UI Kembangkan Alat Deteksi Pneunomia Akibat Covid-19 Berbasis Kecerdasan Buatan

Sebuah alat bantu prediksi kasus pneumonia akibat Covid-19 tengah dikembangkan oleh Universitas Indonesia.

Dilakukan oleh Kelompok Bidang Ilmu (KBI) Fisika Medis & Biofisika dan KBI Instrumentasi Fisika, Departemen FMIPA UI, mereka mengembangkan DSS-CovIDNet dengan menggunakan program berbasis kecerdasan buatan (artificial intelligence) deep-learning.

Program tersebut dirancang oleh tim mahasiswa S2 serta alumni dari Departemen Fisika FMIPA UI yang tergabung dalam tim riset AIRA artificial intelligence for radiological applications (AIRA) di bawah arahan Prof. Dr. Djarwani S. Soejoko, FIOMP, dan Prawito, Ph.D.

DSS-CovIDNet menggunakan konsep convolutional neural network (CNN) untuk melakukan klasifikasi dari citra roentgen dada ke dalam tiga kelompok, yakni pneumonia Covid-19, pneumonia Non-Covid-19, dan paru normal dengan akurasi mencapai 98,44%.

“Adanya DSS-CovIDNet diharapkan mampu berkontribusi menambah keyakinan diagnosis dan mengurangi beban dokter spesialis radiologi dengan tingginya workload terkait diagnosis dan pemantauan kasus Covid-19," tutur Koordinator Tim AIRA, Lukmanda Evan Lubis dalam keterangan tertulis yang diterima redaksi, Kamis (14/5).

Wakil Rektor UI bidang Riset dan Inovasi, Prof Dr. Abdul Haris, M.Sc mengatakan, alat tersebut diyakini unggul lantaran memiliki tingkat akurasi yang tinggi. Pihaknya bahkan membuka akses data pengembangan agar memudahkan para peneliti untuk ikut menyempurnakan program tersebut.

"Penelitian berkenaan dengan deteksi pneumonia tidak hanya dilakukan oleh satu kelompok saja, melainkan ada tiga tim peneliti interdisipliner lainnya di UI untuk mendeteksi pneumonia Covid-19 menggunakan Artificial Intelligence (AI) berdasarkan data radiologis," jelas Prof Abdul Haris.

Para peneliti tersebut adalah Tim Peneliti Fakultas Kedokteran Universitas Indonesia (FKUI) yang bekerja sama dengan DELFT Imaging CAD4COVID. Selain itu, ada pula kelompok peneliti FKUI lain di bawah arahan dr. Cleopas Martin Rumende, dan dr. Telly Kamelia untuk mengembangkan algoritma deteksi. Termasuk bekerja sama dengan tim dari AI Center Fasilkom UI.