Kehidupan manusia saat ini tidak dapat terlepas dari pengaruh dan perkembangan teknologi. Teknologi membantu kita dalam menentukan pilihan, memberikan pertimbangan dan mengambil keputusan. Algoritma dalam media sosial merupakan salah satu contoh penerapan artificial inteligence dalam membantu kita menentukan pilihan dari pola kebiasaan yang kita lakukan dalam menggunakan media sosial.

Artificial Intelligence (AI) telah berkembang pesat dalam beberapa tahun terakhir, membawa transformasi yang signifikan dalam berbagai bidang, termasuk dalam bidang kedokteran khususnya endoskopi saluran cerna. Sebagian besar sistem AI menggunakan algoritma computer-aided diagnosisI (CADx) dan computer-aided detection (CADe) yang dirancang untuk mendeteksi, mengidentifikasi, dan membedakan lesi yang mencurigakan seperti polip, tumor, ulkus, serta area displasia. Meskipun demikan teknologi AI masih perlu dievaluasi lebih lanjut. Artikel ini akan membahas bagaimana AI diaplikasikan dalam endoskopi saluran cerna serta dampaknya pada praktik klinis.

Algoritma AI mulai muncul untuk meningkatkan kinerja mesin menjadi lebih baik. Teknologi AI akan mampu mengimbangi kemampuan otak manusia yang dibatasi oleh kelelahan, stres, atau pengalaman, mencegah kesalahan manusia, menciptakan sistem yang bisa bekerja sendiri dengan handal, serta meningkatkan efisiensi kerja. Oleh karena itu, AI dapat menjadi solusi terbaik dalam mengatasi lonjakan pasien. Penerapan teknologi AI dalam endoskopi gastrointestinal dapat membawa banyak keuntungan, yaitu mengurangi perbedaan hasil antara operator, meningkatkan keakuratan diagnosis, dan membantu mengambil keputusan terapeutik yang cepat dan tepat. Selain itu, AI juga dapat mengurangi waktu, biaya, dan beban prosedur endoskopi.

Pemeriksaan endoskopi berbasis AI didesain menggunakan algoritma komputer yang berfungsi seperti otak manusia. Artifial intelligence memberikan hasil terhadap informasi yang diterima dan telah dipelajari selama mereka dirancang. Dasar dari teknologi ini adalah machine learning (ML) yang merupakan istilah umum untuk mengajarkan algoritma komputer untuk mengenali pola dalam data. Hal ini memungkinkan AI memiliki kemampuan belajar secara otomatis dan meningkatkan pengalamannya tanpa harus diprogram dengan jelas. Dengan demikian, AI dapat sebanding atau bahkan lebih unggul dari kinerja otak manusia. Salah satu metode machine learning yang berkembang pesat adalah deep learning (DL) yang terinspirasi oleh jaringan saraf biologis dalam otak manusia. Model tersebut menggunakan struktur algoritma berlapis yang disebut jaringan saraf tiruan berlapis-lapis. Selain itu, model DL dapat menganalisis data dengan logika, mengidentifikasi pola, menarik kesimpulan, dan membuat keputusan seperti otak manusia. Hal ini membuat AI DL jauh lebih canggih dibandingkan dengan ML standar.

Peran AI dalam Endoskopi Saluran Cerna

1. AI berbasis computer-aided detection (CADe) telah dirancang untuk membantu mendeteksi adanya polip dalam pemeriksaan endoskopi saluran cerna.

2. AI berbasis computer-aided diagnosis (CADx) dapat digunakan untuk menentukan krakteristik lesi apakah jinak atau ganas sehingga dapat mengurangi kebutuhan biopsi, menghemat waktu, memperbaiki cost-effectiveness, dan efek samping dari polipektomi yang tidak perlu.

3. AI berbasis deep learning (DL) membantu dalam meningkatkan akurasi diagnosis dan pengambilan keputusan klinis secara cepat dan efisien, bahkan dalam jumlah besar.

4. Selain itu, AI juga dapat mengurangi variabilitas antar endoskopis/operator dan mengatasi keterbatasan manusia dalam kondisi kelelahan sehingga hasil diagnosis dapat terstandardisasi.

5. Pada saluran cerna atas, AI dapat membantu dalam deteksi kanker lambung, penentuan stadium kanker dan estimasi kedalaman invasi, penggambaran lesi otomatis serta prediksi infeksi H pylori.

Tantangan Implementasi AI dalam Endoskopi Saluran Cerna
Walaupun manfaat AI sangat menjanjikan, implementasinya masih menghadapi beberapa kendala:

1. Keterbatasan Dataset
Keakuratan AI sangat tergantung pada kualitas dan keberagaman dataset yang digunakan untuk pelatihan. Kurangnya data dari populasi tertentu dapat menyebabkan bias yang memengaruhi performa algoritma di kelompok pasien yang berbeda.

2. Peran AI sebagai Pendukung, Bukan Pengganti
Saat ini, AI lebih berperan sebagai safety net yang mendukung keputusan dokter, bukan sebagai alat pengambil keputusan utama. Pengawasan manusia tetap diperlukan untuk memastikan hasil yang valid.

