Mengenalpasti Barah dengan Pembelajaran Mesin

Mengenalpasti Barah dengan Pembelajaran Mesin

Diterbitkan pada Mei 7, 2018 oleh .

Penyakit kanser merupakan antara misteri yang sukar untuk dirungkai kerana ia disebabkan oleh pelbagai faktor, antaranya faktor persekitaran dan genetik. Perlu diambil kira juga bahawa setiap kanser seperti kanser kolorektal (usus besar) dan kanser kulit mempunyai komposisi genetik yang berlainan antara satu sama lain, sekaligus merumitkan lagi usaha pakar-pakar perubatan untuk menangani dan juga memerangi kanser.

Strategi yang berkesan ketika ini untuk menangani kanser ialah dengan melakukan pengesanan awal agar ia belum sempat untuk membesar dan merebak. Berbekalkan dengan strategi ini, sekumpulan pengkaji daripada negara matahari terbit membangunkan perisian diagnostik bantuan komputer (computer-aided diagnostic, CAD) dengan tujuan untuk melakukan pengesanan yang tepat dan tangkas untuk membantu pakar bagi mengesan ketumbuhan yang disyaki barah khusus untuk penyakit kanser kolorektal.

Kanser kolorektal merupakan bidang kajian yang memerlukan lebih perhatian daripada pengkaji-pengkaji dan juga orang awam ketika ini. Statistik yang dilaporkan oleh American Cancer Society menunjukkan bahawa kes-kes kanser kolorektal sedang meningkat terutama sekali dikalangan golongan belia. Para pengkaji masih lagi cuba untuk memahami bagaimanakah peningkatan ini boleh berlaku. Spekulasi demi spekulasi muncul yang mana mengaitkan sumber makanan yang kurang sihat menjadi salah satu faktor utama peningkatan kes kolorektal kanser. Juga peningkatan insiden kanser ini dikaitkan dengan amalan seksual tertentu yang mungkin menjadi penyebab kepada peningkatan jumlah kes kanser kolorektal, khususnya apabila sel-sel barah ditemui pada pangkal usus iaitu rektum, lazimnya dikenali dalam masyarakat kita sebagai dubur.

Tujuan perisian ini dibangunkan adalah untuk membantu kakitangan perubatan yang tidak atau belum melalui latihan yang terperinci untuk melakukan diagnosis awal. Dengan wujudnya kebolehan untuk melakukan diagnosis awal secara automatik dengan menggunakan komputer mampu untuk memberikan lebih informasi dan masa untuk pakar perubatan bagi melakukan rawatan susulan dengan lebih efektif.

Sebelum kita mengolah dengan lebih lanjut, kita perlu tahu sedikit sebanyak bagaimanakah kajian ini dijalankan oleh pasukan yang diketuai oleh Dr. Haruhiro Inoue ini. Terlebih dahulu, perisian CAD ini dilatih bagi mengenalpasti ciri-ciri fizikal seperti rupa bentuk sel kanser kolorektal dengan algoritma berdasarkan pembelajaran mesin (machine learning). Proses latihan CAD ini melibatkan kira-kira 176 gambar kanser kolorektal yang diambil daripada pengkalan data mereka.

Setelah proses latihan tamat dilakukan, perisian ini dipadankan bersama dengan mikroskop kecil khusus untuk mendapatkan foto usus besar melalui proses yang dinamakan sebagai kolonoskopi. Sebelum proses ini dimulakan, pesakit diberikan sejenis cecair yang bertindak untuk mengosongkan usus besar supaya dinding usus dapat dilihat dengan jelas.

Menariknya, teknologi ini mempunyai indeks ketepatan yang tinggi, iaitu hampir menyamai ketepatan analisa oleh pakar perubatan. Menurut kertas kajian yang diterbitkan oleh pasukan ini, ketepatan EC-CAD berada pada tahap 89.2%, tidak jauh jika dibandingkan dengan ketepatan analisa oleh pakar iaitu 92.3% dan semestinya lebih tinggi daripada pelatih juruteknik endoskopi iaitu 80.4%. Bahkan, teknologi EC-CAD ini mempunyai kelebihan yang ketara iaitu ia mengambil masa kira-kira 0.3 saat sahaja untuk melaporkan diagnosis.

Kajian ini menunjukkan bahawa perisian tersebut mempunyai kelebihan dan nilai manfaat yang tinggi. Perisian ini mempunyai potensi untuk memperoleh data dengan tangkas sekaligus membantu pegawai-pegawai perubatan untuk mendapatkan diagnosis yang tepat. Namun begitu, para pengkaji menegaskan bahawa teknologi ini masih lagi mempunyai kekurangan dan perlu melalui beberapa fasa kajian sebelum ia sedia untuk digunakan secara meluas.

Sumber: Mori, Y., Kudo, S., Wakamura, K., Misawa, M., Ogawa, Y., Kutsukawa, M., . . . Inoue, H. (2015). Novel computer-aided diagnostic system for colorectal lesions by using endocytoscopy (with videos). Gastrointestinal Endoscopy, 81(3), 621-629. doi:10.1016/j.gie.2014.09.008


TIPS & ULASAN