VOKASI NEWS – Kanker payudara masih menjadi salah satu tantangan utama dalam bidang kesehatan di Indonesia. Kanker payudara masih menjadi salah satu masalah kesehatan yang perlu mendapatkan perhatian serius di Indonesia. Berdasarkan data Global Cancer Observatory (GLOBOCAN) tahun 2022, kanker payudara merupakan jenis kanker dengan jumlah kasus baru tertinggi pada perempuan di Indonesia. Tingginya angka kejadian tersebut menunjukkan bahwa risiko kanker payudara masih menjadi tantangan besar dalam upaya peningkatan kesehatan masyarakat. Oleh karena itu, deteksi dini sangat penting dilakukan agar pasien dapat memperoleh penanganan sedini mungkin dan peluang keberhasilan terapi menjadi lebih besar.
Ultrasonografi sebagai Modalitas Pencitraan Kanker Payudara
Salah satu modalitas pencitraan yang banyak digunakan dalam evaluasi kanker payudara adalah ultrasonografi. Pemeriksaan ultrasonografi memiliki beberapa keunggulan yang menjadikannya banyak digunakan dalam evaluasi kelainan payudara. Metode ini tidak menggunakan radiasi pengion sehingga relatif aman untuk berbagai kelompok pasien. Selain itu, ultrasonografi mampu menghasilkan pencitraan secara real-time dan efektif digunakan pada wanita dengan jaringan payudara yang padat. Namun demikian, hasil interpretasi citra ultrasonografi masih sangat bergantung pada pengalaman, keterampilan, dan keahlian operator yang melakukan pemeriksaan.
Pemanfaatan Deep Learning dalam Analisis Citra Medis
Perkembangan teknologi kecerdasan buatan, khususnya deep learning, membuka peluang untuk membantu proses analisis citra medis secara lebih cepat dan konsisten. Salah satu arsitektur deep learning yang memiliki performa baik dalam klasifikasi citra adalah Inception-V4. Berdasarkan potensi tersebut, penelitian ini mengembangkan model klasifikasi kanker payudara pada citra ultrasonografi menggunakan arsitektur Inception-V4 sebagai upaya mendukung proses deteksi dini.
Sumber dan Karakteristik Data Penelitian
Penelitian menggunakan citra ultrasonografi payudara yang diperoleh dari RS PHC Surabaya. Pemeriksaan dilakukan menggunakan perangkat ultrasonografi GE HealthCare dengan transduser linear-array frekuensi 12 MHz. Seluruh data yang digunakan telah melalui proses validasi oleh dokter spesialis radiologi, sedangkan kasus malignant telah terkonfirmasi melalui pendekatan triple diagnosis sehingga kualitas pelabelan data dapat dipertanggungjawabkan secara klinis.
Metode Pengolahan Data dan Pengembangan Model
Setelah melalui proses seleksi sesuai kriteria penelitian, diperoleh sebanyak 1.307 citra ultrasonografi yang terdiri atas 989 citra normal dan 318 citra malignant. Selanjutnya dilakukan tahap preprocessing untuk menyesuaikan format citra sebelum data dibagi menjadi data pelatihan, validasi, dan pengujian. Model Inception-V4 kemudian dilatih menggunakan pendekatan transfer learning dan dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score.
Hasil Klasifikasi Menggunakan Inception-V4
Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan citra ultrasonografi payudara dengan performa yang sangat baik. Pada tahap pengujian, model memperoleh nilai akurasi sebesar 98,46%. Selain itu, model juga menghasilkan nilai presisi, recall, dan F1-score masing-masing sebesar 97,14%. Hasil tersebut menunjukkan bahwa model memiliki kemampuan yang baik dalam membedakan citra payudara normal dan malignant, sekaligus menjaga keseimbangan antara kemampuan mendeteksi kasus keganasan dan meminimalkan kesalahan klasifikasi.
Implikasi dan Pengembangan Penelitian di Masa Mendatang
Performa yang diperoleh menunjukkan bahwa arsitektur Inception-V4 memiliki potensi sebagai alat bantu dalam proses klasifikasi citra ultrasonografi payudara. Pemanfaatan teknologi deep learning tidak dimaksudkan untuk menggantikan peran dokter radiologi, melainkan sebagai sistem pendukung yang dapat memberikan informasi tambahan dalam proses interpretasi citra sehingga membantu meningkatkan konsistensi hasil analisis.
Penelitian ini diharapkan dapat menjadi salah satu referensi dalam pengembangan penerapan kecerdasan buatan di bidang radiologi, khususnya pada analisis citra ultrasonografi payudara. Dengan pengembangan lebih lanjut menggunakan jumlah data yang lebih besar dan beragam, teknologi berbasis deep learning diharapkan mampu memberikan kontribusi dalam mendukung proses deteksi dini kanker payudara serta meningkatkan kualitas pelayanan kesehatan di masa mendatang.
[BACA JUGA: Ciptakan Gerakan Optimal Dengan Core Stability Exercise]
Penulis: Nabilah Putri Natasyah
Editor: Aghnia Faiza (Tim Branding Vokasi)
