Jagosatu.com – Pada tahun 2024, Green Arther Sandag, dosen Fakultas Ilmu Komputer Universitas Klabat (Unklab), bersama Deo Timothy Kabo, mahasiswa Informatika saat itu, mengembangkan sistem untuk membantu dokter mendeteksi kanker paru dengan kecerdasan buatan.
Sistem ini bekerja dengan membaca gambar hasil CT-Scan dan menentukan apakah paru-paru pasien dalam kondisi normal atau terdapat gejala kanker.
CT-Scan (Computed Tomography Scan) adalah alat pemindai yang digunakan dokter untuk melihat bagian dalam tubuh, seperti paru-paru, secara rinci dan menyeluruh.
Penelitian ini menggunakan teknologi AI (Artificial Intelligence), yaitu kemampuan komputer untuk meniru cara manusia berpikir dan membuat keputusan berdasarkan data.
Di dalamnya digunakan metode deep learning, jenis AI yang membuat komputer belajar dari contoh yang sangat banyak menggunakan jaringan saraf tiruan.
Untuk pelatihan model, mereka menggunakan 1.000 gambar CT-Scan paru-paru dari situs berbagi data Kaggle.
Gambar tersebut dikategorikan ke dalam empat kelas: adenocarcinoma, large cell carcinoma, squamous cell carcinoma, dan paru-paru normal.
Adenocarcinoma adalah jenis kanker yang berasal dari sel kelenjar di paru-paru.
Large cell carcinoma adalah kanker paru yang tumbuh dan menyebar dengan sangat cepat.
Baca Juga: Penggunaan AI Meningkat Pesat, 87% Pengembang Game Sudah Memakainya
Squamous cell carcinoma biasanya ditemukan pada perokok karena menyerang saluran udara di paru-paru.
Data ini digunakan untuk melatih model agar dapat mengenali pola dari masing-masing jenis kanker dan membedakannya dari paru-paru normal.
Mereka menggunakan model AI bernama EfficientNetB3, yaitu algoritma khusus yang dirancang untuk mengenali gambar secara cepat dan akurat.
Sebagai pembanding, mereka juga mencoba model lain seperti ResNet50 dan ResNet101.
Model ResNet cukup populer dalam pengolahan citra, tetapi hasilnya tidak sebaik EfficientNetB3 dalam penelitian ini.
Agar pelatihan lebih cepat dan efisien, mereka memakai teknik transfer learning.
Transfer learning adalah metode pelatihan di mana model tidak belajar dari nol, melainkan melanjutkan dari pengetahuan model lain yang sudah pernah dilatih sebelumnya.
Hasilnya, EfficientNetB3 mencatat akurasi sebesar 97,78%, yang berarti 98 dari 100 gambar berhasil diklasifikasikan dengan benar.
Model ini juga mencatat precision sebesar 97,91%, menunjukkan seberapa akurat sistem dalam mendeteksi gambar yang benar-benar positif.
Recall-nya adalah 97,78%, mengukur seberapa banyak kasus positif yang berhasil ditemukan oleh sistem.
F1-score sebesar 97,80% menunjukkan bahwa model ini seimbang dalam hal precision dan recall.
Untuk menguji hasilnya, mereka membangun aplikasi web sederhana menggunakan Flask, yaitu kerangka kerja pemrograman Python untuk membangun web.
Aplikasi ini dapat menerima gambar CT-Scan yang diunggah dan menampilkan klasifikasi secara otomatis berdasarkan hasil model AI.
Aplikasi ini masih berjalan secara lokal dan belum tersedia untuk publik saat itu.
Namun sistem ini cukup untuk menunjukkan bahwa teknologi tersebut bisa digunakan dalam praktik nyata.
Penelitian ini ditujukan untuk mempercepat proses diagnosa kanker paru, terutama di wilayah yang kekurangan tenaga medis.
Dengan bantuan sistem ini, proses deteksi bisa lebih cepat dan membantu pengambilan keputusan dokter.
Sistem ini juga mengurangi ketergantungan pada interpretasi manual yang bisa memakan waktu dan rawan kesalahan.
Penelitian ini adalah salah satu kontribusi Universitas Klabat dalam pemanfaatan teknologi untuk kepentingan medis.
Kolaborasi antara dosen dan mahasiswa ini menjadi langkah awal menuju pemanfaatan AI dalam dunia kesehatan. (KT)
Editor : ALengkong