Lesnardy

Mahasiswa jurusan Kedokteran Hewan Unive halyangsulitdansayasiapmenantangzon bermanfaat terutama terkait dunia hew lesnardy.les0103@mail.ugm.ac.id

Teknologi Artificial Intelligence (AI)Dalam

PenerapanRekamGambarMedisDalamDiagnosa Veteriner

Lesnardy

Fakultas Kedokteran Hewan, Universitas Gadjah Mada, Sleman, D.I. Yogyakarta

ABSTRAK aaaaaaDalam perkembangan AI yang pesat di zaman sekarang, AI mampu memahami pengenalan visual dan analisis data kompleks secara baik, meskipun perlu proses pembelajaran. AI mampu memberikan dukungan keputusan kepada dokter hewan. Literature review didasari oleh beberapa pencarian database dan didapatkan hasil beberapa cara bagaimana AI membantu pengenalan gambar visual rekam gambar medis diagnosa veteriner.

PENDAHULUAN aaaaaaVeterinary medicine atau kedokteran hewan adalah disiplin yang luas dan masih berkembang dalam masyarakat terutama saling keterlibatan dengan bidang lainnya seperti kesehatan hewan kesayangan, pengobatan populasi, penyakit zoonosis, dan agroindustri. Kini sesuai dengan perkembangan zaman, artificial intelligence (AI) adalah cabang ilmu komputer yang didesain secara system untuk melakukan pekerjaan seperti pada manusia. Misalnya pada bidang e-commerce yang membantu mempermudah penjualan barang dagang, rekap data kantor, dan juga pengelolaan industri. AI mampu diaplikasikan dalam praktek kedokteran hewan sebagai penyedia informasi akurat kepada praktisi veteriner agar dapat berkomunikasi dengan klien secara mudah, membuat keputusan, dan penanggulangan penyakit. Utamanya dalam dunia kesehatan adalah rekam medis. ersitas Gadjah Mada yang mencoba belajar menulis. Menulis menjadi sesuatu anyamandemibisamencapaicita-citakecilyaitumenyebarluaskaninformasi wan dan veteriner pada masyarakat. Penulis dapat dihubungi melalui

Rekam medis adalah berkas atau kumpulan data yang berisikan catatan kesehatan pasien serta hasil pemeriksaan, kondisi, pengobatan, dan tindakan yang diambil. Rekam medis dokter hewan menjadi peran utama dalam mengumpulkan data yang diperoleh dan melakukan kurasi. Salah satu data yang krusial dalam rekam medis adalah rekam gambar medis. Rekam gambar medis dapat berupa hasil biopsi di bawah preparat mikroskop, hasil gambar radiologi, hasil gambar uji-uji tertentu seperti uji sampel ataupun uji genetika. Paling umumnya digunakan adalah hasil gambar radiologi.

Metode

aaaaaaHasil literature review ini didasari secara deskriptif dengan penelusuran intensif pada artikel-artikel yang tersedia di berbagai database terkait dunia veteriner dan kesehatan seperti AVMA (American Veterinary Medical Association), WILEY, dan BMC Springer Nature. Dalam hal pencarian literatur juga digunakan bantuan mesin penelusur seperti Google Scholar. Penelusuran dilakukan pada tanggal 20 Mei - 23 Mei 2023 dilakukan melalui bahasa Indonesia ataupun bahasa Inggris dengan beberapa kata kunci seperti “veteriner”, “artificial intelligence” , “diagnostik”, “radiologi”, “rekam gambar”. Segala literatur yang didapatkan dianalisa secara rinci dari membaca abstrak terlebih dahulu didasari syarat seperti: 1. dapat memberikan gambaran kepada pembaca peranan AI pada dunia veteriner, 2. dapat membahas sekilas mengenai perkembangan AI, 3. Penjelasan sekilas terkait rekam gambar medis veteriner. Didapatkan sejumlah 7 literatur yang kemudian dianalisis dalam tinjauan pustaka ini.

