UMY Kembangkan 5 AI Pendeteksi Penyakit, Bantu Diagnosis Kanker hingga Tumor Otak Lebih Cepat

SuaraJogja.id - Upaya mendeteksi penyakit berbahaya sebelum terlambat kini mendapat dukungan teknologi kecerdasan buatan (Artificial Intelligence/AI). Universitas Muhammadiyah Yogyakarta (UMY) mengembangkan lima prototipe AI yang dirancang membantu tenaga kesehatan mendeteksi berbagai penyakit, mulai dari limfoma maligna, tumor otak, kanker payudara, penyakit jantung koroner, hingga gangguan kesehatan mental.

Guru Besar UMY Bidang Kecerdasan Buatan Terapan, Prof. Slamet Riyadi, menegaskan kelima aplikasi tersebut dikembangkan sebagai alat bantu pengambilan keputusan klinis, bukan untuk menggantikan peran dokter maupun tenaga kesehatan.

"Aplikasi-aplikasi ini dirancang sebagai alat bantu dan bukan sebagai pengganti evaluasi profesional dari praktisi kesehatan," kata Slamet saat menjadi pemapar utama dalam The 10th International Conference on Sustainable Innovation (ICoSI) UMY di Yogyakarta, Rabu (5/8/2026).

Lima prototipe tersebut terdiri atas LymphoScan, myStressD, BrainDetect, myHeartD v3, dan myDBT-Enhance.

LymphoScan merupakan aplikasi berbasis web yang mampu menganalisis citra mikroskopis untuk membantu mendeteksi jenis limfoma maligna, meliputi Chronic Lymphocytic Leukemia (CLL), Follicular Lymphoma (FL), dan Mantle Cell Lymphoma (MCL).

Sementara itu, BrainDetect dikembangkan untuk mengklasifikasikan jenis tumor otak melalui citra Magnetic Resonance Imaging (MRI) dengan menampilkan skor keyakinan hasil prediksi.

Adapun myDBT-Enhance berfungsi meningkatkan kualitas citra mamografi guna mendukung skrining kanker payudara sehingga hasil pencitraan lebih optimal.

Tak hanya berfokus pada penyakit kanker, UMY juga mengembangkan myStressD, aplikasi yang mendeteksi tingkat stres seseorang melalui analisis citra wajah menggunakan perangkat seluler, serta myHeartD v3 yang memperkirakan risiko penyakit jantung koroner berdasarkan data kuesioner pasien.

Menurut Slamet, seluruh prototipe tersebut telah memperoleh perlindungan hak cipta dan menjalani pengujian laboratorium dengan tingkat akurasi yang tinggi.

Baca Juga: GPFE 2026: Perkuat Kolaborasi Pengadaan, Dorong TKDN, dan Dukung Program Prioritas Nasional

Pengembangan sistem kecerdasan buatan itu memanfaatkan berbagai arsitektur AI, seperti Convolutional Neural Network (CNN), VGG, hingga EfficientNet untuk mengolah citra medis.

Agar hasil prediksi dapat dipahami tenaga medis, model juga dilengkapi teknologi Grad-CAM dan LIME yang mampu menjelaskan dasar pengambilan keputusan AI.

Namun demikian, Slamet mengingatkan bahwa akurasi tinggi bukan satu-satunya ukuran keberhasilan teknologi kecerdasan buatan di bidang kesehatan.

"Model yang lebih akurat tidak selalu berarti layanan yang lebih baik. Penerapannya juga bergantung pada kecepatan, memori, dan konteks penggunaan," katanya.

Ia menambahkan, evaluasi AI untuk layanan kesehatan harus mempertimbangkan manfaat klinis maupun operasional sebelum benar-benar diterapkan dalam pelayanan medis sehari-hari.

Menurut Slamet, riset yang melandasi pengembangan lima prototipe tersebut mencakup empat bidang utama, yakni pencitraan dada dan pernapasan, risiko kardiovaskular dan metabolik, pencitraan kanker, serta kesehatan mental dan biosignal.