Aplikasi Artifical Intelligent Pada Lingkungan Ilmu Kesehatan dan Kedokteran

Contoh Aplikasi Artifical Intellegent pada lingkungan kesehatan dan

kedokteran
Pada dewasa ini sistem informasi kecerdasan buatan (Artifical
Intellegance) sangat banyak dibutuhkan dalam berbagai bidang ilmu.
Teknologi softcomputingmerupakan adalah sebuah bidang kajian
penelitian interdisipliner dalam ilmu komputasi dan kecerdasan
buatan.

Sebagai

contohnya

dalam softcomputing diantaranyasistem

dimana

beberapa

teknik

pakar (expert

system), jaringan saraf tiruan (neural Networks), logika fuzzy (fuzzy

logic), dan algoritma genetik(genetic algorithms) mulai banyak
diterapkan dalam aplikasi-aplikasi yang sangat membantu manusia dalam menjalan kan tugas
dan mencapai tujuan tertentu yang ingin dicapai.
Salah satu sub bidang yang menggunakan sistem kecerdasan buatan untuk mengatasi dan
menganalisis permasalah yang ada adalah bidang kedokteran. Pengembangan aplikasi
kecerdasan buatan pada bidang kedokteran sangat membantu sekali beberapa user yang terlibat
dalam kedokteran.
Penelitian yang dilakukan Ting-Sheng Weng dan Chien-Hung Kuo pada tahun 2009 dengan
judul Development and Research on the Intelligent Emergency Medical Information System: A
Case Study of Yunlin and Chiayi Counties in Taiwan , merupakan salah satu aplikasi yang
sangat membantu pasien untuk mempercepat dan mempermudah dalam mendapatkan pelayanan
serta membantu tenaga medis untuk melaksanakan tugasnya dengan cepat dalam menangani
pasien. Dalam penetian tersebut di ciptakan sebuah aplikasi sistem infomasi darurat dalam
menangani pasien secara cerdas di suatu daerah. Dimana jika terjadi kecelakaan ataupun pasien
yang ingin ke sebuah rumah sakit di daerah tersebut dengan mudah dan cepat dapat ditunjukkan
oleh sistem ini atau akan meningkatkan kecepatan dan pelayanan ambulan dalam membantu
pelayanan darurat medis serta efisien waktu tempuh untuk menemukan posisi rumah sakit
terdekat dengan pasien yang membutuhkan pelayanan.
Midya Efrata - 4511215038

Page 1

Sistem Kerja: sistem dirancang untuk membantu memecahkan masalah antara pasien dengan
tenaga medis/rumah sakit. Dalam sistem ini, diciptakan sebuah tugas fungsi darurat
penyelamatan medis. Sistem ini menggunakan peta satelit Formosa 2(FORMOSAT-2)
dan teknologi Ajax untuk mengakses informasi terhadap peta dan memungkinkan operator pusat
untuk menentukan lokasi yang benar dari pasien secara tepat waktu.

Berdasarkan lokasi pasien, kemudian ambulans akan mengetahui posisi pasien dari layanan.
Kemudian, teknisi medis darurat sejalan penyelamatan pertama yang menggunakan perangkat
mobile pasien atau smart phone dapat terhubung ke sistem melalui GPRS (General Packet Radio
Service ) atau 3G (Third Generation Wireless Format) untuk mencari pasien. Akhirnya, teknisi
medis darurat bisa memasukkan kondisi pasien ke dalam sistem, dan kemudian sistem akan
menentukan rujukan rumah sakit mana yang paling tepat.

Gambar 1. sistem Proses penyelamatan darurat medis.

Hasil yang diperoleh: Penelitian yang telah dilakukan tersebut bertujuan untuk meningkatkan
kemungkinan bahwa pasien menerima pengobatan yang tepat, dan disesuaikan untuk
mengurangi pemborosan waktu yang disebabkan oleh transportasi yang tidak perlu antara rumah
sakit. Sistem ini merupakan pengintegrasian sistem informasi

rumah sakitdengan

menggunakan ASP berbasis Web. Aplikasi mobile, dan bahasa teknologi Ajax, JavaScript dan
Midya Efrata - 4511215038

Page 2

SQL untuk membuat suatu sistem cerdas untuk informasi medis darurat yang menggabungkan
aplikasi web, peta satelit dan fungsi keputusan darurat medis mobile. Diharapkan dengan
menggunakan sistem ini, akan dapat meningkatkan efisiensi transportasi pasien di rumah sakit.
Penelitian yang dilakukan Rifat Shahriyar dkk (2009), dengan judul Intelligent Mobile Health
Monitoring System (IMHMS),dimana penelitian ini membahas tentang Handphone Health
Care merupakan sistem integrasi antara komputasi mobiledengan pemantauan kesehatan
manusia. Aplikasi teknologi komputasi mobile ini untuk meningkatkan komunikasi antara
pasien, dokter dan petugas kesehatan. Perangkat mobile telah menjadi bagian tak terpisahkan
dari kehidupan kita ternyata dapat diintegrasikan dengan kesehatan manusia. Hal ini
memungkinkan penyampaian informasi medis yang akurat kapan saja di mana saja dengan
menggunakan ponsel.