HASILDANPEMBAHASAN

Artificial IntelligenceSecaraFundamental aaaaaaAI secara luas dibagi menjadi beberapa studi seperti pengenalan ucapan, komputerisasi visual, dan proses bahasa (Natural Language Processing). Pengenalan ucapan adalah sistem dengan kemampuan untuk mengubah audio yang didengar menjadi kata-kata di dalam data komputer yang dimunculkan tiga komputerisasi visual dengan dengan kemampuan memiliki ketepatan analisis gambar secara rinci serupa penggantian fungsi kinerja otak dan mata. Natural Language processing adalah kemampuan memperoleh informasi dari teks dan kemudian dibuat analisa tingkat lanjut yang mampu mendukung kinerja manusia. Ketiga hal ini dapat berkaitan salah satunya seperti analisa data medis di dunia veteriner

Machine Learning Dalam Pemanfaatan Artificial Intelligence Dalam Dunia Veteriner aaaaaaMachine Learning (ML) dapat menjadi fokus utama dalam pemanfaatan AI di dunia veteriner dengan ML sebagai output pengolahan data dari kemampuan fundamental/dasar AI. Dalam ML, AI diajarkan untuk dapat membuat keputusan berdasarkan parameter yang telah ditentukan dari hasil analisis data. ML dibekali dengan kemampuan menganalisa data dalam jumlah besar dan kompleks, mengenali pola, memprediksi dari data dinamis. ML dibekali dalam memproses rekam gambar veteriner terutama secara radiologi untuk membantu memberikan ketepatan dan efisiensi hasil pembacaan. aaaaaaSecara umum, terdapat tiga cara model pembelajaran dan pengenalan ML yang dibahas dalam literatur yang digunakan yaitu dimodifikasi dari proses pengkoleksian datanya. Supervised Learning atau data yang telah diberi label diberikan secara jelas untuk diketahui bentuknya kepada ML agar keputusan relevan. Unsupervised Learning adalah menginisiasi ML untuk membentuk algoritma baru berdasarkan kriteria data dari supervised learning yang telah diketahuinya dengan cara memberikan data tidak berlabel. Semi Supervised Learning menggunakan kombinasi keduanya sebagai masa transisi bagi ML. Skema terkait contoh Supervised Learning dan Unsupervised Learning dalam pengenalan rekam gambar medis di dunia veteriner. Dalam skema tampak rekam gambar medis jenis radiologi, dimana secara supervised learning gambar radiologi yang secara jelas dan jernih diberikan kepada AI dan diberi nama

ML di awali dengan pengkoleksian data dan diberi label jelas serta kesepakatan dari berbagai pihak untuk membekali ML dengan data berkualitas. Kualitas data sangat berpengaruh pada seberapa bagus ML dapat memberikan ketepatan analisa dan mencegah bias. Data tersebut dilatih secara repetitif kepada ML hingga mendapatkan keteraturan dari algoritma yang diinginkan. Pada uji akhir, ML diberikan data asing baru sebagai uji algoritma apakah dapat menganalisa dengan tepat. Jika tidak tepat maka dianggap gagal dan perlu diulang lagi.

1,2,3 jelas terkait gambar medis tersebut. Sementara unsupervised learning diberikan gambar jelas dan jernih secara acak kepada AI dan dibiarkan untuk mengklasifikasi dan melabeli secara mandiri sebagai output dan akan dikoreksikan oleh manusia jikalau adanya kesalahan sebagai evaluasi pembelajaran AI.

(Appleby dan Bas, 2022)

Selain ML, AI juga dibekali dengan kemampuan Artificial Neural Networks (ANN) yang dapat berguna sebagai pengenalan kasus-kasus untuk dapat ditemukan pola bentukan dan warna agar dapat mendapatkan interpretasi yang kompleks. Sistem ini juga dapat dilakukan dengan nama Case Diagram dimana dapat mengasosiasikan gejala-gejala serta hasil diagnosa penyakit untuk data-data yang telah ada lainnya seperti rekap medis untuk dianalisa lebih komprehensif.⁷ Hal ini juga dapat disebut dengan multi-omics ML dalam pemanfaatan AI di keperluan veteriner, dimana ML diberikan data-data variasi seperti berupa prediksi diagnostik, rekam gambar diagnostik, dan sebagainya.

