Bagaimana pencegahan kanker kulit dilakukan oleh tim medis dan peneliti di Uni Eropa? Para peneliti menggunakan LRP dan CRP dan metode XAI serta data genomik dan pencitraan in vivo.
Penulis/editor: Rayendra L Toruan
mmINDUSTRI.co.id – Fraunhofer HHI (sumber): Para profesional medis melakukan pencegahan kanker kulit dengan menilai risiko yang terjadi pada setiap tahi lalat yang terjadi pada tubuh pasien.
Caranya dengan melakukan pemindaian inti dari platform diagnostik AI berbasis cloud yang dikembangkan para ahli di melalui proyek Intelligent Total Body Scanner for Early Detection of Melanoma (iToBoS) di Uni Eropa.
“Thank you for visiting mmindustri.co.id. Subscribe for the latest news and insight. Enter your email (Your email address will not be published)
Sejumlah tim ahli yang berasal dari 20 mitra kerja sama menggabungkan data kesehatan dari berbagai sumber, seperti berkas pasien, data genomik, dan pencitraan in vivo. Para peneliti menggunakan LRP dan CRP dan metode XAI.
Peneliti menggunakan LRP dan CRP untuk memvisualisasikan dan menginterpretasikan jaringan saraf dan model pembelajaran mesin lainnya serta mengukur pengaruh setiap variabel input dalam prediksi keseluruhan.
Apa tujuan peneliti menggunakan LRP, CRP, dan metode XAI dalam diagnostik medis?
LRP singkatan dari Layer-Wise Relevance Propagation dan CRP singkatan dari Concept Relevance Propagation adalah metode yang digunakan dalam Explainable AI (XAI) untuk menjelaskan bagaimana model AI membuat keputusan.
Dalam konteks diagnostik medis, seperti platform AI untuk deteksi dini kanker kulit, metode ini membantu memastikan bahwa AI bekerja dengan andal dan aman.
XAI atau Explainable Artificial Intelligence adalah serangkaian proses dan metode yang memungkinkan pengguna manusia memahami dan memercayai hasil dan output yang dihasilkan oleh algoritme machine learning.
XAI digunakan untuk mendeskripsikan model AI, perkiraan dampak, dan potensi biasnya demikian laman its.ac.id/ dan ibm.com/
Sedangkan pengertian data genomik: data genomik mengacu pada data yang terkait dengan struktur dan fungsi genom dari suatu organisme.
Genom adalah semua data seluler yang dibutuhkan organisme untuk tumbuh dan berfungsi. Data genomik mencakup informasi seperti urutan molekul dalam gen organisme, fungsi setiap gen, elemen pengatur yang mengontrol ekspresi gen, dan interaksi antara gen dan protein yang berbeda.
Sementara in vivo adalah metode atau teknik penelitian yang dilakukan pada organisme hidup atau dalam tubuh makhluk hidup.
Dengan teknologi penelitian ini memungkinkan pengamatan proses biologis seperti pertumbuhan dan metastasis tumor, perkembangan penyakit menular, dan ekspresi gen tertentu pada hewan hidup.
Pencitraan in vivo menggunakan teknologi bioluminesensi dan fluoresensi untuk menandai dan mengamati sel atau DNA dalam tubuh.
Uni Eropa menyediakan dana sebesar Euro 12,1 juta euro untuk membiayai proyek Total Body Scanner for Early Detection of Melanoma (iToBoS) tersebut. Maka hasil diagnosis melanoma berlangsung dengan cepat, andal, dan sangat personal
Kamera beresolusi tinggi pada pemindai dilengkapi dengan lensa cair yang meniru struktur mata manusia.
Berdasarkan dua cairan yang tidak dapat bercampur dengan indeks bias yang berbeda, kamera ini menghasilkan gambar dengan kualitas yang belum pernah ada sebelumnya.
Untuk diagnosis yang sangat personal, pembelajaran mesin digunakan untuk mengintegrasikan pemindaian bersama dengan semua data pasien yang tersedia (demografi dan informasi tentang kerusakan UV, kelompok risiko, dan faktor lainnya) ke dalam platform diagnostik AI dengan alat asisten AI kognitif.
