Manfaat Penggunaan Deep Learning di Industri Kesehatan
Artificial Intelligence tak dipungkiri lagi kini menjadi teknologi terbaru yang sangat membantu hidup manusia. Berbagai jenis produk pun sudah tercipta, mulai dari kebutuhan industri pabrik, otomotif, hingga kesehatan. Di bidang kesehatan sendiri, penggunaan Artificial Intelligence juga sudah mulai diterapkan, salah satu nya adalah Deep Learning, cabang ilmu pengetahuan Artificial Intelligence ini sudah mulai masif penggunaan nya sebagai alat pendukung kesehatan dan diagnosis dokter yang bekerja. Berikut adalah rangkuman proses penggunaan Deep Learning di bidang kesehatan serta jenis pengaplikasian nya yang positif.
Sebuah pencapaian besar umat manusia di bidang kesehatan pertama kali muncul pada sekitaran tahun 1895 ketika seorang fisikawan asal Jerman, Wilhelm Röntgen berhasil melakukan foto X-Ray terhadap tangan istrinya. Kemajuan teknologi X-Ray ini serta merta mematahkan paradigma industri kesehatan mengenai penggambaran isi tubuh manusia tanpa melalui operasi bedah. Sejak saat itu, pengaplikasian berbagai jenis teknologi terus dikembangkan hingga kini. Salah satu teknologi yang kini mulai banyak di aplikasikan rumah sakit besar di beberapa belahan dunia adalah teknologi Deep Learning. Deep Learning adalah cabang dari algoritma Machine Learning yang menggunakan beberapa layer untuk kemudian secara progresif mengekstrak fitur ke tingkat yang lebih tinggi dari raw data (data mentah). Sebagai contoh, dalam sebuah proses gambar, lapisan terbawah dapat digunakan sebagai identifikasi tepi, sedangkan lapisan yang lebih tinggi dapat mengidentifikasi konsep yang relevan seperti angka, huruf, atau wajah.
Kemampuan Deep Learning yang mampu melakukan identifikasi jauh lebih detail dan merinci terkait sebuah gambar menjadikan Deep Learning sebagai opsi bagi industri kesehatan melakukan identifikasi awal mengenai penyakit sebelum kemudian di konfirmasi oleh dokter yang bertanggung jawab. Identifikasi yang jauh lebih cepat ini adalah salah satu contoh penggunaan Deep Learning yang belakangan ini sudah mulai digunakan teknologi nya di rumah sakit di beberapa negara. Deep Learning mampu melakukan diagnosa penyakit secara cepat dengan tingkat akurasi yang tinggi. Salah satu pengaplikasian nya digunakan di Amerika. Di negara tersebut, penyakit kanker kulit Melanoma adalah salah satu penyakit mematikan yang menyerang lebih dari 5 juta masyarakat setiap tahun nya. Dengan biaya penanganan hingga 8 milyar USD ini menjadi permasalahan tersendiri bagi industri kesehatan di Amerika.
Teknologi Deep Learning mulai di aplikasikan penggunaan nya di beberapa rumah sakit di Amerika. Alat-alat ini mampu melakukan identifikasi atau gejala Melanoma jauh lebih cepat dan lebih rinci dibanding mata manusia. Dengan identifikasi gejala lebih awal, Melanoma mampu dicegah, karena pengobatan gejala jauh lebih murah dan efektif dibanding kan setelah terjangkit. Algoritma Deep Learning mempelajari berbagai informasi berdasarkan gambar digital medis Melanoma sebelum kemudian mencocokkan dengan kondisi pasien dan melakukan hasil akhir berupa prediksi.
Selain melakukan prediksi gejala penyakit Melanoma, penggunaan Deep Learning pun juga menjangkau penyakit kritis lain nya seperti tumor. Penggambaran medis lagi-lagi memainkan peran, dengan banyak nya data berupa gambaran medis (X-Ray dsb) menjadi cara Deep Learning untuk mempelajari dan melakukan prediksi bagaimana sebuah tumor berkembang dan jalur efek nya. Deep Learning kemudian akan menciptakan sebuah heat-map dari jenis tumor yang ada, kemudian memberikan prediksi berupa ukuran, bentuk, kepadatan, dan lokasi. Semua prediksi tersebut bisa dilacak berkat algoritma Deep Learning dengan kumpulan data yang dimiliki nya.
Deep Learning pun juga digunakan sebagai interpretasi medis. Cara kerja nya cukup simpel namun memudahkan diagnosa. Setiap pasien dengan riwayat penyakit tertentu biasanya akan membawa data dan riwayat pengobatan mereka pada saat datang ke sebuah rumah sakit baru atau rujukan. Agar dokter dirumah sakit yang baru mampu dan memiliki perspektif yang sama dengan dokter sebelum nya, ia akan menggunakan laporan riwayat pengobatan tersebut. Dengan menggunakan riwayat pengobatan yang sudah dianalisa oleh algoritma Deep Learning akan menjadikan analisa dokter sesuai dengan riwayat pasien sehingga tidak ada miskonsepsi dan kesalahpahaman antara pasien dan dokter baru nya. Terlihat simpel namun cukup membawa dampak.
Sebagian diatas adalah beberapa contoh pengaplikasian teknologi Deep Learning di industri kesehatan. Menurut heat-map yang di rilis oleh CBInsight, dunia kesehatan mulai merasakan dampak dari penggunaan Deep Learning di bidang kesehatan pada tahun 2015. Meski juga sudah ada penelitian sebelum nya, namun tahun tersebut menjadi tahun puncak penggunaan Deep Learning di bidang kesehatan. Sektor kesehatan yang paling tinggi mendapat dampak dari Deep Learning adalah Imaging dan Diagnostic, serupa dengan beberapa contoh yang ada diatas. Sektor analisa resiko pun tak ketinggalan merasakan penggunaan Deep Learning. Bidang kesehatan yang hingga kini belum tersentuh Deep Learning secara utuh adalah nutrisi. Hingga data tahun 2015, baru sedikit penelitian yang melibatkan Deep Learning membahas nutrisi.
Satu hal yang masih menjadi tembok besar Deep Learning di industri kesehatan adalah data. Deep Learning dapat melakukan analisa dan prediksi cepat melalui kumpulan data yang sebelum nya sudah di input pada algoritma Deep Learning. Kurang nya data medis berupa gambar dan sejenis nya menjadi batu sandungan yang harus segera diatasi demi prediksi yang jauh lebih sempurna.
Bibliography:
Evolve Machine Learners adalah perusahaan yang bergerak di bidang teknologi dan pendidikan Artificial Intelligence dan Machine Learning. Kami menyediakan Bootcamp Kelas Pendek untuk AI dan ML serta Corporate Training. Kunjungi kami di @evolvemlearners.id di Instagram. Kunjungi website kami di www.evolvemachinelearners.com
