VOKASI NEWS – Pemeriksaan hitung jenis leukosit (differential count) merupakan salah satu parameter penting dalam hematologi klinis yang digunakan untuk menegakkan diagnosis berbagai kondisi infeksi, inflamasi, hingga keganasan hematologi. Selama ini, metode manual dengan mikroskop cahaya dianggap sebagai gold standard karena kemampuannya menilai morfologi sel secara langsung. Namun demikian, metode ini memiliki kelemahan mendasar berupa tingginya subjektivitas penilaian serta variabilitas hasil antar-analis, yang berpotensi menurunkan konsistensi diagnosis di laboratorium klinik.
Perkembangan teknologi digital pathology telah melahirkan Smart Diagnostic Device berbasis Artificial Intelligence (AI) yang diklaim mampu memberikan hasil hitung jenis leukosit secara lebih cepat dan objektif. Meski demikian, sebelum alat berbasis AI ini dapat diadopsi secara luas dalam praktik klinis, diperlukan validasi yang ketat terhadap acuan manual yang benar-benar konsisten sebagai pembanding.
Hasil Perbandingan Pembacaan Manual dan Artificial Intelligence pada Hitung Jenis Leukosit
Penelitian ini menggunakan desain cross-sectional dengan pendekatan diagnostic accuracy dan method comparison, melibatkan 77 preparat apusan darah tepi normal. Tiga analis independen melakukan pembacaan manual secara terpisah untuk menilai ketelitian ulang (repeatability). Selanjutnya, hasil pembacaan tersebut dianalisis menggunakan Coefficient of Variation (CV) dan Intraclass Correlation Coefficient (ICC). Selanjutnya, hasil pembacaan AI dievaluasi secara descriptive agreement terhadap hasil manual tersebut.
Hasil analisis CV menunjukkan variasi ketelitian yang berbeda antar jenis sel. Neutrofil menunjukkan CV rendah (19,17%–23,33%), limfosit menunjukkan CV sedang (35,72%–39,21%), sementara monosit dan eosinofil menunjukkan CV tinggi (47,83%–84,57%). Basofil menunjukkan CV sangat tinggi, bahkan mencapai 125%–850%, mengindikasikan variabilitas ekstrem pada pembacaan sel ini.
Temuan tersebut sejalan dengan hasil uji ICC. Neutrofil dan limfosit menunjukkan kategori Excellent, menandakan konsistensi tinggi antar-analis. Monosit dan eosinofil berada pada kategori Good, sedangkan basofil berada pada kategori Poor. Evaluasi terhadap performa AI menunjukkan hasil yang optimal pada sel dengan karakteristik CV rendah hingga sedang, yaitu neutrofil dan limfosit.
Variabilitas Pembacaan Manual dan Kelayakannya sebagai Benchmark Validasi AI
Rendahnya variabilitas pada neutrofil dan limfosit dapat dijelaskan oleh jumlah populasi sel yang relatif besar dalam apusan darah normal, sehingga peluang analis untuk mengidentifikasi sel tersebut lebih tinggi dan konsisten. Sebaliknya, monosit, eosinofil, dan terutama basofil memiliki proporsi yang sangat kecil dalam sirkulasi darah normal. Akibatnya, kesalahan penghitungan akibat jumlah sel yang sedikit (sampling error) menjadi lebih berpengaruh terhadap nilai CV.
Kondisi ini berimplikasi langsung terhadap kelayakan hasil manual sebagai benchmark evaluasi alat berbasis AI. Pembacaan manual neutrofil dan limfosit sangat layak dijadikan benchmark utama karena terbukti konsisten dan reliabel. Sementara itu, monosit dan eosinofil hanya layak digunakan sebagai benchmark terbatas mengingat variabilitasnya yang lebih tinggi. Basofil, dengan variasi ekstrem dan tingkat kesepakatan yang rendah, tidak direkomendasikan sebagai acuan tunggal dalam validasi alat AI.
Implikasi Penelitian terhadap Pengembangan Smart Diagnostic Device Berbasis AI
Penelitian ini menegaskan bahwa tidak semua parameter hitung jenis leukosit memiliki tingkat keandalan yang sama sebagai acuan validasi. Neutrofil dan limfosit terbukti paling layak dijadikan benchmark utama, sedangkan monosit dan eosinofil dapat digunakan secara terbatas. Sementara itu, basofil memerlukan pendekatan validasi tambahan di luar metode manual konvensional agar evaluasi performa Smart Diagnostic Device berbasis AI dapat dilakukan secara lebih akurat dan bermakna secara klinis.
[BACA JUGA: Tak Hanya Trombosit, Fungsi Hati juga Perlu Dipantau pada Pasien DBD]
Penulis: Rania Aura Salsabiela
Editor: Vioretha (Tim Vokasi Branding)
