INDOPOSCO.ID – Tim mahasiswa Universitas Gadjah Mada (UGM) merancang sistem pendeteksi dini kanker mata pada anak berbasis kecerdasan buatan (AI) yang dapat digunakan di fasilitas kesehatan primer secara cepat dan akurat.
Inovasi yang dinamai “Rb-AID (Retinoblastoma Artificial Intelligence Detection)” itu memanfaatkan sistem “two-step convolutional neural network (TSCNN)” yang terintegrasi dalam aplikasi seluler untuk melakukan pemeriksaan fundus mata secara real-time pada balita.
“Melalui ‘Rb-AID’, kami ingin menghadirkan skrining dini yang lebih cepat, konsisten, dan terjangkau, agar setiap anak di Indonesia memiliki kesempatan yang sama untuk melihat dunia,” ujar Ketua Tim Mahasiswa UGM Jonathan Setiawan yang dikutip dari ANTARA di Yogyakarta, Senin.
Retinoblastoma merupakan salah satu jenis kanker anak paling umum di dunia, dengan angka kejadian mencapai satu dari 16.000-28.000 kelahiran.
Di negara maju, deteksi dini dan penanganan yang tepat membuat tingkat keberhasilan terapi dapat mencapai 99 persen.
Namun di Indonesia, menurut dia, keterlambatan diagnosis masih menjadi masalah serius dan menyebabkan 40-70 persen pasien mengalami kehilangan penglihatan, kecacatan permanen, atau bahkan kematian.
Jonathan menjelaskan, “Rb-AID” terdiri atas dua komponen utama, yakni “Rb-AID tool” dan “Rb-AID mobile decision system”.
Komponen pertama berfungsi menjaga stabilitas dan kualitas akuisisi citra fundus, sementara sistem kedua menggunakan TSCNN dua tahap untuk menganalisis hasil pemeriksaan secara cepat dan objektif.
“Keputusan skrining tidak bergantung pada subjektivitas operator dan dapat diterapkan di layanan primer,” jelas mahasiswa jurusan Teknik Nuklir UGM angkatan 2023 itu.
Secara teknis, perangkat “Rb-AID” dirancang melalui proses perancangan di Autodesk Inventor, kemudian dicetak menggunakan teknologi 3D dengan bahan PLA yang ramah lingkungan.
Perangkat tersebut dilengkapi lensa 20D untuk memastikan hasil visual yang tajam.
“Mekanisme alat memungkinkan ponsel terpasang stabil di dudukan khusus dengan jarak kerja ideal sekitar 50 milimeter agar pencahayaan dan fokus optimal ke retina,” ujarnya.
Pada sisi perangkat lunak, sistem kecerdasan buatan dilatih menggunakan ribuan citra fundus yang mencakup kasus retinoblastoma dan citra normal sebagai pembanding.
Melalui arsitektur TSCNN, aplikasi mampu mengenali tanda-tanda klinis seperti massa putih pada retina, pola pembuluh darah tidak normal, serta refleksi cahaya yang tidak merata akibat lesi.
Aplikasi itu dilengkapi dua mode kerja yakni offline dengan rujukan manual oleh petugas dan online yang secara otomatis merekomendasikan fasilitas oftalmologi terdekat serta mengirim hasil pemeriksaan ke dokter untuk verifikasi.
Jonathan menambahkan, Rb-AID menjadi sistem pertama yang mengombinasikan stabilisasi pengambilan gambar berbasis perangkat dengan analisis dua tahap berbasis deep learning.
“Pendekatan ini menutup kelemahan metode terdahulu yang bergantung pada foto non-fundus atau tanpa alat bantu yang rentan bias,” kata dia.
Inovasi itu diharapkan dapat mempercepat deteksi retinoblastoma di daerah dengan keterbatasan alat fundus konvensional dan tenaga ahli.
Dalam jangka panjang, tim menargetkan pengembangan prototipe fungsional yang sepenuhnya terintegrasi dengan aplikasi seluler, disertai laporan ilmiah dan publikasi edukatif.
Jonathan mengembangkan “Rb-AID” bersama tim yang beranggotakan Ammar Ali Yasir (Teknologi Informasi 2023), Ammar (Teknik Mesin 2023), Muhammad Hafidz Al Farisi (Teknologi Informasi 2023), dan Emeliana Putri Ayu Ningsih (Kedokteran 2024).
Proyek itu dibimbing oleh Prof. Dr. Eng. Ir. Herianto, S.T., M.Eng., IPU., ASEAN Eng., dosen Fakultas Teknik UGM. (gin)
