PARA peneliti di India sukses memanfaatkan kecerdasan buatan (Artificial intelligence/AI) untuk mendiagnosis mpox.
Caranya dengan menganalisis foto lesi kulit mencapai tingkat akurasi hingga 99,5 persen.
Studi tersebut baru saja dipublikasikan di Medicine in Novel Technology and Devices.
Studi itu menguji kemampuan diagnostik berbagai jaringan deep learning. Termasuk GoogLeNet, Places365-GoogLeNet, SqueezeNet, AlexNet, dan ResNet-18.
Jaringan ini dilatih untuk menafsirkan gambar lesi kulit pasien. Dan membedakan mpox dari cacar air dan virus lainnya.
Secara konvensional, mpox atau cacar monyet didiagnosis melalui pengujian PCR.
Namun hasil PCR mungkin kurang akurat karena keberadaan virus yang sedikit di dalam darah.
Selain itu pengujian PCR memerlukan informasi spesifik seperti stadium ruam, usia pasien, dan tanggal munculnya demam atau ruam.
Dan mungkin PCR tidak selalu tersedia di daerah terpencil. Semua jaringan neural dalam yang digunakan dalam penelitian mencapai tingkat akurasi lebih tinggi dari 95 persen.
Dengan ResNet-18 menunjukkan akurasi tertinggi sebesar 99,49 persen.
Para peneliti mengaitkan kinerja superior ResNet-18 dengan arsitektur lebih ramping sehingga memungkinkan bisa mempelajari fitur-fitur kompleks dengan input lebih sedikit.
“Hasilnya menunjukkan bahwa model pembelajaran mendalam seperti model berbasis ResNet-18 yang diusulkan dapat diimplementasikan,” tulis para peneliti.
“Dan memainkan peranan penting dalam memerangi virus mpox,” lanjutnya.
Alasannya jaingan yang digunakan dioptimalkan untuk efisiensi.
“Jaringan tersebut dapat dimanfaatkan pada perangkat dengan sumber daya terbatas seperti ponsel pintar dilengkapi kamera.’
GooLeNet dan Palces365-GoogLeNet juga menunjukkan kinerja menjanjukan dalam mendiagnosis mpox.
Teknologi AI ini lebih ringan dan hemat sumber daya, sehingga cocok untuk fasilitas kesehatan dan daerah terpencil. (Medical Daily/S-01)
