Tri Deviasari Wulan –Â Dosen Prodi S1 Sistem Informasi, Fakultas Tekni
BANYAK industri yang memanfaatkan deep learning untuk mengambangkan produksinya baik dalam proyek skala percobaan atau penelitian berskala kecil untuk tahap pre-komersialisasi. Salah satu industri yang sedang banyak memanfaatkan deep learning adalah bidang medis.
Deep learning dalam bidang medis dimanfaatkan untuk membuat alat yang innovatif di lingkungan klinis saat ini. Beberapa kasus penggunaan yang paling menjanjikan seperti aplikasi inovatif untuk menghadapi pasien serta beberapa strategi yang dibuat untuk meningkatkan kesehatan pengalaman pengguna Teknologi informasi.
Medical imaging atau citra medis merupakan salah satu alat yang dimanfaatkan oleh petugas medis untuk mendiagnosis suatu penyakit. Peneliti IBM memperkirakan bahwa citra medis saat ini mencakup setidaknya 90 % dari semua data medis, menjadikannya sumber data terbesar dalam bidang medis.
Sumber data ini menjadi jumlah yang sangat besar jika mempertimbangkan bahwa ahli radiologi di beberapa ruang gawat darurat rumah sakit disajikan dengan ribuan gambar setiap hari, sehingga akan membutuhkan waktu yang cukup lama untuk melakukan diagnosa. Deep learning dapat diaplikasikan untuk mengekstrak dan merepresentasikan data dari gambar tersebut secara lebih efisien untuk membantu para petugas medis untuk melakukan diagnosa.
Medical imaging juga dapat digunakan untuk pemantauan non-invasif terhadap penyakit dan efektivitas intervensi medis. Dengan pengamatan medical imaging memungkinkan uji klinis diselesaikan dengan populasi subjek yang lebih kecil dan dengan demikian mengurangi biaya dan waktu pengembangan obat.
Misalnya, Capecitabine (juga dikenal sebagai Xeloda), obat yang digunakan untuk kanker payudara, disetujui pada tahun 1998 atas dasar penyusutan tumor pada CT scan setelah uji coba hanya terhadap 162 pasien.
Area kandidat dalam jaringan yang diekstraksi dengan aktivitas proliferasi, sering direpresentasikan sebagai tepi dari kelainan jaringan, diidentifikasi. Algoritma deep learning menghasilkan heatmap probabilitas tumor, yang menunjukkan tambalan jaringan yang tumpang tindih yang diklasifikasikan untuk probabilitas tumor.
Citra medis tersebut memberikan data informatif tentang fitur tumor yang berbeda seperti bentuk, area, kepadatan, dan lokasi, sehingga memudahkan pelacakan perubahan tumor.
Medical Imaging memungkinkan visualisasi non-invasif dan kuantifikasi aliran darah di pembuluh darah manusia, tanpa menggunakan agen kontras, seperti pada Magnetic Resonance Imaging (MRI). Dengan memanfaatkan MRI, memungkinkan evaluasi yang jauh lebih akurat dari dampak patologi kardiovaskular pada perubahan lokal dan global dalam pemeriksaan fisik, sirkulasi darah dan fungsi jantung.
Metode deep learning telah dimanfaatkan dalam sebuah aplikasi untuk menggabungkan teknologi penghitungan dan pencitraan medis dengan solusi jantung resonansi magnetik (MR) GE Healthcare. Sistem tersebut memungkinkan visualisasi dan kuantifikasi aliran darah di dalam jantung yang jauh lebih efisien, bersamaan dengan diagnosis penyakit kardiovaskular yang komprehensif.
Pemanfaatan deep learning pada medical imaging yang terakhir adalah pada renopatik diabetes. Retinopati diabetik merupakan komplikasi mata yang paling parah dari diabetes dan merupakan salah satu penyebab kebutaan yang terkemuka dan paling cepat berkembang di seluruh dunia.
Pendeteksian dini pada penyakit ini dapat memberikan kemungkinan kesembuhan yang tinggi dan diobati dengan lebih efisien. Metode deep learning telah dimanfaatkan pelatihan pada kumpulan data gambar fundus yang besar, telah mampu mendeteksi renopatik diabetes dengan lebih dari 90 akurasi persen. *
