nanging aku bakal ujar manawa bukti sing luwih kuat bakal teka ing mangsa ngarep. Kita ing lapangan kekurangan set data sing gedhe banget, diwenehi label kanthi apik, lan didokumentasikake kanthi apik sing bisa digunakake kanggo nglatih model sing beda-beda.

Amarga kita ngerti pasien Parkinson iku heterogen banget. Siji wong dominan tremor, siji wong dominan PIGD. Dheweke cukup maneka warna, lan malah respon marang dopa bakal maneka warna. Owah-owahan karo perkembangan penyakit bakal maneka warna. Dadi, yen kita pengin model sing kuat sing bisa nangkep kabeh kuwi, kita butuh set data sing gedhe banget, diwenehi label sing apik, minangka referensi standar emas.

Lan sawise model kasebut, yen sampeyan nglebokake data sing akeh banget, model kasebut bisa njelajah, nyelidiki, lan mangerteni lan ngurai. Saya akeh sing dilebokake ing model sing didokumentasikake kanthi apik, output bakal luwih kuat lan luwih dipercaya.

Dr. Mitra Afshari: Mesthi. Jebakan kapindho sing aku percaya sampeyan identifikasi [00:08:00] ing ceramah sampeyan, Dr. Hausdorff, yaiku pitakonan babagan generalisasi. Sampeyan menehi conto kepiye klompok sampeyan ndeleng, contone, presisi pembekuan deteksi gaya mlaku dening sawetara teknologi digital sing sampeyan gunakake owah-owahan gumantung saka lingkungan pasien, sing bisa uga ora mung nggambarake apa sing kedadeyan karo pasien, nanging mung lingkungan kasebut dhewe sing mengaruhi output data.

Umpamane, omah lawan lingkungan masyarakat. Apa panjenengan saged ngendika luwih lanjut babagan menika?

Dr. Jeffrey Hausdorff: Mesthi. Sacara klasik, para peneliti lan dokter wis nggunakake protokol sing nyebabake pembekuan kanggo ngenali lan mirsani pembekuan. Sadurunge kuwi, kita ngandelake laporan dhewe, banjur biasane apa sing bakal kedadeyan pasangan lan pasangane bakal teka ing klinik lan siji wong bakal ujar, "Ora, aku ora ngalami pembekuan. Ora tau kedadeyan." Liyane bakal ujar, "Mesthi, sampeyan ngalami." Lan banjur, ing ngarepe dokter, ora ana bukti. Sebagéan, kuwi [00:09:00] kenapa dijenengi dening Stanley Fahn minangka "fenomena misterius," amarga teka lan lunga. Ora ana sing ngerti. Ora ana rima lan alesan. Kanggo ngatasi kuwi, ana tes sing nyebabake pembekuan sing dikembangake.

Sebagéan gedhé, sing saiki kita ngerti, yaiku mlaku bunder 360 derajat maju mundur, kadhangkala nganggo tugas ganda, minangka salah sawijining cara paling apik lan paling sensitif kanggo nyebabake rasa beku. Iku apik banget. 

Dr. Mitra Afshari: Aku ngerti banget tes kuwi.

Dr. Jeffrey Hausdorff: Dadi, yen kita pengin ngerti apa wong kasebut kemungkinan ngalami kedinginan utawa ora, kuwi cara sing apik kanggo nindakake.

Cekak banget lan isa oleh wangsulan sing cukup mantep. Nanging ora mesthi nggambarake beban rasa beku ing omah. Umume wong ora mlaku 360 derajat saka kiwa menyang tengen nalika nindakake tugas ganda. Lan yen iya, mbokmenawa wong sing kena Parkinson bakal nemokake cara kanggo ngimbangi lan nindakake prilaku kanthi cara sing rada beda.

Jebul katon kaya pemicu pembekuan lan malah fenotipe saka kepiye tumindake ing setelan omah lan ing jinis tes provokasi FOG buatan iki beda banget. Lan tegese model sing lagi dilatih ing siji kahanan ndeleng samubarang kanthi beda banget ing kahanan liyane.

Kanthi tembung liya, intine, kita duwe rong set data sing beda. Siji ing klinik, lan siji ing omah. Lan supaya bisa nyekel loro-lorone, kita butuh data kanggo loro-lorone. Saiki, kita duwe cukup akeh data babagan protokol sing nyebabake FOG, lan kita duwe luwih sithik data ing omah amarga alasan teknologi, amarga alasan sing mbutuhake wektu.

Amarga saiki standar emas kanggo ngenali apa wong kasebut ngalami pembekuan yaiku kanggo ahli kanggo mriksa video pigura demi pigura, iki mbutuhake wektu akeh banget. Ana masalah privasi. Umume wong ora pengin duwe kamera ing omah, ing pawon. Dadi, kita isih ngenteni set data sing luwih gedhe iki sing dianotasi ing omah.

