Dari Data hingga Diagnosis: Bagaimana AI Membantu Dokter Mendeteksi Penyakit?

KABARIKA.ID, MAKASSAR — Kecerdasan Buatan (AI) dapat memindai sejumlah besar data pencitraan dan menyoroti area yang mungkin perlu ditinjau lebih lanjut.

Salah satu tantangan utama dalam AI perawatan kesehatan adalah memastikan teknologi tersebut mudah digunakan oleh dokter.

Dari mendeteksi tanda-tanda awal penyakit hingga membantu dokter meninjau hasil pemindaian lebih cepat, AI mulai memainkan peran yang lebih besar dalam perawatan kesehatan dan para peneliti di UEA merupakan bagian dari pergeseran ini.

Di Universitas Kecerdasan Buatan Mohamed bin Zayed atau Mohamed bin Zayed University of Artificial Intelligence (MBZUAI), peneliti Chao Qin sedang mengerjakan alat AI yang dirancang untuk mendukung dokter dalam pengaturan klinis nyata.

Qin, yang akan lulus Ph.D di bidang visi komputer (computer vision) tahun 2026 ini, telah memfokuskan penelitiannya pada bagaimana AI dapat digunakan dalam pencitraan medis.

Ia mengatakan bahwa masa kerjanya di MBZUAI membantunya beralih dari pekerjaan yang murni teknis ke pemikiran tentang penggunaan nyata dalam perawatan kesehatan.

“Perjalanan saya di MBZUAI sangat bermakna, baik secara akademis maupun pribadi. Ini membantu saya fokus pada pembangunan sistem AI yang bermanfaat bagi dokter dalam situasi nyata,” kata Qin.

Mendukung Dokter, bukan Menggantikan

Qin meneliti bagaimana AI dapat menganalisis gambar medis, seperti USG, CT scan, MRI, dan sinar-X. Sistem ini dilatih untuk mengenali pola yang mungkin menunjukkan penyakit.

Secara sederhana, AI dapat memindai sejumlah besar data pencitraan dan menyoroti area yang mungkin perlu ditinjau lebih lanjut.

Ini dapat membantu dokter bekerja lebih cepat dan membuat keputusan yang lebih baik, terutama dalam kondisi kesehatan tertentu, seperti kanker di mana deteksi dini sangat penting.

Penelitiannya mencakup pekerjaan tentang deteksi kanker payudara menggunakan video ultrasonik, serta peningkatan cara model AI memahami berbagai jenis data medis.

Pengakuan Global

Selama studinya, Qin dinobatkan sebagai Finalis Makalah Terbaik dan Finalis Penghargaan Ilmuwan Muda di MICCAI (Medical Image Computing and Computer Assisted Intervention) 2024, salah satu konferensi global terkemuka di bidang pencitraan medis.

Ia mengatakan bahwa mempresentasikan karyanya kepada audiens internasional yang terdiri dari peneliti dan klinisi merupakan momen penting dalam perjalanan hidupnya.

“Hal itu memberi saya keyakinan bahwa penelitian kami dapat memberikan dampak nyata dalam dunia kedokteran,” tandas Qin.

Mengapa Data Penting?

Sebagian besar penelitiannya berfokus pada pembangunan kumpulan data medis yang besar.

Qin berkontribusi pada kumpulan data ultrasonografi sumber terbuka dengan lebih dari 470.000 gambar.

Ia menjelaskan bahwa memiliki lebih banyak data membantu sistem AI menjadi lebih andal, terutama karena gambar medis dapat bervariasi antar-rumah sakit, mesin, dan pasien.

“Keragaman data sangat penting. Ini membantu memastikan sistem bekerja dengan baik dalam berbagai situasi,” ujar Qin.

Membuat AI Praktis

Karya Qin mencakup pengembangan sistem yang memungkinkan dokter untuk berinteraksi dengan hasil AI, alih-alih hanya menerimanya.

Hal ini membantu meningkatkan akurasi dan menjaga keterlibatan dokter dalam pengambilan keputusan.

Idenya, kata Qin, adalah menjadikan AI sebagai alat pendukung, bukan pengganti dokter.

Mendukung Tujuan Perawatan Kesehatan UEA

Dengan investasi UEA dalam AI dan perawatan kesehatan, Qin percaya karyanya dapat mendukung prioritas lokal.

MBZUAI sudah bekerja sama dengan mitra seperti Departemen Kesehatan Abu Dhabi dan Cleveland Clinic Abu Dhabi untuk mengeksplorasi bagaimana AI dapat meningkatkan diagnosis dan perawatan pasien.

Ia mengatakan UEA menawarkan lingkungan yang kuat untuk jenis penelitian ini, dengan infrastruktur yang baik dan dukungan untuk inovasi.

Masa Depan AI Perawatan

Qin memperkirakan AI akan memainkan peran yang lebih besar dalam perawatan kesehatan pada tahun-tahun mendatang, terutama dalam membantu dokter menganalisis berbagai jenis data medis secara bersamaan.

Ia sekarang sedang menjajaki peluang pascadoktoral, dengan fokus pada pembangunan sistem AI yang lebih akurat dengan menggabungkan gambar medis dengan data pasien.

Tujuannya sederhana, yakni membantu membuat diagnosis lebih cepat dan lebih konsisten, sambil tetap menempatkan dokter sebagai pusat perawatan. (rus)