Beberapa studi menunjukkan bahwa AI dapat dimanfaatkan dalam diagnosis dan tatalaksana kanker, serta deteksi diabetik retinopati.[1]

Peran Artificial Intelligence pada Patologi

Interpretasi gambaran sediaan patologi adalah baku emas pada patologi diagnostik. Tetapi hal ini bersifat operator-dependant dan rentan kesalahan.[2] Dua studi pada individu dengan kanker prostat menunjukkan bahwa interpretasi sediaan patologi dapat berbeda-beda antar spesialis patologi, sehingga mempengaruhi keputusan klinis terkait tata laksana dan prognosis pasien. [3,4] Keberadaan artificial intelligence (AI) dapat mengurangi variabilitas interpretasi ini, sehingga diharapkan didapatkan diagnosis yang lebih konsisten dan akurat.[2]

AI juga menjadi relevan pada Patologi Anatomi karena interpretasi slide patologi pada dasarnya adalah pengenalan pola atau pattern recognition. Sehingga, sangat mungkin ketika slide patologi didigitalkan, AI akan mampu mempelajari pola dan membuat kesimpulan yang terstruktur.

Kemajuan Artificial Intelligence pada Pemeriksaan Patologi Anatomi

Artificial Intelligence (AI) mulai banyak diteliti dalam ilmu patologi. Beberapa contohnya adalah penggunaan AI untuk penegakkan diagnosis patologi dan deteksi metastasis kanker, untuk memprediksi prognosis, serta Secretary-Mimicking Artificial Intelligence (SMILE).

Penegakkan Diagnosis Patologi dan Deteksi Metastasis

Saat ini sedang dikembangkan pemanfaatan AI dalam menegakkan diagnosis pada kasus onkologi. Prinsipnya adalah AI menggantikan mata dokter spesialis patologi untuk menemukan fokus yang abnormal pada pemeriksaan patologi anatomi.

Hingga sekarang, pemeriksaan sampel patologi dilakukan manual oleh spesialis patologi. Metode ini membutuhkan waktu yang lama dan melelahkan. Sering juga, fokus metastasis sangat kecil sehingga terlewatkan. Berbagai upaya untuk meningkatkan sensitivitas sudah dilakukan, salah satunya dengan melakukan pewarnaan pancytokeratin. Namun, pemeriksaan ini membutuhkan waktu tambahan dan meningkatkan biaya.

AI deep learning-based system dapat digunakan sebagai kombinasi dengan spesialis patologi. Pada sebuah studi ditemukan bahwa pemeriksaan metastasis kombinasi dokter spesialis patologi dengan deep learning-based system menurunkan persentase kesalahan hingga 3% (persentase kesalahan oleh dokter spesialis patologi saja 3,4% sedangkan pada kombinasi adalah 0,52%). Studi ini menyimpulkan bahwa mengkombinasikan pemeriksaan deep learning-based system pada algoritma pemeriksaan oleh dokter spesialis patologi dapat meningkatkan akurasi, produktivitas, dan nilai klinis diagnosis patologi.[5]

Menentukan Prognosis

Suatu studi dilakukan untuk memprediksi prognosis penderita non small cell lung cancer (NSCLC) dengan AI. Pemeriksaan kanker paru biasanya dilakukan secara manual. Namun, hasil pemeriksaan tidak dapat memberikan prediksi yang akurat mengenai prognosis pasien. Pada studi ini, pemrosesan gambar patologi dengan komputer terbukti meningkatkan efisiensi, akurasi, dan konsistensi pemeriksaan histopatologi.

Studi ini menemukan bahwa pada kasus NSCLC, struktur anatomikal seperti bentuk nukleus, bentuk sitoplasma, dan pola sel tumor berhubungan dengan prognosis, serta dapat dinilai secara lebih baik menggunakan AI metode machine-learning. Penelitian ini menemukan bahwa dengan mengelaborasi hasil pemeriksaan patologi dengan database, penilaian klinis, dan klasifikasi, dapat ditentukan prognosis kanker paru yang lebih akurat. Hasil ini lebih superior dibanding pemeriksaan oleh klinisi saja.[6]

Secretary-Mimicking Artificial Intelligence (SMILE)

Secretary-Mimicking Artificial Intelligence (SMILE) adalah salah satu inovasi AI dalam bidang patologi. SMILE bertugas untuk menggantikan dokter spesialis patologi menuliskan hasil pemeriksaan patologi anatomi (PA) melalui sistem voice recognition.[7]

Kesimpulan

Dalam bidang patologi, artificial intelligence (AI) mulai banyak digunakan baik untuk menegakkan diagnosis patologi, mendeteksi metastasis kanker, menentukan prognosis pasien, dan membantu dokter patologi menuliskan hasil pemeriksaan.

Hingga sekarang, pemeriksaan patologi diagnostik dilakukan dengan mengevaluasi satu demi satu slide patologi. Hal ini sangat operator-dependant dan rentan error. Penggunaan AI dapat meningkatkan akurasi dan efektivitas pembiayaan kesehatan, sehingga keputusan klinik bagi pasien akan lebih baik pula.