Inovasi Artificial Intelligence (AI) kembali membawa terobosan di dunia medis. Terbaru, mahasiswa dari Fakultas Teknik (FT) Universitas Dian Nuswantoro (Udinus) mengembangkan model segmentasi otomatis pembuluh darah vena dan arteri pada otak menggunakan framework MONAI yang dikombinasikan dengan Re-Net.
Penelitian itu dapat meningkatkan akurasi deteksi pembuluh darah arteri serta mengurangi ketergantungan pada segmentasi manual oleh ahli radiologi. Hasil dari penelitian mahasiswa itu pun telah dipublikasikan di Shinta 2 Journal of Electronics, Electromedical Engineering, and Medical Informatics pada 5 Desember 2024 lalu. Tim juga tengah mempersiapkan publikasi untuk diajukkan ke jurnal Q3.
Inovasi berjudul ‘Segmentasi Otomatis Data Dicom Pembuluh Darah Vena dan Arteri pada Otak Menggunakan Framework MONAI’ melibatkan dua dosen pembimbing diantaranya dari Program Biomedis FT Udinus Menik Dwi Kurniatie, S.Si., M.Biotech dan Fakultas Kedokteran (FK) Udinus dr. Andreas Wilson Setiawan, M.Kes.
Sementara itu mahasiswa yang dibimbing diantaranya dari FT Udinus yakni Reica Diva Jacinda dan Nebrisca Patriana Yossy. Tidak hanya itu, Udinus juga menggandeng satu peneliti dari Badan Riset Inovasi Nasional (BRIN), Talitha Asmaria.
Ketua Tim Penelitian, Reica menjelaskan bahwa model yang mereka gunakan dapat membantu dalam diagnosis penyakit cerebrovaskular seperti stroke, aneurisma, dan malformasi arteriovenosa. Menurutnya memanfaatkan teknologi MONAI, proses segmentasi dapat dilakukan secara otomatis dalam waktu kurang dari satu menit.
“Ini tentu sangat membantu tenaga medis dalam menganalisis kondisi pasien dengan lebih cepat dan akurat. Hal ini bisa terjadi karena pemanfaatan kecerdasan buatan,” ujar Reica.
Pada penelitian itu, Reica menyoroti tantangan utama saat menjalankan penelitian. Termasuk keterbatasan akses data medis dan kebutuhan sumber daya komputasi yang besar.
“Kami harus mencari strategi optimasi, seperti augmentasi dataset dan pemanfaatan cloud computing untuk mengatasi keterbatasan GPU,” jelasnya.
Meningkatkan Efisiensi Kerja
Sementara itu, salah satu pendamping dari tim, Menik mengatakan inovasi tersebut memang berpotensi meningkatkan kualitas media pembelajaran, terutama dalam mendukung diagnosis dan perencanaan pra-operasi yang lebih baik. Dengan keberhasilan itu, diharapkan teknologi segmentasi otomatis berbasis MONAI dapat diadopsi secara luas di dunia medis untuk meningkatkan efisiensi kerja para tenaga kesehatan.
Lanjutnya, Dengan berbagai manfaat yang ditawarkan, penelitian itu menjadi langkah maju dalam penerapan AI di bidang kesehatan, khususnya dalam meningkatkan akurasi analisis pencitraan medis dan efisiensi kerja tenaga medis di masa depan.
“Kami ingin hasil penelitian ini benar-benar bermanfaat, tidak hanya dalam diagnosis tetapi juga dalam pengembangan alat medis yang lebih canggih,” tutup Menik.