Kecerdasan buatan (Artificial Intelligence (AI)) di saat ini semakin dikembangkan penggunaannya, tak terkecuali di bidang kesehatan. Seperti yang misalnya dilakukan oleh para akademisi kesehatan yang aktif di Pusat Kedokteran Tropis Universitas Gadjah Mada (PKT UGM).
Mereka saat ini sedang mengembangkan pemanfaatan machine learning dalam penanganan penyakit tuberkulosis atau TBC. Alat itu, bisa mendeteksi penyakit TBC yang diidap seseorang, menggunakan alat bernama e-nose.
Penampilan perangkat e-nose persis sama seperti Genose yang pada tahun lalu; karena ternyata memang perangkat e-nose adalah Genose dengan software telah dimodifikasi.
Direktur PKT UGM, dr. Riris Andono Ahmad mengatakan, PKT UGM telah terlibat dalam program eliminasi tuberkulosis yang dijalankan nasional, sejak tahun 2000-an.
Saat ini, mereka memiliki tiga riset dalam konteksnya dengan penanganan tuberkulosis. Tiga proyek ini berasal dari total 39 proyek riset yang diselenggarakan oleh PKT UGM.
Riset-riset itu antara lain Zero TB Yogyakarta, aplikasi TOMO dan e-nose. Tiga riset inipun memiliki keterkaitan satu sama lain.
Proyek Zero TB Yogyakarta, lanjut dia, diluncurkan sejak 2019 dan menggunakan pendekatan search, treat, prevent (temukan, obati, cegah). Pendekatan tersebut dilakukan secara inovatif, komprehensif dan masif. Salah satu kegiatannya adalah penemuan kasus tuberkulosis secara aktif, melalui rontgen dada.
"Kini, proyek kami berfokus pada penelitian berbasis pemanfaatan teknologi," kata dia, Selasa (21/3/2023).
dr.Donnie, panggilan akrabnya, menjelaskan kalau pencegahan diperlukan karena penyakit tuberkulosis adalah penyakit yang bersifat infeksi laten.
Tantangan dari pendekatan pencegahan, yakni, orang-orang yang telah terpapar pasien tuberkulosis (TBC), belum tentu langsung diketahui tertular TBC pada saat itu juga atau waktu yang singkat. Melainkan akumulasi waktu yang cukup panjang. Dengan demikian, deteksi dini diperlukan agar orang yang 'berpotensi terinfeksi TBC' tidak benar-benar kemudian terkena TBC.
Tantangan pendekatan 'temukan', menurut Donnie, yaitu adanya gap besar antara insidensi dan penemuan.
"Untuk itu, selain melakukan skrining aktif lewat x-ray dada, kami mengembangkan alat skrining baru TBC yakni e-nose [proyek kedua]. Prinsip deteksinya sama dengan Genose, bisa identifikasi penyakit dengan VOC (volatile organic compound)," ungkapnya.
Menurut tim peneliti, perangkat ini ideal digunakan oleh orang yang mengalami kesulitan dalam mengeluarkan dahak. Selain berbiaya produksi rendah, perangkat ini mudah dibawa, karena instrumen yang portabel dan membutuhkan sedikit daya listrik, sehingga ideal untuk digunakan di daerah terpencil.
Cara kerja mesin ini mempelajari senyawa yang mereka teliti, atas udara yang berasal dari napas seseorang yang diuji.
"Machine learning-nya bedanya antara Genose saat mendeteksi Covid-19 dan mendeteksi TBC. Walau sampel yang diteliti sama, tetapi pola senyawanya berbeda," terangnya.
Perbedaan lain e-nose dengan Genose, yaitu kalau Genose bisa memberikan hasil deteksi setelah 3 menit. Sedangkan e-nose membutuhkan tambahan waktu, sekitar empat menit, digunakan oleh mesin untuk membersihkan atau menetralisisasi perangkat dari sampel pasien yang diuji sebelumnya.
Dengan demikian, sampel yang sebelumnya diuji tidak kemudian memengaruhi hasil uji pasien yang baru diuji setelahnya.
Tujuan utama penelitian adalah menyelidiki sensitivitas dan spesifitas e-nose untuk skrining pasien TBC. Selain itu, untuk mengetahui waktu dan biaya penggunaan algoritma skrining e-nose untuk mendeteksi satu kasus TBC.
Dari laman website PKT UGM diketahui, e-nose mulanya merupakan sebuah alat skrining yang dikembangkan oleh UGM untuk mendiagnosis penyakit pernapasan. Kemudian pada inovasi e-nose TBC, digunakan untuk meningkatkan diagnosis kasus TBC.
Kini, tim masih mengumpulkan data pasien suspek atau curiga TBC dari Papua, Jawa Tengah dan Daerah Istimewa Yogyakarta. Karena mesin ini masih dalam penelitian dan pengembangkan lebih lanjut, agar terus 'belajar'.