Sistem Kerja: IMHMS akan mengumpulkan data fisiologis pasien melalui bio-sensor. Data
dikumpulkan dalam jaringan sensor dan ringkasan, kemudian data yang dikumpulkan
ditransmisikan ke komputer pribadi pasien atau ponsel / PDA. Perangkat ini akan mentransfer
data ke server untuk analisis medis. Setelah menganalisa data, server memberikan masukan
medis ke komputer pribadi pasien atau ponsel / PDA. Pasien dapat mengambil langkah-langkah
berdasarkan umpan balik. IMHMS berisi tiga komponen :
Wearable Body Sensor Network [WBSN] : pada bagian ini terdiri dari banyak sensor-sensor
(bio-sensor) yang di tanam pada tubuh manusia, sensor ini adan menangkap semua kejadian pada
setiap organ tubuh manusia dan kemudian mengirimkannya data-data yang terekam kecentral
controller, dimana ini merupakan pusat yang bertanggung jawab untuk mentransmisikan data
pasien ke telepone, komputer pribadi maupun ke PDA.

Midya Efrata - 4511215038

Page 3

Gambar 2 . WBSN

Patients Personal Home Server [PPHS]: Merupakan seperangkat server rumah pribadi

pasien bisa berupa satu komputer pribadi atau perangkat mobile seperti ponsel / PDA. PPHS
mengumpulkan informasi dari pusat pengendali WBSN. PPHS mengirim informasi ke Intelligent
Medical Server [IMS]. PPHS berisi logika untuk menentukan apakah akan mengirim informasi
ke IMS atau tidak. Personal Computer PPHS berdasarkan berkomunikasi dengan IMS
menggunakan Internet. perangkat PPHS Mobile untuk berkomunikasi dengan IMS menggunakan
GPRS / EDGE / SMS.

Intelligent Medical Server [IMS] : IMS akan menerima data dari semua PPHS. IMS

merupakan tulang punggung dari seluruh arsitektur sistem ini. Data yang ada dapat dipelajari
dari catatan pengobatan pasien sebelumnya. Setiap kali dokter atau spesialis memeriksa pasien,
pemeriksaan dan hasil pengobatan disimpan dalam database pusat. IMS menggunakan
teknik data miningstate-of-the-art seperti jaring saraf, aturan asosiasi, pohon keputusan
tergantung pada sifat dan distribusi data. Setelah pengolahan informasi untuk memberikan
umpan balik untuk PPHS atau menginformasikan otoritas medis dalam situasi kritis. PPHS
menampilkan umpan balik kepada pasien. otoritas kesehatan untuk mengambil tindakan yang
diperlukan.

Midya Efrata - 4511215038

Page 4

Gambar 3. Arsitektur IMHMS

Hasil yang diperoleh: dibawah ini merupakan hasil perancangan dan hasil output dari sistem
yang dibuat.

Gambar 4. Data Pasien dan manual data submission

Gambar 5. Data history

Midya Efrata - 4511215038

Page 5

Gambar 6. Tampilan layar implementasi

Pada penelitian yang dilakukan Prasdl dkk (2011) dengan judul An Approach to Develop
Expert System in Medical Diagnosis using Machine Learning Algorithms (Asthma) and a
Performance Study, mengatakan bahwa Mesin Intelijen memainkan peranan penting
dalam perancangan sistem pakar dalam diagnosis medis. Di India banyak orang yang
menderita beberapa jenis penyakit seperti asma, kanker diabetes, dan banyak lagi. Dalam
penelitian ini peneliti mempertimbangkan untuk membuar sistem pakar diagnosis asma. Data
diagnosis asma dapat dilakukan dengan dua cara 1) melalui kuesioner dan 2) melalui data klinis.
Metode yang dipakai dalam penelitian ini adalah dengn menggunakan pendekatan Machine
Learning Algorithmts, metodeBackpropogation, algoritma C45, Bayesian Network, dan Particle
Swarm Optimazation.
Sistem Kerja: Pertama-tama pasien diberikan beberapa pertanyaan yang harus dijawab,
berdasarkan pertanyaan ini seleksi Sistem Pakar akan ditentukan asma atau penyakit lain yang
terjadi dalam sistem pernapasan pasien yang melakukan konsultasi apakan penyakit pasien derita
seperti asma

kronis,gagal

jantung

kongestif, Episodic

Asma, Infeksi

Saluran

Pernapasan, Infeksi Viral. Dan kemudian pasien melaporkan jenis darah klinis untuk analisa
lebih lanjut kemuadian dilakukan diagnosis dengan menggunakan algoritma yang telah dipilih,
gejala asma dan data klinis yang dianalisis akan menghasilkan beberapa faktor seperti validasi,
kehandalan, efektivitas , dan akurasi hasil analisis yang tepat yang bisa dipetakan dengan
pengetahuan dari ahli.
Hasil yang diperoleh: dari penelitian ini pula dapat didefinisikan konteks memori tergantung
pada jaringan neurel-asosiatif dan Particle Swarm Optimazation adalah salah satu algoritma
terbaik dari jaringan Bayesian, Backpropogation dan C4.5.

