Kecerdasan Buatan Bantu Ahli Radiologi Diagnosis Stroke Lebih Akurat
Kamis, 09 April 2020 - 07:27 WIB
Kecerdasan Buatan Bantu Ahli Radiologi Diagnosis Stroke Lebih Akurat
A
A
A
JAKARTA - Stroke adalah salah satu penyakit yang sulit diprediksi. Stroke terjadi begitu saja dan orang-orang menghadapi risiko meninggal dunia atau menjadi cacat permanen. Penting bagi para ahli radiologi untuk mengevaluasi lokasi stroke di otak dan mendiagnosis tingkat resiko dari kondisi pasien.
Sejauh ini, ahli radiologi telah melakukan segmentasi lesi manual stroke iskemik akut. Namun, yang menjadi pertanyaan adalah apakah proses ini dapat diperbaiki?
Masalah yang berhubungan dengan segmentasi lesi manual biasanya butuh waktu cukup lama dan hasilnya pun terkadang bias. Faktanya, kesalahan diagnosis sering terjadi seperti pasien stroke yang didiagnosisi sebagai kondisi nonstroke.
Melihat kondisi diatas, para ilmuwan dari Universitas Turku dan Turku PET Center memperkenalkan teknologi berbasis kecerdasan buatan (AI) yang dapat meningkatkan akurasi dan waktu segmentasi lesi iskemik akut. Teknologi ini memiliki sistem otomatis yang mampu melihat melalui gambar resonansi magnetik, menganalisis gambar-gambar dan mengklasifikasikan lesi AIS ke dalam kasus stroke dan nonstroke, dengan sistem yang cukup kompleks.
Cara kerjanya adalah membandingkan diffusion weighted images (DWIs) dan apparent diffusion coefficients (ADC) dari gambar otak pasien dan menyimpan potensi lesi sebagai pelindung lesi. Setelah itu, classifier biner digunakan untuk menyaring pelindung dan mengkonfirmasi apakah pelindung tersebut benar-benar mengandung lesi AIS.
Sistem dilatih dengan sekitar 200 magnetic resonance imaging (MRI). Hasilnya adalah diagnosis cepat dan tidak bias, sehingga lebih akurat daripada yang disediakan oleh segmentasi lesi manual kuno.
Metode ini dapat menghemat biaya karena tidak memerlukan daya komputasi dan memori yang tinggi. Dengan begitu dapat digunakan pada sistem komputer di rumah sakit kelas sedang. Para ahli yang menarik lesi secara manual juga menunjukkan persutujuan terhadap penggunaan teknologi ini.
Peneliti proyek, Sanaz Nazari-Farsani, mengatakan, para ilmuwan juga mencatat bahwa sistem ini tidak akan menggantikan ahli radiologi. Justru sebaliknya, ini akan membantu mereka mempercepat diagnosis dan membuatnya lebih akurat karena hasilnya tidak akan bias dan dapat di reproduksi.
"Kami percaya bahwa metode ini memiliki kapasitas untuk diimplementasikan pada workstation desktop biasa yang diintegrasikan ke dalam pipa diagnostik klinis rutin rumah sakit," klaim Sanaz, dikutip dari Technology.
Keuntungan dari sistem ini adalah kecepatan. Mereka dapat dengan cepat menganalisis basis data gambar yang sangat besar, menemukan kesamaan, dan menyajikannya secara komprehensif.
Secara perlahan, AI datang dalam pengaturan klinis. Alat berbasis AI itu dapat meningkatkan akurasi diagnosis secara signifikan.
"Dalam beberapa tahun ke depan, penggunaan AI di rumah sakit akan mengalami peningkatan dan semua orang akan melihat manfaat nyata yang dihasilkannya," tambahnya.
Sejauh ini, ahli radiologi telah melakukan segmentasi lesi manual stroke iskemik akut. Namun, yang menjadi pertanyaan adalah apakah proses ini dapat diperbaiki?
Masalah yang berhubungan dengan segmentasi lesi manual biasanya butuh waktu cukup lama dan hasilnya pun terkadang bias. Faktanya, kesalahan diagnosis sering terjadi seperti pasien stroke yang didiagnosisi sebagai kondisi nonstroke.
Melihat kondisi diatas, para ilmuwan dari Universitas Turku dan Turku PET Center memperkenalkan teknologi berbasis kecerdasan buatan (AI) yang dapat meningkatkan akurasi dan waktu segmentasi lesi iskemik akut. Teknologi ini memiliki sistem otomatis yang mampu melihat melalui gambar resonansi magnetik, menganalisis gambar-gambar dan mengklasifikasikan lesi AIS ke dalam kasus stroke dan nonstroke, dengan sistem yang cukup kompleks.
Cara kerjanya adalah membandingkan diffusion weighted images (DWIs) dan apparent diffusion coefficients (ADC) dari gambar otak pasien dan menyimpan potensi lesi sebagai pelindung lesi. Setelah itu, classifier biner digunakan untuk menyaring pelindung dan mengkonfirmasi apakah pelindung tersebut benar-benar mengandung lesi AIS.
Sistem dilatih dengan sekitar 200 magnetic resonance imaging (MRI). Hasilnya adalah diagnosis cepat dan tidak bias, sehingga lebih akurat daripada yang disediakan oleh segmentasi lesi manual kuno.
Metode ini dapat menghemat biaya karena tidak memerlukan daya komputasi dan memori yang tinggi. Dengan begitu dapat digunakan pada sistem komputer di rumah sakit kelas sedang. Para ahli yang menarik lesi secara manual juga menunjukkan persutujuan terhadap penggunaan teknologi ini.
Peneliti proyek, Sanaz Nazari-Farsani, mengatakan, para ilmuwan juga mencatat bahwa sistem ini tidak akan menggantikan ahli radiologi. Justru sebaliknya, ini akan membantu mereka mempercepat diagnosis dan membuatnya lebih akurat karena hasilnya tidak akan bias dan dapat di reproduksi.
"Kami percaya bahwa metode ini memiliki kapasitas untuk diimplementasikan pada workstation desktop biasa yang diintegrasikan ke dalam pipa diagnostik klinis rutin rumah sakit," klaim Sanaz, dikutip dari Technology.
Keuntungan dari sistem ini adalah kecepatan. Mereka dapat dengan cepat menganalisis basis data gambar yang sangat besar, menemukan kesamaan, dan menyajikannya secara komprehensif.
Secara perlahan, AI datang dalam pengaturan klinis. Alat berbasis AI itu dapat meningkatkan akurasi diagnosis secara signifikan.
"Dalam beberapa tahun ke depan, penggunaan AI di rumah sakit akan mengalami peningkatan dan semua orang akan melihat manfaat nyata yang dihasilkannya," tambahnya.
(mim)
