UMY Kembangkan 5 Prototipe AI untuk Deteksi Limfoma hingga Tumor Otak

Harianjogja.com, JOGJA—Universitas Muhammadiyah Yogyakarta (UMY) mengembangkan lima prototipe berbasis Artificial Intelligence (AI) atau kecerdasan buatan untuk membantu proses deteksi berbagai penyakit, mulai dari limfoma maligna, tumor otak, kanker payudara, penyakit jantung koroner, hingga kondisi stres. Seluruh aplikasi tersebut dirancang sebagai alat bantu bagi tenaga kesehatan, bukan untuk menggantikan evaluasi profesional.

Guru Besar UMY bidang Kecerdasan Buatan Terapan, Prof Slamet Riyadi, menjelaskan lima prototipe tersebut meliputi LymphoScan, myStressD, BrainDetect, myHeartD v3, dan myDBT-Enhance. Pengembangan inovasi itu dipaparkan dalam The 10th International Conference on Sustainable Innovation (ICoSI) UMY di Jogja, Rabu.

"Aplikasi-aplikasi ini dirancang sebagai alat bantu dan bukan sebagai pengganti evaluasi profesional dari praktisi kesehatan," kata Slamet.

Lima Prototipe AI untuk Berbagai Kebutuhan Medis

Setiap prototipe dikembangkan untuk mendukung kebutuhan diagnosis maupun skrining penyakit tertentu dengan pendekatan teknologi kecerdasan buatan.

LymphoScan merupakan aplikasi berbasis web yang mampu menganalisis citra mikroskopis untuk mendeteksi jenis limfoma maligna, yakni Chronic Lymphocytic Leukemia (CLL), Follicular Lymphoma (FL), dan Mantle Cell Lymphoma (MCL).

Sementara itu, BrainDetect dikembangkan untuk mengklasifikasikan jenis tumor otak melalui citra Magnetic Resonance Imaging (MRI). Sistem ini juga dilengkapi skor tingkat keyakinan terhadap hasil prediksi yang diberikan.

Adapun myDBT-Enhance difokuskan pada peningkatan kualitas citra mamografi guna mendukung proses skrining kanker payudara sehingga hasil pencitraan menjadi lebih optimal.

Untuk deteksi penyakit nonkanker, UMY menghadirkan myStressD yang dapat mengidentifikasi kondisi stres seseorang melalui analisis citra wajah pada perangkat seluler.

Selain itu, terdapat myHeartD v3 yang dikembangkan untuk memperkirakan risiko penyakit jantung koroner berdasarkan data kuesioner pasien.

Dikembangkan dengan Beragam Arsitektur AI

Menurut Slamet, seluruh prototipe tersebut telah memperoleh perlindungan hak cipta dan menjalani pengujian laboratorium dengan tingkat akurasi yang tinggi.

Pengembangan model AI tersebut memanfaatkan sejumlah arsitektur pembelajaran mesin, seperti Convolutional Neural Network (CNN), VGG, hingga EfficientNet untuk pemrosesan citra medis.

Tak hanya itu, sistem juga dibekali teknologi Grad-CAM dan LIME sebagai metode explainability agar proses pengambilan keputusan AI dapat ditelusuri oleh tenaga medis.

"Model yang lebih akurat tidak selalu berarti layanan yang lebih baik. Penerapannya juga bergantung pada kecepatan, memori, dan konteks penggunaan," katanya.

Slamet menegaskan penerapan AI di bidang kesehatan tidak cukup dinilai hanya dari tingkat akurasi model. Menurutnya, efektivitas implementasi juga harus mempertimbangkan aspek operasional serta dampak klinis sebelum teknologi digunakan dalam layanan kesehatan sehari-hari.

"Riset UMY yang mendasari pengembangan kelima prototipe ini mencakup empat kategori utama, yakni pencitraan dada dan pernapasan, risiko kardiovaskular dan metabolik, pencitraan kanker, serta kesehatan mental dan biosignal," katanya.

Dengan pendekatan tersebut, UMY berupaya menghadirkan teknologi AI yang tidak hanya memiliki performa tinggi di laboratorium, tetapi juga relevan untuk mendukung kebutuhan layanan kesehatan di masa mendatang.

Cek Berita dan Artikel yang lain di Harian Jogja, dan edisi cetak versi elektronik kami hadir di Epaper Harian Jogja.

Sumber : Antara