Midya Efrata - 4511215038

Page 6

Tabel 1. Penghitungan akurasi pada 5 algoritma

Tabel 2. Hasil ananlisis

Particle Swarm Optimazation adalah salah satu metode yang paling menjanjikan untuk
merancang dan mengembangkan sistem pakar dalam diagnosis medis. Bila dibandingkan dengan
algoritma backpropogation, Particle Swarm Optimazation adalah metode menjanjikan dari
analisis neurel network.

Masih tentang penelitian sistem pakar, tetapi penelitian yang dilakukan Gang lou dkk, (2009)
dengan judul Intelligent Consumer-Centric Electronic Medical Record , menjelaskan tentang
pemanfaatan sistem pakar berbasis web-base untuk memperluas cakupan pasein tentang medical
record. Sebuah sistem pakar menggunakan pengetahuan medis untuk mengubah informasi dalam
EMRs menjadi satu set "panduan pencarian informasi" yang mencerminkan situasi medis
pengguna dan kebutuhan kesehatan.

Sistem Kerja: mesin pencari berbasis web menggunakan panduan pencarian informasi untuk
mengambil informasi kesehatan pribadi. Pendekatan ini menggabungkan sistem pakar domain
tertutup dengan orang-orang dari sistem pencarian terbuka-domain. Ahli sistem builtMidya Efrata - 4511215038

Page 7

inpengetahuan untuk membantu menghasilkan query berkualitas tinggi, sedangkan sistem

pencarian untuk menemukan halaman web yang sebelumnya tidak dikenal dengan sistem pakar.

Gambar 7. Arsitektur intelligent CEMR

iCEMR cerdas mengantisipasi kebutuhan pengguna di muka dan secara otomatis menyediakan
satu set informasi kesehatan. Pengguna sering tidak tahu sebelumnya apa yang mereka inginkan
karena kurangnya pengetahuan medis, sementara mereka biasanya dapat mengetahui apakah
informasi kesehatan membantu ketika mereka disajikan dengan informasi tersebut.

Hasil yang diperoleh: Harapan yang ingin dicapa dengan dibuatnya intelligent CEMR ini untuk
mempermudah masyarakat dalam memantau kesehatan secara online dan berfokus pada
memfasilitasi kegiatan sehari-hari konsumen.
Dalam penelitian yang berjudul SAPHIRE - Intelligent Healthcare Monitoring based on
Semantic Interoperability Platform - The Homecare Scenario - , yang dilakukan oleh Andreas
Hein dkk,(2006) dimana perancangan dan pembuatan sistem informasi monitoring kesehatan
yang di beri nama SAPHIRE. Proyek Saphire bertujuan untuk mengembangkan pemantauan
kesehatan pemantauan cerdas dan sistem pendukung keputusan pada platform mengintegrasikan
data sensor nirkabel medis dengan sistem informasi rumah sakit. Dalam proyek Saphire,
pemantauan pasien akan dicapai dengan menggunakan teknologi agen dimana

"agent

behaviour " akan didukung oleh sistem pendukung keputusan klinis yang cerdas akan didasarkan
pedoman komputerisasi praktek klinis, dan akan mengakses riwayat medis pasien disimpan
dalam sistem informasi medis melalui layanan web.

Sistem kerja: konseptual dari proyek Saphire digunakan untuk pasien di rumah sakit atau di
rumah dan ini merupakan inti dari proyek ini. Berbagai dari sensor untuk mengumpulkan data
dari pasien. Sensor data ditransmisikan secara nirkabel ke Interoperabilitas Multi-Platform
disebut HealthCare Services Platform (MSHCP). Agen menggabungkan dan mengevaluasi
Midya Efrata - 4511215038

Page 8

status sensor dan menyimpulkan pada pasien. Berdasarkan data tersebut, dan dengan
mempertimbangkan sejarahaccount pasien akan dikumpulkan dari berbagai instansi kesehatan,
sebuah Semantic Intelligent Sistem Pendukung Keputusan berdasarkan pedoman semantis
beranotasi dimodelkan menggunakan PedomanInterchange Format (GLIF) yang dibuat saran
untuk perawatan pasien. Mekanisme yang menjamin privasi lengkap dan keamanan sistem.

Gambat 8. Konsep dari Saphire

Hasil

yang

diperoleh: Multi-Platform

Layanan

homecare(MSHCP)

bekerja

sebagai gateway antara pasien klinik dan rumah. MSHCP diimplementasikan sebagai PC
dengan

sistem

operasi

(Linux),

dengan

menggunakan

Java

(J2SE),

dan

berbasismiddleware OSGi. OSGi (Open Services Gateway Initiative) adalah komponen yang
berorientasi pada lingkungan komputasi standar untuk layanan jaringan. Hal ini sudah digunakan
untuk aplikasi otomatisasi dirumah. Komponen utama adalah eksekusi OSGi, berbagai lapisan
modul yang berbeda, lapisan siklus hidup, dan layanan registri. Dengan cara ini, kerangka kerja
ini dapat mengatur remote control dan komunikasi yang aman.

Midya Efrata - 4511215038

Page 9