KECERDASAN BUATAN DI

ERA PENCITRAAN
ONKOLOGIS YANG
PRESISI
Disusun oleh :
ANDI ADRIANI
ADIWIJAYA
03320230050
 PERKENALAN
Peningkatan dramatis dalam jumlah data pencitraan, penyimpanan, dan kapasitas
pemrosesan selama beberapa dekade terakhir telah mendorong pesatnya perkembangan
sistem kecerdasan buatan (AI) dalam pencitraan diagnostik. Hampir tidak ada bidang
radiologi yang tidak menghadapi penelitian AI yang ekstensif dan asimilasi klinis yang
bergerak cepat. Pencitraan kanker, tidak diragukan lagi, merupakan dampak terbesar
sejauh ini, sejak diperkenalkannya sistem deteksi berbantuan komputer (CAD) pertama
pada tahun 1980an. Peningkatan pesat dan kinerja tingkat tinggi sistem CAD dalam
skrining kanker paru-paru dan payudara berkontribusi pada meningkatnya minat
terhadap pengembangan alat berbasis AI dan integrasi berkelanjutannya ke dalam
pencitraan kanker rutin.
Domain teknologi AI menawarkan beragam arsitektur dan target tugas, yang cenderung
sangat terspesialisasi. Aplikasi onkologis mencakup identifikasi pasien yang berisiko
terkena kanker, deteksi lesi otomatis dengan sistem CAD, alat perencanaan
pengobatan, dan model untuk memprediksi respons pengobatan dan prognosis.
 Gambar Aplikasi onkologis

Gambar 1.Hierarki domain AI sering digunakan dalam pencitraan

onkologis. Bidang AI mencakup teori dan pengembangan berbagai
sistem komputer yang dibangun untuk melakukan tugas-tugas yang
biasanya membutuhkan kecerdasan manusia.
 Fungsi
Mengidentifikasi pasien yang berisiko terkena keganasan dan merujuk mereka ke
program skrining yang dipersonalisasi adalah salah satu tantangan utama dalam onkologi
modern. Algoritme AI memungkinkan penurunan prediktor yang penting secara klinis
dari fitur pencitraan umum dan sering kali berkorelasi lemah. Jika digabungkan dengan
data klinis, informasi ini memudahkan identifikasi pasien yang mungkin berisiko
mengalami lesi ganas. Selain itu, AI mempunyai potensi untuk meningkatkan akurasi
penilaian radiologi terhadap agresivitas tumor dan diferensiasi antara lesi jinak dan
ganas, sehingga memungkinkan penatalaksanaan pasien yang lebih tepat.
Model prediksi berbasis AI telah dikembangkan untuk berbagai teknik pencitraan dan
berbagai jenis kanker, termasuk kanker paru-paru, kolorektal, tiroid, payudara, dan
prostat. Kanker payudara secara tradisional menarik minat besar terhadap model prediksi
risiko berbasis AI. Kanker payudara masih menjadi penyebab utama kematian akibat
kanker pada wanita dengan tingkat kelangsungan hidup di negara-negara berkembang
hanya 50% karena keterlambatan deteksi.
 Kesimpulan
AI semakin terintegrasi ke dalam alur kerja radiologi onkologi, dan kecenderungan ini kemungkinan akan
terus berlanjut di masa depan, sehingga menghasilkan perbaikan besar dalam manajemen dan kualitas hidup
pasien. Berbagai macam tugas pencitraan rutin dapat dialihdayakan dan diotomatisasi berkat AI, termasuk
deteksi dan kuantifikasi penyakit serta segmentasi lesi.
Selain itu, penggunaan radiogenomik AI dalam pencitraan onkologi sedang mengalami pertumbuhan
eksponensial, sehingga berkontribusi terhadap personalisasi dan penyesuaian pengobatan dan pendekatan
onkologis. Dalam beberapa tahun ke depan, model pembelajaran mesin dan jaringan saraf akan menjadi
bantuan yang signifikan dalam setiap aspek onkologi, memungkinkan analisis canggih terhadap pasien
onkologi dan karakterisasi penyakit secara mendetail. Teknologi AI dalam pencitraan onkologi harus
mengatasi beberapa kendala penting sebelum dapat digunakan secara luas dalam praktik klinis rutin. Salah
satu tantangan utamanya terletak pada pengorganisasian yang efektif dan pra-pemrosesan data berskala besar
multi-institusional yang diperlukan untuk mendapatkan algoritma yang dapat diandalkan secara klinis. Pada
akhirnya, pembuatan profil penyakit multidimensi yang didukung AI melalui pencitraan, klinis, dan data
molekuler pada pasien kanker akan memungkinkan peningkatan strategi klinis dan semakin mendobrak
kesenjangan menuju pengobatan yang benar-benar dipersonalisasi.
TERIMA
KASIH
 SUMBER
Artificial Intelligence in the Era of Precision Oncological
Imaging Dalam (Michaela Cellina, MD1 , Maurizio Ce, MD2,
Natallia Khenkina, MD2, Polina Sinichich, MD2, Marco
Cervelli, MD2, Vittoria Poggi, MD2, Sara Boemi, MD2, Anna
Maria Ierardi, MD3, dan Gianpaolo Carrafiello, MD2,3 , 2022)