all informatika teknik-industri teknik-elektro sistem-informasi

LPPM UKRIDA dan UKDW  mengadakan seminar yang berfokus pada penerapan AI, khususnya dalam bidang kesehatan pada Senin, 10 Maret 2025. 

Dalam beberapa tahun terakhir, kecerdasan buatan (AI) telah menjadi salah satu pembahasan utama dalam transformasi digital di berbagai sektor, termasuk kesehatan. Oleh karena itu, Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) UKRIDA dan Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Kristen Duta Wacana (UKDW) mengambil upaya praktis dengan mengadakan seminar yang berfokus pada penerapan AI, khususnya dalam bidang kesehatan pada Senin, 10 Maret 2025. 

Webinar yang bertajuk "Future Research in Medical Imaging Using Artificial Intelligence" ini menghadirkan Prof. Naoki Kobayashi, Visiting Professor di UKRIDA yang berasal dari Saitama Medical University, School of Biomedical Engineering, Faculty of Health and Medical Care, Jepang, sebagai keynote speaker. Selain Prof. Kobayashi, webinar ini juga mengundang pembicara dari kedua institusi, yaitu Endah Kristiani, Ph.D., (dosen Program Studi Informatika UKRIDA), Cynthia Hayat, S.Kom., M.MSI., (dosen Program Studi Informatika UKRIDA), dan I Kadek Dendy Senapartha, S.T., M.Eng., (dosen Program Studi Informatika UKDW). Webinar dibuka oleh Ir. Eddy Wijanto, S.T., M.T., Ph.D., IPU, Dekan Fakultas Teknik dan Ilmu Komputer UKRIDA, dengan dimoderatori oleh Ivan Tanra, Ph.D., dosen Program Studi Teknik Elektro UKRIDA.

Dalam sesi keynote, Prof. Kobayashi membahas penggunaan kecerdasan buatan (AI) dalam analisis digital, khususnya Computer-Aided Diagnosis (CAD) dalam bidang kesehatan. Ia menjelaskan bahwa diagnosis kanker oleh ahli patologi selama ini bergantung pada pengamatan visual dan mikroskop, yang sering kali memicu ketidakpastian karena terpengaruh oleh variasi warna spesimen akibat teknik pewarnaan yang berbeda. 

Prof. Kobayashi menekankan bahwa teknologi AI dapat menjadi solusi untuk meningkatkan akurasi analisis. Namun, ia juga menyampaikan bahwa kinerja teknologi ini sangat bergantung pada kualitas data yang digunakan untuk pelatihan. "Teknologi ini hanya berkinerja baik jika dilatih dengan banyak data yang telah didiagnosis benar untuk berbagai jenis penyakit," ujarnya.

Selanjutnya, I Kadek Dendy Senapartha, M.Eng, mempresentasikan hasil penelitiannya mengenai deteksi dini osteoarthritis lutut dengan AI sebagai inovasi baru untuk kesehatan lansia. Ia menjelaskan bahwa metode konvensional seperti pengukuran manual dengan goniometer atau pemindaian MRI dan X-ray memiliki kelemahan, termasuk biaya tinggi dan potensi ketidakakuratan. Untuk mengatasi masalah ini, ia dan timnya mengembangkan inovasi menggunakan framework open-source MediaPipe dari Google untuk mengukur rentang gerak lutut secara real-time. 

Dengan adanya penggunaan aplikasi yang mudah di akses pada smartphone dalam inovasi ini, pasien dapat merekam pergerakan lutut secara mandiri dari rumah, sehingga AI dapat menghitung sudut fleksi lutut dan mendeteksi abnormalitas gerakan. Hasilnya, tenaga medis dapat memperoleh data pasien dan memantau progres terapi dari mana saja dengan biaya yang terjangkau.

Pembahasan mengenai Deep Learning Methods in 3D Medical Image Segmentation juga diperkenalkan oleh Endah Kristiani, Ph.D. kepada para peserta webinar yang hadir. Beliau menjelaskan keterbatasan Data 2D dalam proses analisis sehingga menimbulkan keterbatasan informasi dan kesalahan diagnosis dari data yang ada sehingga membutuhkan Data 3D. Untuk mengatasi hal ini, ia menjelaskan penggunaan konsep "patches" untuk mengoptimalkan pemakaian memori data, sehingga memungkinkan analisis model segmentasi yang lebih akurat dengan sumber daya yang terbatas.

Cynthia Hayat S.Kom., M.MSI menutup sesi dengan membagikan inovasi AI lainnya dalam “Chest X-Ray Image Analysis for Pneumonia Diagnosis” dengan menggunakan model CNN. Salah satu keunggulan CNN adalah kemampuannya menghasilkan heatmap yang menyoroti area paru-paru yang diduga terinfeksi. Heatmap digunakan untuk menunjukkan area gambar X-Ray yang menjadi fokus model CNN dalam mendeteksi pneumonia, sehingga para ahli medis lebih mudah untuk melakukan analisis dan diagnosa pada pasien.

Kolaborasi antara UKRIDA dan UKDW dalam seminar ini merupakan inisiatif kedua institusi untuk mendorong penelitian dan pengembangan di bidang kesehatan melalui teknologi. UKRIDA dengan motto Lead to Impact terus membuka ruang kolaboratif antar institusi pendidikan lainnya untuk bersinergi bersama guna menghasilkan solusi inovatif yang bermanfaat bagi masyarakat dan kualitas pelayanan kesehatan di masa depan.