Midya Efrata - 4511215038 Page 1

Aplikasi Artifical Intelligent Pada Lingkungan Ilmu Kesehatan dan Kedokteran

Contoh Aplikasi Artifical Intellegent pada lingkungan kesehatan dan

kedokteran

Pada dewasa ini sistem informasi kecerdasan buatan (Artifical

Intellegance) sangat banyak dibutuhkan dalam berbagai bidang ilmu.

Teknologi softcomputingmerupakan adalah sebuah bidang kajian

penelitian interdisipliner dalam ilmu komputasi dan kecerdasan

buatan. Sebagai contohnya dimana beberapa teknik

dalam softcomputing diantaranyasistem pakar (expert

system), jaringan saraf tiruan (neural Networks), logika fuzzy (fuzzy

logic), dan algoritma genetik(genetic algorithms) mulai banyak

diterapkan dalam aplikasi-aplikasi yang sangat membantu manusia dalam menjalan kan tugas

dan mencapai tujuan tertentu yang ingin dicapai.

Salah satu sub bidang yang menggunakan sistem kecerdasan buatan untuk mengatasi dan

menganalisis permasalah yang ada adalah bidang kedokteran. Pengembangan aplikasi

kecerdasan buatan pada bidang kedokteran sangat membantu sekali beberapa user yang terlibat

dalam kedokteran.

Penelitian yang dilakukan Ting-Sheng Weng dan Chien-Hung Kuo pada tahun 2009 dengan

judul “Development and Research on the Intelligent Emergency Medical Information System: A

Case Study of Yunlin and Chiayi Counties in Taiwan ”, merupakan salah satu aplikasi yang

sangat membantu pasien untuk mempercepat dan mempermudah dalam mendapatkan pelayanan

serta membantu tenaga medis untuk melaksanakan tugasnya dengan cepat dalam menangani

pasien. Dalam penetian tersebut di ciptakan sebuah aplikasi sistem infomasi darurat dalam

menangani pasien secara cerdas di suatu daerah. Dimana jika terjadi kecelakaan ataupun pasien

yang ingin ke sebuah rumah sakit di daerah tersebut dengan mudah dan cepat dapat ditunjukkan

oleh sistem ini atau akan meningkatkan kecepatan dan pelayanan ambulan dalam membantu

pelayanan darurat medis serta efisien waktu tempuh untuk menemukan posisi rumah sakit

terdekat dengan pasien yang membutuhkan pelayanan.

Midya Efrata - 4511215038 Page 2

Sistem Kerja: sistem dirancang untuk membantu memecahkan masalah antara pasien dengan

tenaga medis/rumah sakit. Dalam sistem ini, diciptakan sebuah tugas fungsi darurat

penyelamatan medis. Sistem ini menggunakan peta satelit Formosa 2(FORMOSAT-2)

dan teknologi Ajax untuk mengakses informasi terhadap peta dan memungkinkan operator pusat

untuk menentukan lokasi yang benar dari pasien secara tepat waktu.

Berdasarkan lokasi pasien, kemudian ambulans akan mengetahui posisi pasien dari layanan.

Kemudian, teknisi medis darurat sejalan penyelamatan pertama yang menggunakan perangkat

mobile pasien atau smart phone dapat terhubung ke sistem melalui GPRS (General Packet Radio

Service ) atau 3G (Third Generation Wireless Format) untuk mencari pasien. Akhirnya, teknisi

medis darurat bisa memasukkan kondisi pasien ke dalam sistem, dan kemudian sistem akan

menentukan rujukan rumah sakit mana yang paling tepat.

Gambar 1. sistem Proses penyelamatan darurat medis.

Hasil yang diperoleh: Penelitian yang telah dilakukan tersebut bertujuan untuk meningkatkan

kemungkinan bahwa pasien menerima pengobatan yang tepat, dan disesuaikan untuk

mengurangi pemborosan waktu yang disebabkan oleh transportasi yang tidak perlu antara rumah

sakit. Sistem ini merupakan pengintegrasian sistem informasi rumah sakitdengan

menggunakan ASP berbasis Web. Aplikasi mobile, dan bahasa teknologi Ajax, JavaScript dan

Midya Efrata - 4511215038 Page 3

SQL untuk membuat suatu sistem cerdas untuk informasi medis darurat yang menggabungkan

aplikasi web, peta satelit dan fungsi keputusan darurat medis mobile. Diharapkan dengan

menggunakan sistem ini, akan dapat meningkatkan efisiensi transportasi pasien di rumah sakit.

