Kanker payudara bisa lebih cepat terdeteksi AI

Berdasarkan data Global Cancer Observatory (2018), ada 58.256 kasus kanker payudara yang semuanya didiagnosis pada perempuan Indonesia. Kurangnya pemahaman tentang penyakit ini telah menyebabkan keterlambatan diagnosa yang mengarah pada kematian. Menurut Departemen Kesehatan di Indonesia, 70% dari semua kasus kanker di Indonesia didiagnosis pada stadium lanjut.

Banyak kanker dimulai dengan perubahan yang sangat kecil sehingga tidak ada orang yang menyadari gejala-gejalanya. Dari sisi organisasi kesehatan, dengan anggaran terbatas, mereka harus menemukan cara baru untuk meningkatkan efisiensi operasional sambil memenuhi atau melampaui standar tertinggi perawatan pasien. Oleh karena itu, teknologi diharapkan dapat memberikan layanan yang lebih baik bagi pasiennya.

Mengembangkan program artificial intelligence (AI) yang dapat dilatih dengan deep learning untuk melihat perubahan paling awal dalam struktur sel yang biasanya berkembang menjadi sel kanker adalah salah satu langkah yang bisa diambil. Program-program ini dapat memperingatkan para ahli onkologi, yang kemudian dapat memandu protokol perawatan pasien dengan akurasi dan efektivitas yang lebih besar. Penilaian risiko kanker payudara yang menggunakan teknologi AI ini terbukti dapat mengurangi biaya hingga 5% dibandingkan dengan tes genomik yang umum dilakukan saat ini.

Dengan fokus untuk melakukan intervensi awal, perawatan kesehatan preventif, dan transformasi digital, organisasi kesehatan kini semakin meningkatkan adopsi mereka terhadap teknologi medical imaging. Kemajuan dalam teknologi ini, termasuk kemampuan 3D dan 4D, real-time analytics, dan pemrosesan yang dipercepat oleh unit pemrosesan grafis (GPUs), memberi alat yang kuat bagi ahli radiologi untuk membuat diagnosis yang lebih cepat dan lebih akurat serta membantu mencegah ahli radiologi mengalami kelelahan.

Aplikasi AI khusus dapat mendukung ahli radiologi dan mencegah kesulitan dengan "menyusun" tumpukan gambar. Caranya, teknologi AI akan dengan cepat memilah gambar normal dan melakukan flagging bagi gambar-gambar pengecualian. Hasilnya, ahli radiologi dapat menemukan gambar yang menunjukkan anomali atau indikator penyakit lebih cepat dan kemudian fokus untuk mendiagnosa dan memberi saran pengobatan, tanpa harus berlama-lama menyaring gambar. Sebagai contoh, AI memungkinkan hasil MRI untuk mempercepat rekonstruksi gambar hingga 100 kali, dan dengan akurasi 5 kali lebih besar. Berdasarkan data NVIDIA, dengan AI, para ahli onkologi akan dapat mengurangi kesalahan diagnosa dalam mendeteksi kanker payudara hingga 85%.

NetApp selaku partner NVIDIA percaya bahwa AI dapat menjadi salah satu jawaban untuk meningkatkan kualitas layanan kesehatan, meningkatkan efisiensi, mempercepat proses diagnosa, dan mengurangi biaya.

"Dari medical imaging hingga pembedahan yang dibantu robot hingga penemuan obat, AI semakin baik dan semakin canggih untuk membantu sektor ini menjadi lebih baik,” kata Ana Sopia, County Manager, NetApp Indonesia.

Potensi kecerdasan buatan untuk perawatan kesehatan:

AI memungkinkan untuk meninjau ribuan dan jutaan catatan atau gambar dalam waktu yang lebih singkat dan menerapkan kognisi untuk membuka kunci data dalam jumlah besar. Kemampuan deep learning yang dimilikinya mendeteksi perubahan seawal mungkin mendiagnosa struktur sel yang biasanya berkembang menjadi sel kanker.

Metode ini pun baik digunakan untuk memperkuat medical imaging atau pengurutan genom, keberhasilan AI sepenuhnya bergantung pada akses ke sejumlah besar data yang dapat digunakan untuk mengidentifikasi pola, memprediksi, dan memungkinkan sistem otonom yang semakin akurat. Namun, data ini dapat berada di mana saja, secara inheren dinamis, dan seringkali dalam berbagai bentuk. Menurut para pemimpin di industri TI, membuat pengelompokan data dan kompleksitas teknologi menjadi dua tantangan terbesar untuk memindahkan membuat proyek AI menjadi produksi.

 “Bersama dengan mitra kami, NVIDIA, cloud-connected all-flash storage dari NetApp akan menyederhanakan, mempercepat, dan mengintegrasikan data di pipeline untuk AI dan deep learning untuk membangun solusi kesehatan berbasis AI yang cerdas, kuat, dan tepercaya,”tutup Ana Sopia.