Indonesia Kembangkan Sistem Diagnosis Berbasis AI untuk Identifikasi Parasit Malaria
Pemanfaatan kecerdasan buatan ( AI ) di sektor kesehatan terus berkembang, termasuk untuk membantu diagnosis penyakit tropis seperti malaria, yang masih menjadi ancaman serius di beberapa wilayah di Indonesia.
Peneliti Pusat Penelitian Kecerdasan Buatan dan Keamanan Siber Badan Riset dan Inovasi Nasional ( BRIN ), Anto Satriyo Nugroho memaparkan potensi teknologi AI dalam mempercepat dan meningkatkan akurasi diagnosis malaria melalui analisis citra mikroskopis apusan darah.
Menurut Anto, diagnosis malaria selama ini umumnya dilakukan secara manual melalui pemeriksaan mikroskopis. Proses ini tidak hanya menyita waktu, tetapi juga sangat bergantung pada keterampilan dan ketelitian petugas kesehatan. Kendala seperti kelelahan, keterbatasan jumlah tenaga ahli, dan variasi morfologi parasit pada berbagai tahap siklus hidupnya sering kali menghambat tercapainya diagnosis yang akurat.
Menanggapi tantangan ini, BRIN telah mengembangkan sistem diagnosis berbasis AI untuk membantu petugas kesehatan mengidentifikasi keberadaan parasit malaria. Sistem ini bekerja dengan menganalisis foto mikroskopis apusan darah tipis dan tebal untuk mengenali tanda-tanda infeksi.
“Tujuan utama kami adalah menciptakan sistem Computer Aided Diagnosis yang dapat secara otomatis mengenali status malaria dari citra apusan darah,” kata Anto dalam keterangan tertulisnya, Selasa, 13 Mei 2025.
Peneliti yang berlatar belakang penelitian pengolahan citra dan biometrik ini menyebutkan, dalam pengembangan sistem ini, mereka menggunakan dataset sebanyak 1.388 mikrofoto apusan darah yang dikumpulkan dari berbagai daerah endemis di Indonesia.
“Data penelitian tersebut diperoleh dari berbagai daerah endemis di Indonesia, seperti Kalimantan, Papua, dan Sumba, bekerja sama dengan Lembaga Biologi Molekuler Eijkman sebagai bagian dari Pusat Penelitian BRIN,” ujar Anto yang saat ini menjabat sebagai Kepala Humas KAKS BRIN.
Menurutnya, sampel-sampel tersebut mencakup berbagai jenis parasit malaria, seperti Plasmodium falciparum, P. vivax, P. malariae, dan P. ovale, termasuk satu kasus infeksi campuran dan satu sampel negatif.
“Berdasarkan analisis 35 mikrograf dari kasus nyata di daerah endemis Indonesia (mencakup 3.362 sel), sistem ini telah menunjukkan kemampuan signifikan dalam mengidentifikasi parasit malaria,” jelas Anto.
Dalam pengembangan sistem diagnosis malaria berbasis AI ini, hasil pengujian awal menunjukkan kinerja yang menjanjikan.
“Sensitivitas sistem mencapai 84,37 persen dalam membedakan sel sehat dan terinfeksi, dengan nilai akurasi (F1-score) 80,60 persen dan nilai prediksi positif (PPV) 77,14 persen dalam mengidentifikasi spesies dan stadium parasit,” kata Anto. Artinya, menurut Anto, sistem ini cukup andal dalam membedakan sel darah sehat dengan sel darah terinfeksi.
Membuka Peluang untuk Diagnosis Jarak Jauh
Sistem diagnosis ini juga dirancang untuk mendukung survei darah massal di lapangan. “Dalam kondisi endemik, satu apusan darah mungkin memerlukan pengamatan 500 hingga 1.000 eritrosit atau 200 leukosit. AI dapat mempercepat proses ini tanpa mengorbankan akurasi,” kata Anto.
Selain efisiensi, sistem ini juga membuka kemungkinan untuk diagnostik jarak jauh, sehingga sangat relevan untuk digunakan di daerah terpencil. Pengetahuan dan pengalaman mikroskopis juga disimpan dalam sistem AI, sehingga membantu petugas kesehatan dengan pelatihan terbatas.
Anto juga menegaskan bahwa pengembangan AI di bidang biomedis memerlukan perhatian khusus terhadap karakteristik dataset, kualitas data, pemilihan model, dan metode evaluasi kinerja yang tepat. Dengan kata lain, AI tidak dapat bekerja sendiri. Kolaborasi antara pakar komputasi dan peneliti biomedis sangat penting agar teknologi ini dapat diandalkan.
“Kita tidak bisa hanya mengandalkan kemampuan komputasi. Memahami konteks medis adalah kunci untuk memastikan bahwa hasil diagnosis benar-benar bermanfaat bagi pasien,” katanya.
