Malanginspirasi.com – Laboratorium Fisika Medis dan Biofisika Jurusan Fisika Fakultas Sains, Teknologi, dan Matematika Universitas Brawijaya (FSTeM UB) melalui grup riset AI for Medical Physics mengembangkan serangkaian sistem diagnostik medis berbasis AI yang explainable atau dapat dijelaskan, akurat, dan objektif.
Stistem ini seiring dengan perkembangan kecerdasan buatan atau artificial intelligence di dunia medis kini tidak lagi sebatas memberikan hasil akhir diagnosis, melainkan dituntut untuk transparan dan dapat dipertanggungjawabkan secara klinis.
Guru Besar Bidang Ilmu Fisika Medis dan Radiologi FSTeM UB, Prof. Chomsin S. Widodo, S.Si., M.Si., Ph.D memimpin langsung riset ini.
“Integrasi AI dalam dunia kedokteran harus mampu menjembatani antara parameter fisika, informasi anatomis, dosis radiasi, serta sinyal biomedis dengan kebutuhan para tenaga medis di lapangan,” begitu kata Prof Chomsin seperti dikutip dari rilis resmi Departemen Fisika FSTeM UB.
Prof. Chomsin menegaskan bahwa riset yang dikembangkan di FSTeM UB tidak hanya diarahkan pada peningkatan performa prediksi model semata, tetapi juga menekankan pada keterlacakan dan relevansi klinis.
“Melalui pendekatan ini, keluaran model AI diharapkan tidak berhenti pada pemberian label diagnosis saja, melainkan menyediakan dasar kuantitatif yang dapat diperiksa serta diinterpretasikan langsung oleh dokter maupun tenaga medis.” lanjutnya.
Inovasi Unggulan Grup Riset AI
Dalam portofolio penelitiannya, tim riset FSTeM UB berhasil mengembangkan beberapa inovasi unggulan.
Salah satunya adalah sistem diagnosis kardiomegali (pembesaran jantung) dari citra sinar-X dada menggunakan arsitektur UBNet-Seg yang teroptimasi dan ringan.
Sistem ini secara otomatis melakukan segmentasi paru dan menghitung Cardiothoracic Ratio (CTR).
Ketika nilai CTR melebihi 0,50, sistem mendeteksi indikasi kardiomegali secara transparan berdasarkan parameter anatomis yang jelas (Explainable AI by design).
Selain analisis citra, tim riset FSTeM UB juga berfokus pada analisis sinyal biomedis.
Menggunakan desain studi retrospektif cross-sectional pada data pasien RSUD Dr. Saiful Anwar Malang periode 2022–2025, dikembangkan model analisis Nerve Conduction Study (NCS) untuk meningkatkan objektivitas diagnosis polineuropati.
Model ini menganalisis variabel kompleks seperti raw waveform, amplitudo, latensi, kecepatan konduksi, hingga F-wave dari saraf sensorik dan motorik.
Masih dalam lingkup saraf, tim peneliti mengolah data 706 pasien dengan rasio pelatihan dan pengujian 8:2 untuk mengembangkan model klasifikasi otomatis derajat keparahan (mild, moderate, severe) penyakit radikulopati lumbosakral.
Parameter yang dievaluasi mencakup sinyal NCS pada saraf Peroneal, Tibial, dan Sural.
Baca Juga:
Gelar Uji Publik, FSTeM UB Siapkan Sistem Ticketing Daring dan Chatbot AI untuk Transformasi Layanan
Pemanfaatan Pivot Table Jadi Materi Pelatihan PKM FSTeM UB di SMAN 1 Sumberpucung
Di sisi lain, untuk meningkatkan keselamatan pasien pada pemeriksaan mamografi digital, riset eksperimental laboratorium memanfaatkan Phantom ACR untuk menguji optimasi parameter eksposi seperti $kV$, $mAs$, kombinasi target/filter, serta mode Automatic Exposure Control.
Penelitian ini menganalisis Mean Glandular Dose (MGD) serta ekstraksi fitur radiomics menggunakan PyRadiomics guna menjamin keamanan radiasi sekaligus menjaga ketajaman citra diagnostik.
Dalam pelaksanaannya, kegiatan di Laboratorium Fisika Medis dan Biofisika FSTeM UB mencakup alur kerja ilmiah yang menyeluruh.
Mulai akuisisi dan kurasi data klinis, pengolahan citra dan sinyal biomedis, segmentasi objek anatomis, ekstraksi fitur, hingga pengembangan model machine learning dan deep learning.
Prof. Chomsin menekankan bahwa keberhasilan riset ini tak lepas dari sinergi antara akademisi dan fasilitas pelayanan kesehatan.
Seluruh penelitian dijalankan melalui kolaborasi erat dengan fasilitas kesehatan untuk menghasilkan publikasi ilmiah bereputasi, pengembangan perangkat lunak siap pakai, dukungan pendidikan mahasiswa, serta implementasi nyata teknologi AI demi meningkatkan mutu pelayanan kesehatan masyarakat.
