UGM Kembangkan TBScreen.AI untuk Perluas Skrining TB di Wilayah 3T
Universitas Gadjah Mada (UGM) mengembangkan TBScreen.AI, teknologi skrining tuberkulosis berbasis kecerdasan buatan yang dirancang untuk membantu memperluas akses pemeriksaan di wilayah Tertinggal, Terdepan, dan Terluar atau 3T.
Teknologi tersebut memanfaatkan analisis foto rontgen dada atau X-ray untuk membantu mengidentifikasi indikasi TB. Pendekatan ini ditujukan terutama bagi masyarakat yang menghadapi keterbatasan fasilitas dan akses layanan kesehatan.
Berdasarkan hasil pengembangan yang disampaikan tim peneliti, TBScreen.AI memiliki sensitivitas 83 persen dan spesifisitas 87 persen. Angka tersebut menunjukkan potensi teknologi sebagai alat bantu skrining.
Namun, hasil tersebut belum berarti TBScreen.AI siap digunakan sebagai alat diagnosis mandiri. Tim peneliti masih perlu melakukan validasi lanjutan sebelum teknologi diterapkan secara lebih luas dalam pelayanan kesehatan.
Baca Juga “Inovatif! UGM Kembangkan Teknologi Skrining Tuberkulosis untuk Wilayah 3T“
TBScreen.AI Analisis Foto X-Ray Dada
TBScreen.AI dikembangkan untuk membantu proses skrining dengan menganalisis citra X-ray dada. Teknologi berbasis AI dapat membantu tenaga kesehatan melakukan penyaringan awal terhadap individu yang membutuhkan pemeriksaan lebih lanjut.
Peneliti utama TBScreen.AI, dr. Antonia Morita Iswari Saktiawati, PhD, mengatakan hasil penelitian menunjukkan teknologi tersebut memiliki potensi sebagai alat bantu skrining TB.
“Capaian tersebut menunjukkan TBScreen.AI berpotensi dimanfaatkan sebagai alat bantu skrining tuberkulosis,” ujar Antonia.
Ia menegaskan bahwa tim masih membutuhkan validasi tambahan. Tahap tersebut penting untuk memastikan performa sistem tetap akurat ketika digunakan pada populasi dan kondisi layanan kesehatan yang lebih beragam.
Sensitivitas dan Spesifisitas Jadi Indikator Penting
Sensitivitas dan spesifisitas menjadi dua parameter penting dalam menilai performa alat skrining.
Sensitivitas menggambarkan kemampuan sistem mengenali orang yang memang memiliki kondisi yang dicari. Sementara itu, spesifisitas menunjukkan kemampuan sistem mengidentifikasi orang yang tidak memiliki kondisi tersebut.
Dalam konteks TBScreen.AI, sensitivitas 83 persen dan spesifisitas 87 persen menjadi hasil awal yang menjanjikan. Namun, kedua angka tersebut perlu dipahami dalam konteks populasi dan metode penelitian yang digunakan.
Validasi lanjutan diperlukan untuk menilai konsistensi performa sistem. Peneliti juga perlu memastikan teknologi dapat bekerja secara andal ketika menghadapi variasi kualitas gambar dan karakteristik pasien.
Karena itu, AI dalam proyek ini lebih tepat ditempatkan sebagai alat bantu skrining. Keputusan diagnosis dan penanganan pasien tetap membutuhkan pemeriksaan serta penilaian tenaga kesehatan.
Kolaborasi Lintas Institusi Dukung Pengembangan
Pengembangan TBScreen.AI berlangsung selama dua tahun melalui kolaborasi sejumlah institusi. Mitra yang terlibat antara lain University of Melbourne, Universitas Sebelas Maret, Monash University Indonesia, serta sejumlah yayasan dan pusat rehabilitasi.
Pengembangan tersebut memperoleh dukungan dari program KONEKSI Indonesia-Australia. Kolaborasi lintas institusi memungkinkan penelitian menggabungkan keahlian teknologi, kesehatan, dan kebutuhan masyarakat.
Fokus penelitian tidak hanya pada kemampuan AI membaca citra X-ray. Tim juga mengkaji faktor sosial dan sistem layanan yang memengaruhi akses masyarakat terhadap skrining TB.
Pendekatan tersebut penting karena teknologi tidak akan otomatis menyelesaikan seluruh persoalan akses kesehatan. Sistem pendukung tetap diperlukan agar masyarakat yang teridentifikasi berisiko dapat memperoleh pemeriksaan lanjutan dan pengobatan.
Akses Layanan Masih Menjadi Tantangan
Penelitian TBScreen.AI menemukan sejumlah hambatan yang dapat memengaruhi akses masyarakat terhadap skrining dan diagnosis TB.
Hambatan tersebut mencakup keterbatasan fasilitas kesehatan, kendala ekonomi dan asuransi, faktor sosial budaya, serta persoalan transportasi.
