Ilustrasi pemanfaatan kecerdasan buatan untuk mendeteksi kanker (Foto: Earth)
Jakarta, Jurnas.com - Sebuah pendekatan baru dalam deteksi kanker tengah diuji oleh para peneliti, dengan memanfaatkan napas manusia yang dianalisis menggunakan kecerdasan buatan (AI).
Metode ini menjanjikan skrining yang lebih cepat dan sederhana, terutama untuk mendeteksi kanker paru dan kanker lambung, dua jenis kanker yang tingkat keberhasilannya sangat bergantung pada seberapa dini penyakit ditemukan.
Penelitian terbaru dari Korea Selatan menunjukkan bahwa udara yang dihembuskan manusia mengandung sinyal kimia halus yang dapat diolah menjadi indikator kesehatan.
Meski masih berada pada tahap pengujian, hasil awal studi ini membuka peluang besar bagi pengembangan alat skrining kanker non-invasif, sekaligus menegaskan bahwa validasi lebih luas masih sangat dibutuhkan sebelum teknologi ini digunakan secara rutin di layanan kesehatan.
Dalam studi tersebut, dikutip dari Earth, para ilmuwan menganalisis sampel napas dari 206 partisipan, yang terdiri dari individu sehat serta pasien dengan kanker paru dan kanker lambung.
Data napas ini kemudian diproses untuk melihat apakah terdapat pola yang konsisten dan dapat membedakan kondisi sehat dari kondisi kanker, serta membedakan jenis kanker satu dengan lainnya.
Salah satu tantangan utama dalam riset napas sebagai alat diagnostik adalah ketahanannya terhadap “noise” klinis, yakni variasi kondisi nyata di lapangan seperti perbedaan gaya hidup, lingkungan, dan kebiasaan pasien.
Untuk mengatasi hal ini, para insinyur di Electronics and Telecommunications Research Institute (ETRI) Korea Selatan mengembangkan sistem pengukuran yang lebih stabil, dikombinasikan dengan analisis berbasis AI yang dirancang untuk menghasilkan keputusan cepat dan berulang secara konsisten.
Proyek ini dipimpin oleh Dr. Dae-Sik Lee dari ETRI, yang selama bertahun-tahun meneliti teknologi sensor medis untuk penggunaan klinis. Melalui riset ini, timnya menggabungkan teknik pengambilan sampel napas dengan sistem klasifikasi komputer, dengan tujuan menciptakan satu alur kerja yang mampu menyaring lebih dari satu jenis kanker secara bersamaan.
Secara biologis, napas manusia mengandung senyawa kimia volatil dalam jumlah sangat kecil, yang berasal dari darah dan cairan saluran pernapasan.
Perubahan metabolisme sel akibat kanker dapat mengubah komposisi senyawa ini, bahkan sebelum gejala klinis muncul. Namun, faktor lain seperti merokok, infeksi, konsumsi alkohol, dan pola makan juga dapat memengaruhi kandungan kimia napas.
Karena tidak ada satu senyawa napas yang secara unik menandai keberadaan kanker, para peneliti memperlakukan analisis napas sebagai masalah pengenalan pola. Artinya, yang dicari bukan satu zat tertentu, melainkan kombinasi dan pola perubahan beberapa senyawa sekaligus yang bersama-sama membentuk “sidik jari” penyakit.
Untuk menangkap pola tersebut, sistem ini menggunakan rangkaian sensor multimodal yang terdiri dari berbagai jenis sensor dengan sensitivitas kimia berbeda.
Sensor semikonduktor berbasis metal-oksida digunakan untuk merespons beragam gas dalam napas, sementara sensor elektrokimia menambahkan tingkat spesifisitas yang lebih tinggi melalui reaksi kimia terarah.
Selain itu, sistem ini juga dilengkapi dengan photoionization detector, yakni sensor yang menggunakan sinar ultraviolet untuk mengionisasi uap kimia tertentu.
Sensor jenis ini membantu mendeteksi senyawa yang mungkin tidak tertangkap oleh sensor lain, sehingga memperkaya profil kimia napas yang dianalisis.
Data yang dihasilkan sensor berupa sinyal bergelombang seiring waktu, sehingga tim peneliti perlu mengubahnya menjadi format yang lebih stabil untuk diproses oleh AI. Mereka merekam sinyal berbasis waktu dari setiap sensor, lalu mengonversinya menjadi peta respons berbentuk grid menyerupai citra, yang memadukan dimensi sensor dan waktu secara terstruktur.
Format ini memungkinkan penggunaan deep learning berbasis citra, khususnya hierarchical deep convolutional neural network (HD-CNN). Model ini bekerja dalam dua tahap: tahap pertama membedakan sampel sehat dari sampel kanker, sementara tahap kedua mengklasifikasikan kanker menjadi kanker paru atau kanker lambung.
Pendekatan dua langkah ini dinilai lebih efisien karena model dapat memisahkan keputusan yang relatif mudah lebih awal, lalu memfokuskan sumber daya komputasi pada klasifikasi yang lebih kompleks.
Dalam pengujian berulang menggunakan pembagian data yang berbeda, sistem ini mampu mengidentifikasi sebagian besar individu sehat dengan benar, serta membedakan dua jenis kanker dengan tingkat keberhasilan yang cukup tinggi.
Meski demikian, tantangan besar masih membayangi penerapan tes napas ini. Variasi biologis antarindividu, pengaruh makanan, obat-obatan, dan kebiasaan hidup dapat mengaburkan perbedaan antara kondisi sehat dan kanker.
Karena itu, validasi eksternal di banyak rumah sakit dan pengambilan sampel berulang menjadi syarat mutlak sebelum teknologi ini dapat digunakan sebagai dasar rujukan medis.
Para peneliti menekankan bahwa alat ini dirancang sebagai filter awal, bukan sebagai pengganti diagnosis definitif seperti CT scan atau endoskopi. Jika dikembangkan lebih lanjut, sistem ini berpotensi mengurangi biaya skrining dan membantu mengarahkan pasien berisiko tinggi untuk pemeriksaan lanjutan lebih cepat.
Penelitian ini dipublikasikan dalam jurnal npj Digital Medicine.
Google News: http://bit.ly/4omUVRy
Terbaru: https://jurnas.com/redir.php?p=latest
Langganan : https://www.facebook.com/jurnasnews/subscribe/
Youtube: https://www.youtube.com/@jurnastv1825?sub_confirmation=1
tes napas kanker deteksi kanker dini AI kesehatan medis