Kecepatan tinggi pengoperasian pemindai memungkinkan pemeriksaan banyak pasien hanya dalam waktu singkat, tetapi itu belum semuanya.
Pemindaian juga dapat diulang lebih sering dalam jangka waktu yang lebih lama, sehingga dapat dibandingkan untuk pemantauan yang efektif terhadap perkembangan tahi lalat dan kemungkinan perubahan kulit yang dapat menjadi indikasi kanker kulit.
Beberapa algoritme AI khusus yang digabungkan dalam asisten AI bertanggung jawab untuk mengidentifikasi dan melacak tahi lalat dari waktu ke waktu.
Metode XAI untuk memverifikasi metode yang dikembangkan dan data
Algoritme harus menggunakan strategi pemecahan masalah yang benar-benar andal dan dapat diverifikasi di area aplikasi yang sensitif seperti diagnostik medis.
Akan tetapi, di masa lalu belum sepenuhnya jelas bagaimana sistem AI membuat keputusan.
Dengan metode XAI yang digunakan dalam proyek tersebut, yang mencakup metode Layer-Wise Relevance Propagation (LRP) yang dipatenkan, Concept Relevance Propagation (CRP) dan Prototypical Concept-Based Explanations (PCX).
Para peneliti dari Fraunhofer HHI membuat prakiraan AI dapat dijelaskan, sehingga mengidentifikasi strategi pemecahan masalah yang tidak pasti.
Metode-metode yang digunakan mengidentifikasi dan mengukur spektrum luas perilaku pengambilan keputusan yang dipelajari dan mengidentifikasi keputusan yang tidak diinginkan.
Bahkan dalam kumpulan data yang sangat besar, mencegah model membuat kesalahan dan memastikan bahwa sistem AI yang digunakan dapat diandalkan dan aman.
“Di masa lalu, sistem AI diperlakukan sebagai kotak hitam. Sistem tersebut dipercaya untuk melakukan hal yang benar, tetapi sayangnya, itu tidak selalu terjadi,” ungkap kata Prof. Wojciech Samek, kepala departemen Kecerdasan Buatan di Fraunhofer HHI.
Dengan metode XAI lanjut Prof. Wojciech Samek, para ahli berhasil membuat proses pencarian solusi sistem AI menjadi transparan dan mengatasi aspek kotak hitam.
Kepala kelompok penelitian Kecerdasan Buatan yang Dapat Dijelaskan, Dr. Sebastian Lapuschkin menambahkan, “Berkat metode AI dapat dijelaskan, kami tidak hanya mengidentifikasi tahi lalat yang tidak normal.”
Selanjutnya Dr. Sebastian Lapuschkin menjelaskan bahwa pada saat yang sama apa yang membuat mereka berbeda.
Dengan menggunakan LRP dan CRP untuk memvisualisasikan dan menginterpretasikan jaringan saraf dan model pembelajaran mesin lainnya serta mengukur pengaruh setiap variabel input dalam prediksi keseluruhan.
“Mampu menghubungkan silang volume data yang sangat besar ini menawarkan peluang untuk mempelajari lebih lanjut tentang kanker kulit dan potensi orang untuk mengembangkannya,” lanjut Dr. Sebastian Lapuschkin.
Para peneliti di Fraunhofer HHI juga menggunakan metode Reveal to Revise (R2R) mereka, yang dikembangkan sebagai bagian dari proyek.
Tujuannya adalah untuk melatih potensi perilaku anomali dan keliru dari AI dengan menggunakan informasi dari XAI mereka untuk membuat anotasi data secara lebih efektif dengan tujuan membuat keseluruhan sistem lebih tangguh dan andal.
Tujuan akhir dari proyek ini adalah untuk mengembangkan model AI holistik yang menggunakan kumpulan data multimoda untuk memeriksa pasien dari berbagai perspektif.
Meta dataset yang dikumpulkan di Queensland, Australia, dan di Barcelona sebagai bagian dari proyek ini juga akan membantu dalam hal ini, karena mereka memperluas kumpulan data ke populasi lain dari seluruh dunia.
Dalam jangka panjang, pemindai seluruh tubuh juga dapat digunakan untuk mengidentifikasi penyakit kulit lainnya seperti neurodermatitis.