Kondisi tersebut menjadi lebih kompleks di wilayah 3T. Jarak geografis, keterbatasan infrastruktur, dan ketersediaan tenaga kesehatan dapat membuat masyarakat membutuhkan waktu lebih lama untuk memperoleh layanan.
Teknologi skrining berbasis AI berpotensi membantu mengatasi sebagian hambatan tersebut. Namun, teknologi tetap membutuhkan infrastruktur X-ray, tenaga kesehatan, konektivitas, serta sistem rujukan yang mampu menindaklanjuti hasil skrining.
Dengan demikian, penerapan AI perlu berjalan bersama penguatan sistem pelayanan kesehatan. Tanpa mekanisme tindak lanjut, hasil skrining tidak akan memberikan manfaat maksimal bagi masyarakat.
Beban TB Indonesia Masih Tinggi
Kebutuhan terhadap inovasi skrining TB juga berkaitan dengan besarnya beban penyakit tersebut di Indonesia.
WHO memperkirakan sekitar 1,09 juta orang mengalami TB di Indonesia pada 2023. Pada tahun yang sama, jumlah kematian akibat TB diperkirakan mencapai 130.927 orang.
WHO juga mencatat bahwa setidaknya satu dari empat orang dengan TB masih belum terlaporkan atau terdiagnosis. Pada 2023, lebih dari 140.000 orang diperkirakan belum terdiagnosis.
Kesenjangan tersebut menunjukkan pentingnya memperkuat penemuan kasus secara aktif. Semakin cepat kasus ditemukan, semakin cepat pasien dapat diarahkan menuju pemeriksaan dan pengobatan yang sesuai.
Data tersebut sekaligus menjelaskan mengapa teknologi yang mampu membantu mempercepat skrining memiliki nilai strategis. Meski demikian, teknologi harus tetap mengikuti standar klinis dan sistem pelayanan yang berlaku.
Kemenkes Dorong AI Percepat Penemuan Kasus
Direktur Pelayanan Kesehatan Kelompok Rentan Kementerian Kesehatan RI dr. Imran Pambudi, MPH, berharap teknologi AI seperti TBScreen.AI dapat membantu mempercepat proses skrining.
Ia juga melihat peluang integrasi teknologi tersebut dengan program Cek Kesehatan Gratis. Integrasi semacam itu berpotensi memperluas jangkauan pemeriksaan apabila kesiapan teknologi dan sistem layanan telah terpenuhi.
“Dengan skrining yang lebih cepat, penemuan kasus dapat dilakukan lebih dini,” ujar Imran.
Menurutnya, penemuan kasus lebih awal dapat membantu pasien memperoleh pengobatan lebih cepat. Langkah tersebut juga penting untuk menekan risiko penularan TB di masyarakat.
Namun, integrasi dengan program nasional membutuhkan penilaian yang menyeluruh. Aspek akurasi, keamanan data, kesiapan infrastruktur, biaya, pelatihan tenaga kesehatan, dan mekanisme rujukan perlu dipertimbangkan.
Validasi Menjadi Tahap Penting Sebelum Implementasi
Tahap berikutnya menjadi bagian penting dalam perjalanan TBScreen.AI. Hasil awal perlu diuji kembali melalui validasi yang lebih luas sebelum teknologi digunakan dalam pelayanan secara rutin.
Validasi dapat membantu memastikan sistem memiliki performa yang konsisten pada kondisi nyata. Pengujian juga penting untuk mengetahui bagaimana AI bekerja pada kualitas citra yang berbeda dan kelompok masyarakat yang beragam.
Aspek tersebut sangat penting dalam teknologi kesehatan. Kesalahan hasil skrining dapat memengaruhi keputusan pemeriksaan lanjutan sehingga sistem harus memiliki tingkat keandalan yang memadai.
Karena itu, klaim mengenai kemampuan TBScreen.AI perlu ditempatkan sebagai hasil penelitian dan bukan sebagai pengganti diagnosis dokter. Penggunaannya harus mengikuti bukti ilmiah dan evaluasi regulator serta tenaga kesehatan.
Teknologi Harus Terhubung dengan Sistem Kesehatan
Pengembangan TBScreen.AI menunjukkan bahwa inovasi digital dapat membantu menjawab tantangan akses layanan. Namun, teknologi hanya menjadi satu bagian dari rangkaian penanggulangan TB.
WHO menilai Indonesia masih menghadapi kesenjangan dalam pelaporan kasus, integrasi infrastruktur digital, serta kapasitas sistem surveilans. Penguatan sistem digital kesehatan menjadi salah satu kebutuhan untuk mempercepat penemuan dan penanganan kasus.
Indonesia juga telah memperbaiki pelaporan TB. Studi inventori TB 2023–2024 menunjukkan tingkat under-reporting turun menjadi 15,6 persen. WHO menyebut penurunan tersebut sebagai kemajuan penting dalam penguatan deteksi dan pelaporan kasus.
Baca Juga “Pakar UMY: Solusi AI Kesehatan di Indonesia Harus Sampai ke Luar Rumah Sakit Besar“
