Peneliti Gunakan Machine Learning untuk Diagnosis Kanker Ovarium

Ilustrasi Machine Learning, Deep Learning, Artificial Intelligence, Kecerdasan Buatan. Kredit: Pixabay/Mohamed Hassan

Liputan6.com, Jakarta - Meskipun kanker ovarium adalah jenis kanker paling mematikan bagi wanita, hanya sekitar 20 persen kasus ditemukan pada stadium awal. Itu terjadi karena tidak ada tes skrining nyata dan hanya sedikit gejala yang memicunya.

Selain itu, lesi ovarium sulit untuk didiagnosis secara akurat, bahkan sangat sulit. Faktanya, tidak ada tanda kanker pada lebih dari 80 persen wanita menjalani operasi untuk mengangkat dan menguji lesi.

Quing Zhu, Profesor Teknik Biomedis di Washington University in St. Louis, dan anggota laboratoriumnya telah menerapkan berbagai metode pencitraan untuk mendiagnosis kanker ovarium secara lebih akurat.

Mereka telah mengembangkan model machine learning baru memanfaatkan fitur ultrasonografi lesi ovarium ada saat ini. Mereka melatih model itu untuk mengenali apakah lesi tersebut jinak atau kanker berdasarkan gambar hasil rekonstruksi yang diambil dengan tomografi fotoakustik.

Temuan terbaru menunjukkan machine learning multi-modalitas lebih kuat dalam kinerjanya dibandingkan metode unimodalitas. Dalam studi percontohan terhadap 35 pasien, akurasi model mencapai 90 persen.

Ini adalah studi pertama yang menggunakan ultrasound untuk meningkatkan kinerja machine learning rekonstruksi tomografi fotoakustik untuk diagnosis kanker. Hasil penelitian ini terbit di jurnal telaah sejawat bereputasi Photoacoustics.

Polikistik ovarium (PCOS) adalah penyakit ketika ovum atau sel telur pada perempuan tidak berkembang secara normal akibat ketidakseimbangan hormon. Hal ini dapat menyebabkan siklus menstruasi yang tidak teratur serta menyebabkan kemandulan. Berikut 5...

2 dari 3 halaman

Pencitraan Fotoakustik

"Modalitas yang ada terutama didasarkan pada ukuran dan bentuk lesi ovarium, yang tidak memberikan diagnosis yang akurat untuk kanker ovarium sebelumnya dan untuk penilaian risiko lesi adneksa/ovarium yang besar,” ujar Zhu dikutip dari rilis resmi universita melalui Eurekalert pada Kamis (1/12/2022).

Pencitraan fotoakustik, kata Zhu, menambahkan lebih banyak informasi fungsional tentang kontras vaskular dari konsentrasi hemoglobin dan saturasi oksigen darah.

Yun Zou, seorang mahasiswa doktoral yang terlibat di dalam penelitian ini, mengembangkan model machine learning baru. Dia menggabungkan jaringan saraf (neural network) ultrasound dengan neural network tomografi fotoakustik untuk melakukan diagnosis lesi ovarium.

3 dari 3 halaman

Biomarker untuk jaringan kanker ovarium

Untuk meningkatkan diagnosis ultrasonografi secara keseluruhan, para peneliti telah menambahkan konsentrasi hemoglobin total dan saturasi oksigenasi darah dari pencitraan fotoakustik. Keduanya dikenal sebagai biomarker (penanda biologis) untuk jaringan kanker ovarium.

"Hasil kami menunjukkan bahwa model pencitraan fotoakustik yang ditingkatkan dengan ultrasound memiliki kemampuan untuk merekonstruksi hemoglobin total target dan peta saturasi oksigen darah secara lebih akurat daripada metode lainnya dan memberikan diagnosis kanker ovarium yang lebih baik,” kata Zou dalam pernyataannya.