Lan yen kedadeyan kasebut, aku mikir bakal kedadeyan suwe-suwe. Ana cara kanggo ngaburake rai lan ngatasi masalah privasi. Banjur, model [00:11:00] bakal bisa nglatih lan ngerti apa sing kedadeyan ing setelan klinis nanging uga ing setelan omah, sing luwih ekologis lan luwih nggambarake apa sing kedadeyan ing urip saben dina.

Dadi kuwi tambahan sing penting banget sing kudu kita perjuangake.

Dr. Mitra Afshari: Mesthi. Panjenengan njlentrehake bab iku ndadekake rasa beku muni luwih misterius.

Dr. Jeffrey Hausdorff: Ya, kuwi masalah sing cukup rumit.

Dr. Mitra Afshari: Mesthi. Dr. Hausdorff, salah siji saka akeh wong sing sampeyan sandang yaiku penasihat kanggo Kelompok Studi Teknologi MDS. Sampeyan kanthi ringkes ngaturake investigasi anyar sing ditindakake dening klompok kasebut sing nyurvei panyedhiya gangguan gerakan ing saindenging jagad babagan mupangat sing dirasakake saka teknologi kesehatan digital lan AI.

Lan ringkesane, asil saka survey kasebut, sing durung diterbitake, yaiku nalika akeh sing bisa ndeleng kepiye migunani informasi sing diwenehake kanggo praktik klinis, arang banget, paling ora ing wektu iki, narik informasi kasebut menyang praktik klinis [00:12:00] sing nyata. Kanthi tembung liya, kaya sing sampeyan ucapake, antusiasme dhuwur, nanging panggunaan rutin sejatine cukup sithik.

Kepriye panemumu babagan kesenjangan sing wis ditemokake kasebut, lan apa sing bisa ditindakake kanggo nutup kesenjangan kasebut? Miturutmu, apa sing dadi pendorong utama? Temtu wae jawabanmu bisa uga owah sajrone limang taun, nanging paling ora ing wektu iki, kepiye carane supaya luwih cedhak karo nutup kesenjangan kasebut?

Dr. Jeffrey Hausdorff: Ya, kuwi pitakonan sing apik banget. Aku mikir ana sawetara masalah sing nyebabake iki, lan sebagian uga bisa uga beda-beda miturut negara utawa praktik medis lan asuransi. Seneng utawa ora, dhuwit nduweni peran gedhe ing panggunaan aplikasi kasebut. Supaya piranti sing bisa dienggo, teknologi kesehatan digital, lan AI iki dadi luwih umum, kudu mbantu pasien lan kualitas perawatan jangka panjang nanging uga kudu gampang banget kanggo dokter lan dokter.

Amarga kita ngerti spesialis gangguan gerakan, kaya umume dokter, sibuk banget, lan saben detik [00:13:00] iku larang regane. Yen dheweke kudu sinau teknologi anyar, lan yen iku ngrepoti, utawa yen dheweke entuk ringkesan 20 kaca sing angel dingerteni apa tegese X lan Y, mula iku ora bakal dileksanakake.

Dadi kudu prasaja banget, migunani, lan bisa ditindakake. Dadi saiki kita duwe akeh data. Sawetara bisa ditindakake, nanging durung dikemas kanthi cara sing bisa dideleng dening dokter sajrone telung detik lan ngerti, "Oke, aku kudu nambah dopa. Aku kudu nyuda dopa. Ana akeh banget diskinesia."

Kaya ngono kuwi kudu kedadeyan. Kajaba iku, kita kudu nemokake wong sing gelem mbayar kanggo teknologi iki. Teknologi iku ora gratis. Sanajan sensore dhewe bisa uga relatif murah utawa malah murah, nalika aplikasi bisa uga ora larang lan mung dadi bagean saka telpon, isih butuh wektu.

Ing AS, contone, kudu ditagih menyang sawetara item asuransi. Dadi kabeh iku minangka proses. Saliyane teknologi lan AI lan pembelajaran mesin, kita kudu ngganti ekosistem kanggo dokter, sing mbayar, lan banjur aku mikir kabeh bakal owah.

Dr. Mitra Afshari: Ya, mesthi. Aku mikir kita uga kudu menehi wektu sing aman kanggo dokter kanggo latihan babagan piranti kasebut tinimbang ngarep-arep dheweke langsung nindakake nalika mlebu klinik. Aku mikir kita bakal nutup podcast babagan kuwi.

Dr. Hausdorff, matur nuwun sanget amargi sampun ngaturaken wekdal kangge nggambaraken pengalaman panjenengan saderengipun kaliyan teknologi kesehatan digital menika, kangge pamirsa ing Kongres lan dinten menika kangge pamirsa podcast kita. Matur nuwun. 

Dr. Jeffrey Hausdorff: Kula bingah sanget. Matur nuwun. [00:15:00]

Matur nuwun khusus kanggo:


Jeffrey Hausdorff, PhD
Pusat Medis Universitas Tel Aviv Sourasky
Tel Aviv

Host(s):
Mitra Afshari, MD, MPH

Universitas Illinois ing Chicago

Chicago, IL, AS