| Abstract |
: |
Tuberkulosis (TB) adalah salah satu penyakit infeksi yang paling mematikan di dunia.
Sekitar sepertiga pasien tidak mendapatkan diagnosis yang cepat dan akurat atau pengobatan
yang efektif, sehingga meningkatan kemungkinan kematian. Indonesia dengan jumlah populasi
274 juta, menjadi negara dengan beban TB terbesar ketiga. Indonesia juga mempunyai
kesenjangan tertinggi kedua di dunia antara jumlah kasus sebenarnya dengan kasus yang
terdeteksi. WHO menganjurkan agar skrining TB dilakukan dengan pemeriksaan gejala dan Xray dada. X-ray dada memiliki sensitivitas yang lebih tinggi dibanding pemeriksaan gejala (87%
v.s. 70%).
Meskipun sensitivitas X-ray dada tinggi ketika diinterpretasikan oleh dokter ahli
radiologi yang berpengalaman, tidak semua daerah memiliki akses terhadap dokter ahli
radiologi. Oleh karena itu, dalam pedoman skrining TB yang terbaru (Maret 2021), WHO
merekomendasikan penggunaan perangkat lunak CAD untuk membantu interpretasi X-ray dada
digital untuk skrining TB bagi individu berusia >15 tahun. CAD juga dapat digunakan sebagai
second reader pada pusat pelayanan kesehatan yang memiliki dokter ahli radiologi.
Beberapa produk perangkat lunak CAD telah dikembangkan dalam interpretasi X-ray
digital untuk diagnosis TB, seperti CAD4TB (DIAG, Radboud University, Belanda), qXR
(Qure.AI, India), dan Lunit INSIGHT CXR (Lunit, Korea Selatan), namun tidak ada perangkat
lunak CAD yang dikembangkan oleh Indonesia, sedangkan Indonesia memiliki angka kejadian
dan beban TB tertinggi nomor tiga di dunia.
Oleh karena itu, penelitian ini bertujuan untuk mengembangkan perangkat lunak CAD
untuk membantu interpretasi hasil X-ray dada digital dan menginvestigasi sensitivitas dan
spesifisitasnya. Pengembangan perangkat lunak CAD ini melalui 3 fase, yaitu uji profiling, uji
validasi, dan uji skrining. Dengan dana DAMAS ini, akan dilakukan uji profiling.
Foto radiografi dada pasien yang terdiagnosis TB dan radiografi dada pasien dengan
keluhan pernapasan yang lain di RSUP Dr. Sardjito yang didapatkan pada tahun 2021 (sebanyak
minimal 3160 sampel) akan dilatihkan ke perangkat lunak CAD. Segmentasi area paru-paru
dilakukan untuk membagi bidang paru-paru menjadi area yang tumpang tindih dengan berbagai
ukuran. Fitur tekstur diekstraksi dari setiap area, menggunakan multiscale filter bank. Satu
dataset pelatihan yang terpisah akan dibangun untuk setiap area. Semua area diklasifikasikan
dengan k-nearest neighbours dan metode leave-one out. Selanjutnya, hasil klasifikasi dari
masing-masing area digabungkan, menggunakan pengganda berbobot di mana area dengan
klasifikasi yang lebih andal memiliki bobot yang lebih berat, sehingga akan dihasilkan skor
abnormalitas untuk setiap gambar. Kurva ROC akan memplot fraksi true positive sebagai fungsi
dari fraksi false positive. Analisis area di bawah kurva ROC (AUC) dan standar deviasinya akan
dilakukan dengan STATA 17 (StataCorp LLC, College Station, TX).
Penelitian ini adalah kerjasama departemen Ilmu Penyakit Dalam, Pusat Kedokteran
Tropis, Radiologi, RSUP Dr. Sardjito, dan institusi mitra (Fakultas MIPA UGM) dengan hasil
publikasi dan pengembangan perangkat lunak computer-aided detection untuk membantu
dokter ahli radiologi dalam skrining TB. Dengan penelitian ini, skrining TB yang lebih efektif,
mudah, dan menjangkau seluruh lapisan masyarakat dapat dilakukan, dan pada akhirnya
meningkatkan kualitas pelayanan kesehatan bagi masyarakat.
Penelitian ini sejalan dengan peta jalan dan renstra penelitian FKKMK UGM, yaitu
pencegahan, diagnostik, intervensi medis dan kesehatan masyarakat untuk peningkatan kualitas
pelayanan dengan pemanfaatan teknologi untuk kedokteran dan pelayanan dalam bidang
penyakit menular, dan berorientasi pada paten dan hilirisasi produk.
Kata kunci: tuberkulosis, skrining, X-ray dada, kecerdasan buatan, computer-aided detection
|