Kondisi kulit krons
Neurodermatitis atau dikenal juga sebagai lichen simplex chronicus adalah kondisi kulit kronis yang ditandai dengan bercak kulit yang sangat gatal. Bercak ini biasanya muncul di leher, pergelangan tangan, lengan, paha, atau pergelangan kaki.
Penyebab pasti neurodermatitis belum diketahui, tetapi kondisi ini diduga disebabkan oleh reaksi berlebihan pada saraf di kulit yang bisa dipicu oleh stres, kecemasan, atau depresi.
Untuk mendeteksi neurodermatitis sedini mungkin, perhatikan gejala-gejala antara lain, munculnya bercak kulit yang sangat gatal, terutama di area leher, pergelangan tangan, lengan, paha, atau pergelangan kaki.
Penderita merasa gatal yang semakin parah saat bercak digaruk dan penebalan kulit pada bagian yang gatal akibat terus-menerus digaruk. Juga terjadi perubahan warna bercak menjadi merah keunguan atau lebih gelap dari kulit di sekelilingnya demikian penjelasan lodokter.com/
Sebagai contoh, di sebuah rumah sakit di Tokyo, penggunaan AI dalam deteksi kanker kulit telah membantu banyak pasien mendapatkan diagnosa dini dan meningkatkan tingkat kesembuhan.
AI mampu mendeteksi kanker kulit pada tahap awal, yang sering kali terlewatkan oleh pemeriksaan konvensional.
Untuk memaksimalkan manfaat AI dalam deteksi kanker kulit, diperlukan kolaborasi antara peneliti, dokter, dan pembuat kebijakan. Dukungan pendanaan penelitian dan pelatihan tenaga medis dalam penggunaan teknologi AI juga sangat penting.
Selain itu, edukasi kepada masyarakat mengenai pentingnya deteksi dini dan teknologi AI juga perlu ditingkatkan.”
AI telah digunakan dalam berbagai bidang diagnosa medis untuk meningkatkan akurasi dan efisiensi. Beberapa contoh penggunaan AI dalam diagnosa medis lainnya meliputi:
- AI digunakan untuk menganalisis gambar medis seperti X-ray, MRI, dan CT scan untuk mendeteksi kelainan dan membantu dokter dalam membuat diagnosa yang akurat.
- AI membantu dalam menganalisis data elektrokardiogram (EKG) untuk mendeteksi aritmia dan kondisi jantung lainnya.
- AI digunakan untuk mendeteksi penyakit mata seperti retinopati diabetik dan degenerasi makula melalui analisis gambar retina.
- AI membantu dalam menganalisis sampel jaringan untuk mendeteksi kanker dan penyakit lainnya dengan akurasi yang tinggi.
Sebuah studi yang dipimpin oleh Stanford Medicine menunjukkan bahwa algoritma AI yang didukung oleh pembelajaran mendalam dapat membantu praktisi kesehatan dalam mendiagnosa kanker kulit dengan lebih akurat.
Studi ini melibatkan lebih dari 67.000 evaluasi potensi kanker kulit oleh berbagai praktisi dengan dan tanpa bantuan AI.
Hasilnya menunjukkan bahwa praktisi kesehatan yang bekerja tanpa bantuan AI mampu mendiagnosa sekitar 75 persen orang dengan kanker kulit, sedangkan dengan bantuan AI, akurasi diagnosa meningkat secara signifikan.
Studi lain yang dilakukan oleh proyek iToBoS menunjukkan bahwa pemindai tubuh penuh yang terhubung dengan platform diagnostik AI dapat membantu dalam deteksi dini melanoma.
Pemindai ini secara otomatis memindai seluruh tubuh pasien dalam waktu enam menit dan memberikan penilaian risiko untuk setiap perubahan kulit yang ditemukan.
Teknologi AI yang digunakan dalam proyek ini membantu meningkatkan throughput riwayat medis awal, mengoptimalkan deteksi dini kanker, dan mengurangi jumlah biopsi yang tidak perlu.
Jadi, pencegahan kanker kulit menggunakan pemindai tubuh. Bagaimana di Indonesia?
This type of article is favored by our readers. Would your company willing to sponsor it? Kindly email us: business@mmindustri.co.id or fill this form