Teknologi Mikroskop Digital Berbasis AI Membantu Diagnosis Penyakit Darah
Leukemia merupakan salah satu jenis kanker darah yang ditandai dengan pertumbuhan sel darah putih abnormal di dalam sumsum tulang dan aliran darah. Penyakit ini dapat berkembang dengan cepat dan berpotensi mengancam jiwa apabila tidak terdeteksi sejak dini. Oleh karena itu, metode diagnosis yang cepat dan akurat sangat diperlukan untuk meningkatkan peluang keberhasilan terapi serta keselamatan pasien.
Salah satu pemeriksaan awal yang umum dilakukan dalam diagnosis leukemia adalah pengamatan apusan darah tepi (peripheral blood smear) menggunakan mikroskop. Dalam pemeriksaan ini, analis laboratorium atau dokter patologi mengamati bentuk serta jumlah sel darah untuk mendeteksi adanya kelainan morfologi. Kemunculan sel imatur atau perubahan bentuk sel darah putih dapat menjadi indikator awal adanya leukemia.
Namun, metode pemeriksaan manual memiliki beberapa keterbatasan. Proses analisis membutuhkan waktu yang relatif lama dan sangat bergantung pada pengalaman serta ketelitian pengamat. Selain itu, dalam kondisi laboratorium dengan jumlah sampel yang besar, proses pemeriksaan manual dapat meningkatkan risiko kesalahan interpretasi akibat kelelahan atau perbedaan subjektivitas antar pengamat.
Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) memberikan peluang baru untuk meningkatkan efisiensi dan akurasi diagnosis berbasis citra medis. Salah satu pendekatan yang semakin banyak digunakan adalah deep learning, yaitu metode komputasi yang memungkinkan komputer mempelajari pola dari data gambar secara otomatis.
Peran Deep Learning dalam Analisis Citra Medis
Deep learning merupakan cabang dari kecerdasan buatan yang banyak digunakan dalam analisis citra digital. Teknologi ini mampu mengenali pola visual yang kompleks, seperti bentuk, tekstur, ukuran, dan karakteristik objek pada gambar.
Dalam bidang kesehatan, teknologi deep learning telah digunakan untuk berbagai aplikasi, seperti analisis citra radiologi, identifikasi tumor, hingga pengenalan sel darah pada mikroskop digital. Sistem berbasis deep learning dapat membantu tenaga medis dalam menganalisis data citra dengan lebih cepat dan konsisten.
Salah satu algoritma deep learning yang populer untuk deteksi objek adalah YOLO (You Only Look Once). Algoritma ini dirancang untuk mengenali objek dalam gambar secara cepat dan efisien. Berbeda dengan metode deteksi objek konvensional yang memerlukan beberapa tahap pemrosesan, YOLO mampu melakukan proses identifikasi objek hanya dalam satu langkah komputasi.
Pendekatan ini memungkinkan sistem melakukan deteksi objek secara real-time dengan kecepatan tinggi, sehingga sangat cocok digunakan pada sistem diagnosis berbasis citra medis yang membutuhkan analisis cepat.
Pengembangan Sistem Mikroskop Digital Berbasis YOLO
Penelitian yang dipublikasikan dalam jurnal Engineering, Technology & Applied Science Research mengembangkan sistem klasifikasi otomatis berbasis mikroskop digital menggunakan algoritma YOLO untuk mendeteksi sel darah abnormal yang berkaitan dengan leukemia. Sistem ini dirancang untuk membantu proses skrining awal dengan menganalisis citra sel darah dari apusan darah tepi secara otomatis.
Dalam penelitian tersebut, dataset citra sel darah dikumpulkan dari sampel darah residual yang berasal dari pemeriksaan laboratorium rutin di sebuah rumah sakit di Surabaya. Dataset tersebut terdiri dari ribuan gambar sel darah normal dan sejumlah gambar sel abnormal yang berkaitan dengan leukemia.
Dari dataset tersebut kemudian dipilih ratusan citra sel darah yang merepresentasikan berbagai jenis sel darah putih, seperti basofil, eosinofil, limfosit, monosit, neutrofil, dan mieloblas. Data tersebut digunakan untuk melatih model YOLO agar mampu mengenali karakteristik morfologi berbagai jenis sel darah.
Untuk meningkatkan kemampuan model dalam mengenali variasi bentuk sel darah, peneliti juga menerapkan teknik data augmentation, seperti rotasi dan pembalikan gambar. Teknik ini membantu model belajar dari variasi citra yang lebih beragam sehingga meningkatkan kemampuan generalisasi model.
Hasil Penelitian dan Potensi Aplikasi Klinis
Setelah proses pelatihan selesai, sistem kemudian diuji menggunakan data yang belum pernah digunakan dalam pelatihan. Hasil pengujian menunjukkan bahwa sistem berbasis YOLO mampu mencapai tingkat akurasi sekitar 92,5% dalam mengidentifikasi sel darah abnormal yang berkaitan dengan leukemia. Selain itu, nilai precision, recall, dan F1-score yang dihasilkan juga menunjukkan performa model yang baik dalam membedakan sel normal dan abnormal.
Salah satu keunggulan utama dari sistem ini adalah kemampuannya melakukan analisis citra secara real-time. Sistem dapat mendeteksi sel darah pada gambar mikroskop dan menampilkan hasil identifikasi secara otomatis dalam bentuk kotak pembatas (bounding box) beserta label jenis sel yang terdeteksi.
Dengan kemampuan tersebut, proses analisis yang biasanya membutuhkan waktu cukup lama dapat dipercepat secara signifikan. Sistem ini juga berpotensi membantu mengurangi beban kerja tenaga medis di laboratorium dengan menyediakan analisis awal yang dapat digunakan sebagai alat bantu diagnosis.
Menuju Diagnostik Medis Berbasis Teknologi Digital
Pemanfaatan kecerdasan buatan dalam analisis citra darah menunjukkan bagaimana teknologi digital dapat memberikan kontribusi nyata dalam bidang kesehatan. Sistem diagnosis otomatis berbasis mikroskop digital berpotensi meningkatkan efisiensi kerja laboratorium serta mempercepat proses deteksi dini leukemia.
Ke depan, teknologi ini juga dapat diintegrasikan dengan sistem rekam medis elektronik sehingga hasil analisis dapat langsung tersimpan dalam sistem informasi kesehatan. Integrasi ini memungkinkan proses diagnosis menjadi lebih cepat, terdokumentasi dengan baik, dan mudah diakses oleh tenaga medis.
Meski demikian, penerapan teknologi AI dalam diagnosis medis tetap memerlukan validasi klinis yang menyeluruh sebelum digunakan secara luas. Sistem kecerdasan buatan tidak dimaksudkan untuk menggantikan tenaga medis, tetapi untuk mendukung proses pengambilan keputusan secara lebih objektif dan berbasis data.
Dengan pengembangan yang berkelanjutan, teknologi mikroskop digital berbasis AI berpotensi menjadi bagian penting dari sistem diagnosis modern yang lebih cepat, akurat, dan efisien.
PENULIS
Belgis
Departemen Kesehatan, Fakultas Vokasi, 51动漫
Informasi Detail Riset
Belgis, Lailatul Muqmiroh, Muhaimin, Rizky Amalia Sinulingga, Aji Sapta Pramulen, Hamzah Arof.
Development of an Automated YOLO-Based Digital Microscopy System for Leukemia Early Detection
Jurnal: Engineering, Technology & Applied Science Research
Volume 15, Issue 6, 2025
DOI:
ISSN: 1792-8036
