Penerapan AI di Bidang Kesehatan untuk Diagnostik Kanker Payudara, Temukan Kasus Lebih Banyak

Untuk temuan positif palsu (false positive), yaitu saat mammogram pertama menunjukkan hasil mencurigakan tetapi yang kedua mendapati hasil bersih, baik sistem yang didukung AI maupun radiolog sama-sama mendapatkan hasil 1,5 persen kasus.

“Potensi terbesar AI saat ini adalah memungkinkan ahli radiologi untuk mengurangi beban membaca yang berlebihan,” kata Kristina Lang, radiolog di Universitas Lund Swedia dan penulis utama studi tersebut, sebagaimana dikutip AFP.

Riset yang digawangi Lang disebut mengurangi beban kerja radiolog hingga 44 persen. Karena, kata mereka, hanya butuh satu orang untuk membaca hasil pindaian dibanding kebutuhan normal dua radiolog.

Meski demikian, Lang mengatakan hasil riset ini belum berarti AI sudah siap diterapkan dalam pemeriksaan mammografi.

Kolega Lang pun menyebut, butuh setidaknya dua tahun lagi sebelum uji coba penerapan untuk mengurangi risiko kanker muncul di antara dua waktu skrining rutin (interval cancer).

Baca juga: Cara Menggunakan dan Login Chat GPT Open AI dalam Bahasa Indonesia

Stephen Duffy, profesor skrining kanker di Queen Mary University of London yang tidak terlibat dalam riset ini berpendapat, algoritma AI mungkin berlebihan mendeteksi kanker yang dikenal sebagai karsinoma duktal in situ (ductal carcinoma in situ atau DCIS).

Meski demikian, Duffy memuji riset Lang sebagai berkualitas tinggi.

Mengurangi beban waktu radiolog dia sebut sangat penting terkait program skrining payudara.

Bukan satu-satunya riset Upaya mendeteksi kanker payudara dengan bantuan AI bukan baru kali pertama ini terpantau di media.

Sama-sama menggunakan AI, pendekatan yang dilakukan juga tak satu macam.

Pada 2020, misalnya, Google yang menggandeng DeepMind, Cancer Imperial Centre Imperial Research, dan Royal Surrey Country juga telah menjajal AI untuk lebih akurat mendeteksi kanker payudara.

Berbekal data mammogram saja tanpa akses data lain, AI Google dapat mengurangi kekeliruan diagnosis, termasuk positif palsu maupun negatif palsu, secara signifikan.

Google menggunakan dataset representatif berupa mammogram yang tidak teridentifikasi dari 76.000 perempuan di Inggris dan 15.000 perempuan di Amerika Serikat (AS).

Data tersebut digunakan sebagai model untuk menemukan tanda kanker payudara.

Pemodelan itu lalu dievaluasi menggunakan data lain yang sudah teridentifikasi dari 25.000 perempuan di Inggris dan 3.000 perempuan di AS.