Potensi Penggunaan Kecerdasan Buatan dalam Penegakkan Diagnosis Patologi Penyakit Ginjal Kronik

Abstract

Penyakit ginjal kronik merupakan masalah kesehatan global. Di Indonesia, prevalensi penyakit ginjal kronik meningkat dari 0,2% pada tahun 2013 menjadi 0,3% pada tahun 2018. Dalam praktik patologi ginjal nontumor, penggunaan pulasan khusus dan tingginya nilai interobserver variability alat-alat penilaian penentu prognosis seperti klasifikasi Banff dan MEST-C masih menjadi masalah yang krusial. Saat ini perkembangan patologi digital dan kecerdasan buatan cukup pesat, mencakup penerapannya dalam melakukan low-level tasks dan high-level tasks pada gambar digital. Salah satu jenis kecerdasan buatan, yaitu convolutional neural network (CNN) telah terbukti mampu melakukan identifikasi, segmentasi dan kuantifikasi struktur- struktur jaringan pada whole slide image (WSI). Pada sediaan patologi ginjal, CNN mampu melakukan identifikasi glomerulus dan tubulus serta komponen terkait (kapsula Bowman, sel mesangial, interstisium). Lebih lanjut, CNN juga dapat mengidentifikasi lesi-lesi pada glomerulus dan tubulus, seperti sklerosis glomerulus, proliferasi sel mesangial, fibrosis interstisial dan atrofi tubulus. Hal ini dapat menjawab permasalahan tingginya nilai interobserver variability pada alat-alat prognosis patologi ginjal. Saat ini penggunaan kecerdasan buatan dalam memulas secara digital jaringan ginjal nontumor pada WSI menjadi area penelitian yang potensial. Diharapkan penerapan kecerdasan buatan dalam patologi digital terutama di bidang patologi ginjal nontumor dapat berkontribusi dalam meningkatkan optimalisasi dan efisiensi kerja.