3. Privasi dan Keamanan Data
Masalah privasi data pasien menjadi perhatian besar. Pendekatan seperti federated learning mulai dikembangkan untuk memastikan keamanan data tanpa mengurangi efisiensi pelatihan algoritma.

4. Kebutuhan Regulasi dan Validasi
Sebelum AI diintegrasikan secara luas, diperlukan regulasi ketat serta uji klinis yang komprehensif untuk memastikan teknologi ini memenuhi standar keamanan dan efektivitas.

5. Integrasi dengan Sistem Klinik
Implementasi AI memerlukan investasi besar dalam infrastruktur, seperti perangkat keras dan perangkat lunak khusus, serta pelatihan tenaga medis untuk memanfaatkan teknologi ini secara optimal.

Dengan terus berkembangnya teknologi seperti Convolutional Neural Networks (CNN), AI memiliki potensi besar untuk menjadi standar dalam endoskopi modern. Sistem seperti GoogLeNet dan ResNet telah menunjukkan keunggulannya dalam mengenali pola kompleks pada gambar endoskopi. Ke depan, pengembangan algoritma yang lebih inklusif dan solusi yang memprioritaskan privasi data akan menjadi kunci keberhasilan.

AI juga berperan dalam pelatihan endoskopis dengan memberikan umpan balik objektif melalui simulasi berbasis data nyata. Dengan demikian, AI tidak hanya meningkatkan diagnosis klinis tetapi juga mendukung pendidikan medis.

Secara umum, penggunaan artificial intelligence sebagai pelengkap dalam praktik standar gastroenterologi memiliki potensi untuk meningkatkan kecepatan dan akurasi pemeriksaan diagnostik. Selain itu, AI dapat membantu mengurangi beban kerja tenaga medis dengan mengambil alih tugas-tugas yang memakan waktu.

Saat ini, kita memasuki era di mana alat-alat berbasis Computer-Aided Detection (CAD) yang digunakan dalam penelitian akademik mampu menyamai, bahkan dalam beberapa kasus melampaui, kinerja manusia dalam mendeteksi atau mendiagnosis temuan endoskopi di berbagai modalitas gastroenterologi.

Sebagian besar studi prospektif terkini memanfaatkan sistem CADe (Computer-Aided Detection) dan CADx (Computer-Aided Diagnosis) sebagai “pembaca kedua”. Informasi yang dihasilkan oleh sistem CAD ini digunakan untuk mendukung diagnosis yang dilakukan oleh endoskopis. Ketika diintegrasikan dengan cara ini, teknologi CAD dapat membantu tenaga medis dalam menangani tugas-tugas yang kaya data dan membutuhkan waktu lebih lama.

Sistem CADe yang disebutkan di atas, jika diterapkan dalam praktik klinis sehari-hari, dapat berfungsi sebagai “pengamat kedua” yang selalu waspada. Hal ini memberikan nilai tambah, terutama bagi gastroenterologis atau endoskopis muda yang mungkin memiliki tingkat deteksi adenoma yang lebih rendah.

Kesimpulan
AI menawarkan peluang besar untuk meningkatkan akurasi diagnostik, efisiensi prosedur, dan konsistensi hasil dalam endoskopi saluran cerna. Namun, adopsi teknologi ini memerlukan pendekatan yang hati-hati, termasuk pengembangan algoritma yang andal, regulasi yang jelas, dan integrasi yang baik dengan sistem klinis. Jika tantangan-tantangan ini dapat diatasi, AI tidak hanya akan mendukung endoskopis dalam diagnosis tetapi juga membantu meningkatkan kualitas layanan kesehatan secara keseluruhan.

Editor:
1. dr. Hendra Asputra, SpPD, K-GEH
2. dr. Nikko Darnindro, SpPD, K-GEH
3. dr. Rabbinu Rangga Pribadi, SpPD, K-GEH, FINASIM

Refrensi:
Alagappan, Muthuraman et al. “Artificial intelligence in gastrointestinal endoscopy: The future is almost here.” World journal of gastrointestinal endoscopy vol. 10,10 (2018): 239-249
Ali, Hassam et al. “Artificial intelligence in gastrointestinal endoscopy: a comprehensive review.” Annals of gastroenterology vol. 37,2 (2024): 133-141
Minchenberg, Scott B et al. “Scoping out the future: The application of artificial intelligence to gastrointestinal endoscopy.” World journal of gastrointestinal oncology vol. 14,5 (2022): 989-1001.
Pannala, Rahul et al. “Artificial intelligence in gastrointestinal endoscopy.” VideoGIE: an official video journal of the American Society for Gastrointestinal Endoscopy vol. 5,12 598-613. 9 Nov. 2020
Zha, Bowen et al. “Diagnostic Accuracy of Artificial Intelligence in Endoscopy: Umbrella Review.” JMIR medical informatics vol. 12 e56361. 15 Jul. 2024
Hajjar AE, Rey J-F. Artificial intelligence in gastrointestinal endoscopy: General overview. Chinese Medical Journal. 2020;133:326-34.