Peneliti Indonesia Temukan AI Super Akurat 97,78% Deteksi Kanker Paru Lewat CT-Scan!
Jagosatu.com - Sebuah penelitian dari Universitas Klabat, Airmadidi, bikin heboh dunia akademik karena berhasil menciptakan model kecerdasan buatan (AI) yang bisa mendeteksi kanker paru dengan akurasi hampir sempurna.
Penelitian ini dilakukan oleh Green Arther Sandag dan Deo Timothy Kabo dari Fakultas Ilmu Komputer Universitas Klabat.
Menurut penelitian yang dimuat di COGITO Smart Journal edisi Juni 2024, model AI yang digunakan bernama EfficientNetB3.
Model ini merupakan bagian dari teknologi transfer learning, yaitu teknik agar komputer bisa “belajar” dari data yang sudah ada tanpa harus dilatih dari nol.
Dalam penelitian ini, AI dilatih menggunakan 1.000 gambar hasil CT-Scan paru-paru yang terbagi ke empat kategori, yaitu Adenocarcinoma, Large Cell, Squamous, dan Normal.
Menurut data World Health Organization (WHO) tahun 2020, kanker paru menjadi penyebab kematian tertinggi akibat kanker di dunia dengan 1,8 juta kematian per tahun.
Masih menurut WHO, jumlah kasus kanker paru mencapai 2,21 juta di tahun yang sama, menjadikannya salah satu jenis kanker paling mematikan di dunia.
Baca Juga: Analisis Pola Peminjaman Buku di Perpustakaan Unklab: Begini Cara Algoritma Apriori Membantu!
Di Indonesia, menurut Globocan (IARC) tahun 2020, tercatat 34,7 juta kasus dengan angka kematian 30,8 juta akibat kanker paru.
Kanker paru umumnya baru diketahui di tahap akhir karena gejalanya sering dianggap sepele seperti batuk atau sesak napas biasa.
Oleh karena itu, deteksi dini menggunakan teknologi seperti CT-Scan menjadi kunci penting dalam penanganan kanker paru.
Namun, membaca hasil CT-Scan bukan hal mudah dan butuh waktu lama karena setiap gambar harus dianalisis secara teliti oleh dokter.
Di sinilah teknologi machine learning (pembelajaran mesin) berperan besar dalam membantu mempercepat diagnosis.
Dalam konteks ini, EfficientNet dan ResNet adalah dua model jaringan saraf tiruan (Convolutional Neural Network atau CNN) yang sering digunakan untuk pengenalan gambar.
CNN bekerja seperti otak manusia yang mampu mengenali pola visual, seperti bentuk atau tekstur pada gambar paru.
Menurut hasil penelitian, model EfficientNetB3 mengalahkan model lain seperti ResNet50, ResNet101, EfficientNetB1, B5, dan B7.
Model ini mencetak akurasi 97,78%, precision 97,34%, recall 98,33%, dan F1-score 97,78% — angka yang luar biasa untuk bidang medis.
Peneliti juga membuat web sistem berbasis Flask Framework, di mana pengguna bisa mengunggah gambar CT-Scan dan mendapatkan hasil diagnosis secara otomatis.
Meskipun sistem ini masih berjalan secara lokal, potensinya sangat besar untuk membantu rumah sakit atau dokter di masa depan.
Selain membantu diagnosis, penelitian ini juga membuka jalan bagi integrasi AI dalam praktik medis secara lebih luas di Indonesia.
Menurut peneliti, hasil ini membuktikan bahwa AI bisa menjadi alat bantu dokter untuk mendeteksi penyakit secara lebih cepat dan akurat.
Penelitian ini juga menjadi bukti nyata bahwa anak bangsa mampu bersaing di ranah riset teknologi medis global.
Dengan model seperti EfficientNetB3, masa depan diagnosis kanker di Indonesia tampaknya akan jauh lebih cepat dan presisi.
(J)