Deteksi Tuberkulosis Cepat dan Akurat dengan AI: Solusi untuk Keterbatasan Dokter di Daerah

Table of Contents

Masalah Keterlambatan Deteksi TB di Indonesia

Keterlambatan dalam mendeteksi tuberkulosis (TB) dapat memperluas penyebaran penyakit dan membahayakan nyawa pasien. Di Indonesia, upaya pemberantasan TB masih menghadapi tantangan besar karena keterbatasan jumlah dokter radiologi yang tersedia. Sebagian besar dari mereka tidak berada di daerah-daerah terpencil, sehingga menyulitkan deteksi dini TB.

Saat ini, banyak fasilitas kesehatan di pelosok daerah masih bergantung pada tenaga radiolog yang terbatas. Hal ini menjadi hambatan dalam menangani lebih dari satu juta kasus TB yang dilaporkan setiap tahunnya. Tanpa diagnosis yang cepat dan akurat, kondisi pasien bisa memburuk dan risiko kematian meningkat. Selain itu, penularan TB juga semakin meluas.

Solusi Teknologi AI untuk Deteksi TB

Untuk mengatasi masalah ini, Organisasi Kesehatan Dunia (WHO) merekomendasikan penggunaan teknologi berbasis kecerdasan buatan (AI) dalam pembacaan hasil rontgen. Teknologi ini dikenal sebagai sistem deteksi berbantuan komputer atau computer-aided detection (CAD). CAD mampu "membaca" hasil rontgen dalam hitungan detik dengan akurasi yang sama seperti manusia.

Sejak tahun 2024, tim peneliti dari Indonesia dan Australia tengah mengembangkan CAD khusus untuk deteksi TB di Tanah Air. Teknologi ini dirancang agar bisa meningkatkan sensitivitas dalam menemukan pasien TB sebesar 26% dan mempercepat proses pembacaan rontgen hingga 31%.

Pemanfaatan Alat X-ray Portabel

Pemerintah Indonesia telah memulai program active case finding (ACF) dengan menggunakan alat X-ray portabel untuk mempercepat penemuan kasus TB. Alat ini digunakan untuk mendeteksi TB pada populasi berisiko, seperti anak-anak, lansia, orang dengan sistem imun lemah, serta individu yang kontak erat dengan pasien TB.

Namun, distribusi dokter radiolog tetap tidak merata. Banyak daerah terpencil masih kesulitan dalam mendapatkan layanan kesehatan yang memadai. Akibatnya, hanya sekitar 885 ribu kasus TB yang berhasil dideteksi pada tahun 2024, padahal perkiraan jumlah kasus mencapai 1 juta.

Penelitian tentang CAD di Indonesia

Penelitian tahun 2026 dalam jurnal BJR Open menunjukkan bahwa kombinasi CAD dengan alat X-ray portabel bisa mempermudah dan memperluas deteksi TB di daerah terpencil. Namun, Indonesia belum secara nasional mengembangkan teknologi CAD sendiri. Saat ini, negara-negara lain masih menjadi sumber utama teknologi ini.

Sayangnya, teknologi CAD dari luar negeri mungkin tidak sepenuhnya akurat karena tidak dilatih dengan data spesifik masyarakat Indonesia. Untuk itu, penelitian lokal sedang dilakukan untuk mengembangkan CAD yang sesuai dengan konteks Indonesia.

Proyek Pengembangan CAD di Indonesia

Tim peneliti yang dipimpin oleh Pusat Kedokteran Tropis Universitas Gadjah Mada (UGM) tengah mengembangkan CAD berbasis AI. Proyek ini melibatkan berbagai institusi, termasuk University of Melbourne, Universitas Sebelas Maret, dan Monash University Indonesia. Selain itu, Yayasan Pengembangan Kesehatan dan Masyarakat Papua (YPKMP), Pusat Rehabilitasi YAKKUM, serta Sentra Advokasi Perempuan, Difabel, dan Anak (SAPDA) juga turut berkontribusi.

Dalam penelitian ini, para peneliti mengumpulkan foto rontgen dada dari 1.930 pasien TB di berbagai daerah, seperti Sleman, Bantul, Klaten, dan Mimika. Model CAD yang ada saat ini memiliki sensitivitas sebesar 79,31% dan spesifisitas hingga 65%, yang memenuhi sebagian target WHO. Namun, sensitivitas masih di bawah target 90%.

Tantangan dalam Implementasi AI

Meski AI menawarkan potensi besar dalam deteksi TB, implementasinya tidak tanpa hambatan. Infrastruktur digital yang memadai, seperti ruang penyimpanan data dan jaringan internet stabil, masih perlu dikembangkan. Selain itu, pelatihan bagi tenaga kesehatan diperlukan agar CAD bisa digunakan secara efektif.

Selain aspek teknis, penting juga untuk memahami hambatan akses layanan kesehatan yang dihadapi masyarakat. Riset ini juga melakukan survei terhadap 1.665 pasien TB untuk mengidentifikasi kendala yang mereka alami.

Ke depan, Bagaimana Kita Harus Bergerak?

AI bukan solusi tunggal dalam upaya eliminasi TB. Teknologi ini sebaiknya digunakan sebagai alat bantu untuk mempercepat skrining dan memperluas jangkauan deteksi hingga daerah terpencil. Pekerjaan rumah kita adalah bagaimana memastikan bahwa teknologi ini bisa dikembangkan dan dimanfaatkan sesuai dengan konteks lokal, sehingga dapat menjangkau mereka yang selama ini terpinggirkan.