VOKASI NEWS – Pemanfaatan Artificial Intelligence pada mamografi membantu meningkatkan akurasi deteksi kanker payudara melalui analisis citra yang lebih konsisten dan efisien.
Mamografi masih menjadi modalitas utama dalam program skrining kanker payudara karena kemampuannya mendeteksi kelainan sejak stadium awal. Deteksi dini ini sangat penting untuk meningkatkan peluang keberhasilan terapi sekaligus menurunkan angka mortalitas. Namun, interpretasi citra mamografi tidak selalu mudah, terutama pada pasien dengan jaringan payudara padat yang dapat menyamarkan keberadaan lesi.
Tantangan tersebut mendorong berkembangnya teknologi pendukung di bidang radiologi, salah satunya melalui penerapan Artificial Intelligence (AI). Teknologi ini diharapkan mampu membantu meningkatkan akurasi dan konsistensi diagnosis, sekaligus mendukung kinerja radiolog dalam membaca citra mamografi secara lebih efisien.
AI sebagai Pendukung Interpretasi Mamografi
Penerapan Artificial Intelligence dalam radiologi memanfaatkan algoritma komputasi untuk menganalisis citra medis secara otomatis. Pada pemeriksaan mamografi, AI dikembangkan untuk membantu mendeteksi lesi, mikroklasifikasi, serta membedakan jaringan jinak dan ganas. Sistem ini umumnya menggunakan pendekatan Machine Learning (ML) dan Deep Learning (DL) sebagai dasar pengolahan data.
Evaluasi penerapan AI pada pemeriksaan mamografi dilakukan melalui kajian literatur jurnal internasional dalam lima tahun terakhir. Kajian ini menilai efektivitas berbagai algoritma AI berdasarkan parameter diagnostik, seperti sensitivitas, spesifisitas, positive predictive value, dan area under curve (AUC). Parameter tersebut digunakan untuk menggambarkan performa AI dalam membantu interpretasi citra mamografi.
Hasil kajian menunjukkan bahwa algoritma Deep Learning, khususnya Convolutional Neural Network (CNN), menjadi pendekatan yang paling banyak digunakan dan menunjukkan performa diagnostik tertinggi. CNN mampu mengekstraksi fitur citra secara otomatis tanpa memerlukan proses ekstraksi manual, sehingga lebih efektif dalam mengenali pola kompleks pada citra mamografi.
Perbandingan Kinerja Algoritma AI
Algoritma Machine Learning seperti Support Vector Machine (SVM) dan Random Forest masih digunakan, terutama pada penelitian berbasis radiomics. Metode ini dinilai efektif untuk dataset berukuran kecil karena memiliki kompleksitas komputasi yang lebih rendah. Namun, performa Machine Learning sangat bergantung pada kualitas ekstraksi fitur yang dilakukan secara manual.
Sebaliknya, Deep Learning menunjukkan keunggulan dalam mengenali pola citra secara otomatis dan lebih mendalam. Algoritma ini cenderung memiliki sensitivitas yang lebih tinggi dibandingkan Machine Learning, sehingga lebih efektif dalam mendeteksi kelainan pada tahap awal. Sementara itu, Machine Learning dinilai unggul dari sisi spesifisitas.
Menariknya, penelitian yang mengombinasikan pendekatan Machine Learning dan Deep Learning menunjukkan hasil yang lebih seimbang. Kombinasi tersebut mampu meningkatkan sensitivitas tanpa mengorbankan spesifisitas, sehingga dinilai memberikan performa diagnostik yang lebih optimal dalam pemeriksaan mamografi.
Peluang dan Tantangan Implementasi Klinis
Penerapan Artificial Intelligence dalam pemeriksaan mamografi membuka peluang besar untuk meningkatkan akurasi diagnosis dan efisiensi pelayanan kesehatan. Teknologi ini berpotensi membantu radiolog dalam menjaga konsistensi interpretasi citra serta berfungsi sebagai sistem triase dengan memprioritaskan kasus berisiko tinggi.
Meski demikian, implementasi AI masih menghadapi sejumlah tantangan. Variasi kualitas dataset pelatihan dapat memengaruhi hasil analisis dan kemampuan generalisasi algoritma. Selain itu, keterbatasan integrasi antara data klinis dan data citra, serta potensi bias algoritma, menjadi aspek penting yang perlu mendapat perhatian.
Oleh karena itu, validasi klinis dan pengawasan berkelanjutan tetap diperlukan agar penerapan Artificial Intelligence dapat berjalan secara aman dan optimal. Dengan pengembangan yang tepat, AI diharapkan dapat menjadi sistem pendukung yang andal dalam deteksi dini kanker payudara melalui pemeriksaan mamografi.
[BACA JUGA: Media Edukasi Video Tingkatkan Pengetahuan Pasien Kanker Payudara tentang Prosedur Radioterapi]
***
Penulis: Violina Elisabet Palang Tukan
