Grup Riset AI Universitas Brawijaya Kembangkan Sistem Diagnostik Medis yang Transparan, Tingkatkan Akurasi Analisis Penyakit

CITILIVE – Universitas Brawijaya (UB) terus memperkuat pengembangan kecerdasan artifisial (Artificial Intelligence/AI) di bidang kesehatan. Melalui Grup Riset AI for Medical Physics di Laboratorium Fisika Medis dan Biofisika Fakultas Sains, Teknologi, dan Matematika (FSTeM), UB mengembangkan sistem diagnostik berbasis AI yang tidak hanya memiliki tingkat akurasi tinggi, tetapi juga mampu menjelaskan dasar pengambilan keputusan medis secara ilmiah.

Grup riset yang dipimpin Guru Besar Fisika Medis dan Radiologi UB, Prof. Chomsin S. Widodo, S.Si., M.Si., Ph.D., tersebut mengintegrasikan teknologi AI dengan fisika medis, radiologi, pencitraan medis, biomedis, serta machine learning untuk menghasilkan sistem pendukung diagnosis yang lebih objektif dan dapat dipertanggungjawabkan secara klinis, pada Sabtu (25/7) di laboratorium FSTeM UB.

Berbeda dengan sistem AI konvensional yang bekerja layaknya black box, tim UB mengembangkan konsep Explainable Artificial Intelligence (Explainable AI). Pendekatan ini memungkinkan setiap hasil diagnosis ditelusuri berdasarkan parameter medis yang dapat dipahami dan diverifikasi oleh dokter, sehingga meningkatkan kepercayaan terhadap pemanfaatan AI dalam layanan kesehatan.

Penelitian memanfaatkan berbagai sumber data, mulai dari citra radiologi, parameter paparan radiasi, informasi anatomi, hingga sinyal biomedis. Seluruh data tersebut diolah untuk menghasilkan analisis yang lebih akurat sekaligus transparan dalam mendukung pengambilan keputusan klinis.

Selain mengembangkan Explainable AI, grup riset juga membangun sistem klasifikasi tingkat keparahan penyakit berbasis machine learning, analisis Nerve Conduction Study (NCS) untuk diagnosis gangguan saraf, hingga penelitian hubungan antara paparan radiasi, dosis radiasi, dan kualitas citra mamografi.

Dalam setiap penelitian, tim tidak hanya mengejar peningkatan akurasi model AI, tetapi juga memperkuat traceability atau keterlacakan hasil analisis melalui parameter klinis seperti Cardiothoracic Ratio (CTR), amplitudo dan latensi saraf, kecepatan konduksi saraf, Mean Glandular Dose (MGD), hingga fitur-fitur radiomics. Pendekatan tersebut diharapkan menjadikan AI sebagai alat bantu yang memberikan dasar kuantitatif bagi dokter, bukan sekadar menghasilkan label diagnosis.

Empat Riset Prioritas

Grup AI for Medical Physics UB saat ini mengembangkan empat penelitian strategis, yakni:

• Explainable AI untuk diagnosis kardiomegali melalui citra rontgen dada menggunakan model UBNet-Seg yang mampu menghitung nilai Cardiothoracic Ratio (CTR) sebagai indikator pembesaran jantung.
• Analisis Nerve Conduction Study (NCS) untuk meningkatkan objektivitas diagnosis dan tingkat keparahan polineuropati menggunakan data pasien RSUD Dr. Saiful Anwar Malang periode 2022–2025.
• Klasifikasi tingkat keparahan radikulopati lumbosakral berbasis machine learning dengan memanfaatkan data 706 pasien berdasarkan parameter saraf Peroneal, Tibial, dan Sural.
• Optimasi parameter paparan radiasi dan radiomics mamografi menggunakan Phantom ACR untuk meningkatkan kualitas pencitraan sekaligus menekan dosis radiasi yang diterima pasien.

Selain pengembangan algoritma AI, laboratorium juga mengerjakan proses akuisisi dan kurasi data klinis, pengolahan citra medis, segmentasi anatomi, ekstraksi fitur, analisis statistik, validasi model, hingga pengembangan antarmuka aplikasi yang siap digunakan dalam lingkungan pelayanan kesehatan.

Seluruh penelitian dilakukan melalui kolaborasi dengan berbagai rumah sakit dan fasilitas pelayanan kesehatan. Hasil riset diarahkan untuk menghasilkan publikasi ilmiah bereputasi internasional, perangkat lunak pendukung diagnosis medis, peningkatan kualitas pendidikan mahasiswa, serta mendorong implementasi teknologi AI yang aman, transparan, dan dapat dimanfaatkan dalam pelayanan kesehatan di Indonesia.