Gambar 3. Skema pembelajaran rekam gambar radiologis untuk ML analisa kompleks mengaitkan berbagai data medis untuk pembuatan keputusan

(Basran dan Apple, 2022)

Gambar 4. Skema multi-omic untuk ML analisa kompleks mengaitkan berbagai data medis untuk pembuatan keputusan (Basran dan Apple, 2022)

AIdalampengenalanrekamgambarmedis

Dalam publikasi sudah ada banyak keberhasilan pemanfaatan AI untuk pengenalan rekam gambar medis secara kompleks. AI dilatih untuk deteksi penyakit dini dan menemukan abnormalitas dari gambar. Misalnya pada rekam gambar radiologi, rekam gambar MRI, rekam gambar ultrasonik meliputi berbagai hewan seperti anjing, kucing, kuda, dan sapi.

Beberapa kekurangan dari ML dalam bidang ini adalah adanya bias yang diperoleh akibat dari data yang diperoleh langka atau sedikit sehingga AI cenderung tidak mampu identifikasi dan menghiraukan rincian langka ersebut. Dalam pembelajaran AI sangat efektif jika didasari kasus yang diperoleh, ketakutan memperoleh bias juga dipertimbangkan dari keahlia dari praktisi veteriner itu sendiri serta adanya prioritas keuntungan/lab daripada kesehatan pasien dan praktisi veteriner. tAI seharusny membantu praktik veteriner yang lebih baik di kesehatan pasien yang lebi bagus serta kehidupan yang lebih berkualitas Bias juga dapat disebabka akibat data yang dikenali berdasarkan suatu posisi kaku.

Dalam mengenali rekam gambar medis dapat terjadi hambatan pada AI seperti posisi yang berganti dan lokasi yang berbeda.

Kekurangan lainnya adalah data berkualitas di era zaman sekarang tidaklah mudah diakses, keterlibatan stakeholders dan institusi memberikan tekanan dalam pembelajaran AI meliputi lisensi dan hak kekayaan dan intelektualitas.

Terkait data juga adanya kesulitan dalam regulasi etika yang muncul ketika data-data tersebut diberikan kepada AI. Informasi privasi pasien dan klien juga menjadi sebuah konsiderasi.

KESIMPULAN

AI memberikan manfaat nyata sebagai pembantu diagnosa berdasarkan rekam gambar berupa analisis lebih yang menunjang praktisi veteriner. Adapun kekurangan yang dapat menjadi permasalahan bagi AI untuk benar-benar mampu memberikan analisa yang baik. Hal ini dikembalikan lagi kepada praktisi veteriner terutama dokter hewan itu sendiri untuk sebagai orang yang mampu benar-benar mendorong diagnostik secara tepat, perlunya kesepakatan bersama antar kolega dan institusi untuk membuat sebuah AI yang mampu memberikan bantuan analisa rekam gambar medis untuk pengambilan diagnostik. Masih banyak daerah perkembangan yang luas untuk memperoleh AI mendorong diagnostik veteriner di masa depan.

DAFTAR PUSTAKA

1. Appleby R.B. dan Bas P.S. Artificial Intelligence in Veterinary Medicine. AVMA Journal. 2022 Mar 30; 260(8): 109-120.

2. Basran P.S. dan Apple R.B. The Unmet Potential of Artificial Intelligence Veterinary Medicine. AVMA Journal. 2022 Mar 30; 83(5): 170-182.

3. Molini A.D.R., Rondon M.S., Amato C.A., Samelli A.G. A systematic review of the use of telehealth in speech, language and hearing sciences. J TelemedTelecare. 2015; 21(7):367–376.

4. Prince S.J.D. Computer Vision: Computer Graphics, Image ProcessingandRobotics. Cambridge University Press; 2012.

5. Luo J.W, Chong J.J.R.. Review of natural language processing in radiology. Neuroimaging Clin N Am. 2020;30(4):447–458.

6. Noorbakhsh S. N., Zhang Y, Abedi V. Artificial intelligence transforms the future of healthcare. Am J Med. 2019;132(7):795–801.

6. Hennesey E., DiFazio, M., Hennessey R., Cassel N. Artificial intelligence in veterinary diagnostic imaging: A literature review. WILEY Journal. 2022 Feb 22; 63(1): 851-870.

7. Wedyawati V., Febriyani I., Nafizah A. Sistem Pakar Diagnosa Penyakit Pada Kucing di Klinik Hewan Happy Pet Clinic Menggunakan Metode Forward Chaining. Jurnal Ilmu Komputer dan Bisnis. 2020 Nov 10; 9(2): 101-112.