Pandemi COVID-19 telah memberikan pelajaran berharga mengenai pentingnya efisiensi dalam manajemen fasilitas kesehatan. Merespons tantangan tersebut, tim peneliti dari Teknologi Rekayasa Perangkat Lunak (TRPL), Sekolah Vokasi Universitas Gadjah Mada (UGM) mengembangkan sistem deteksi dini penyakit COVID-19 berbasis kecerdasan buatan (Artificial Intelligence).
Penelitian ini diketuai oleh Dinar Nugroho Pratomo, S.Kom., M.IM., M.Cs., berkolaborasi dengan dosen anggota Divi Galih Prasetyo Putri, S.Kom., M.Kom., Ph.D., dan Al Zaisar Trimulyo, S.Kom., serta melibatkan mahasiswa Kevin Agusto S, Muhammad Fahru Rozi, dan Rafid Aslam.
Latar belakang penelitian ini berfokus pada kondisi di mana lonjakan pasien sering kali membuat sistem perawatan kesehatan kewalahan. Keterbatasan sumber daya menuntut adanya metode triase (pemilahan pasien) yang cepat dan akurat. Salah satu solusi potensial adalah pemanfaatan citra rontgen dada (chest X-ray) untuk mendeteksi kelainan pada pasien yang menunjukkan gejala Infeksi Saluran Pernapasan Akut (ISPA).
Keunggulan Teknologi Capsule Network
Dalam penelitian ini, tim menerapkan teknologi Deep Learning dengan arsitektur model Capsule Network (CapsNet). Teknologi ini dipilih karena kemampuannya yang lebih baik dalam memahami hierarki spasial dan relasi antar fitur dalam sebuah gambar dibandingkan model konvensional.
Proses pengembangan dimulai dengan akuisisi dataset yang mencakup citra rontgen dada kondisi normal, pasien positif COVID-19, dan pasien pneumonia. Data tersebut melalui tahap pra-pemrosesan (pre-processing) sebelum digunakan untuk melatih model CapsNet agar mampu membedakan ketiga kondisi tersebut dengan akurat.
Implementasi Praktis Melalui GUI
Agar dapat dimanfaatkan secara langsung oleh tenaga medis, model cerdas yang telah dilatih kemudian diimplementasikan ke dalam sebuah Graphical User Interface (GUI). Antarmuka ini dirancang agar user-friendly, memudahkan petugas medis untuk memasukkan data citra rontgen dan mendapatkan hasil analisis sistem dalam waktu singkat.
Sistem ini diharapkan dapat berfungsi sebagai alat bantu diagnosis (diagnostic support tool) yang andal. Dengan adanya sistem ini, proses penentuan kesesuaian pasien ISPA untuk menjalani tes lanjutan (seperti PCR) dapat dilakukan dengan lebih terarah, sehingga sumber daya medis yang terbatas dapat dimanfaatkan seefisien mungkin.
Pengembangan sistem deteksi cerdas ini mempertegas peran teknologi dalam mendukung SDG 3 (Good Health and Well-being), khususnya dalam memperkuat ketahanan sistem kesehatan melalui efisiensi triase medis. Penerapan arsitektur Deep Learning mutakhir sebagai alat bantu diagnosis juga mencerminkan semangat SDG 9 (Industry, Innovation, and Infrastructure), menghadirkan solusi infrastruktur yang presisi dan adaptif. Tak kalah penting, kolaborasi riset yang melibatkan mahasiswa dalam pengembangan perangkat lunak medis ini merupakan wujud implementasi SDG 4 (Quality Education), mencetak talenta digital yang siap berkontribusi nyata pada pemecahan masalah kesehatan global.