Penelitian yang dilakukan Rifat Shahriyar dkk (2009), dengan judul “Intelligent Mobile Health

Monitoring System (IMHMS)”,dimana penelitian ini membahas tentang Handphone Health

Care merupakan sistem integrasi antara komputasi mobiledengan pemantauan kesehatan

manusia. Aplikasi teknologi komputasi mobile ini untuk meningkatkan komunikasi antara

pasien, dokter dan petugas kesehatan. Perangkat mobile telah menjadi bagian tak terpisahkan

dari kehidupan kita ternyata dapat diintegrasikan dengan kesehatan manusia. Hal ini

memungkinkan penyampaian informasi medis yang akurat kapan saja di mana saja dengan

menggunakan ponsel.

Sistem Kerja: IMHMS akan mengumpulkan data fisiologis pasien melalui bio-sensor. Data

dikumpulkan dalam jaringan sensor dan ringkasan, kemudian data yang dikumpulkan

ditransmisikan ke komputer pribadi pasien atau ponsel / PDA. Perangkat ini akan mentransfer

data ke server untuk analisis medis. Setelah menganalisa data, server memberikan masukan

medis ke komputer pribadi pasien atau ponsel / PDA. Pasien dapat mengambil langkah-langkah

berdasarkan umpan balik. IMHMS berisi tiga komponen :

Wearable Body Sensor Network [WBSN] : pada bagian ini terdiri dari banyak sensor-sensor

(bio-sensor) yang di tanam pada tubuh manusia, sensor ini adan menangkap semua kejadian pada

setiap organ tubuh manusia dan kemudian mengirimkannya data-data yang terekam kecentral

controller, dimana ini merupakan pusat yang bertanggung jawab untuk mentransmisikan data

pasien ke telepone, komputer pribadi maupun ke PDA.

Midya Efrata - 4511215038 Page 4

Gambar 2 . WBSN

· Patients Personal Home Server [PPHS]: Merupakan seperangkat server rumah pribadi

pasien bisa berupa satu komputer pribadi atau perangkat mobile seperti ponsel / PDA. PPHS

mengumpulkan informasi dari pusat pengendali WBSN. PPHS mengirim informasi ke Intelligent

Medical Server [IMS]. PPHS berisi logika untuk menentukan apakah akan mengirim informasi

ke IMS atau tidak. Personal Computer PPHS berdasarkan berkomunikasi dengan IMS

menggunakan Internet. perangkat PPHS Mobile untuk berkomunikasi dengan IMS menggunakan

GPRS / EDGE / SMS.

· Intelligent Medical Server [IMS] : IMS akan menerima data dari semua PPHS. IMS

merupakan tulang punggung dari seluruh arsitektur sistem ini. Data yang ada dapat dipelajari

dari catatan pengobatan pasien sebelumnya. Setiap kali dokter atau spesialis memeriksa pasien,

pemeriksaan dan hasil pengobatan disimpan dalam database pusat. IMS menggunakan

teknik data miningstate-of-the-art seperti jaring saraf, aturan asosiasi, pohon keputusan

tergantung pada sifat dan distribusi data. Setelah pengolahan informasi untuk memberikan

umpan balik untuk PPHS atau menginformasikan otoritas medis dalam situasi kritis. PPHS

menampilkan umpan balik kepada pasien. otoritas kesehatan untuk mengambil tindakan yang

diperlukan.

Midya Efrata - 4511215038 Page 5

Gambar 3. Arsitektur IMHMS

Hasil yang diperoleh: dibawah ini merupakan hasil perancangan dan hasil output dari sistem

yang dibuat.

Gambar 4. Data Pasien dan manual data submission

Gambar 5. Data history

Midya Efrata - 4511215038 Page 6

Gambar 6. Tampilan layar implementasi

Pada penelitian yang dilakukan Prasdl dkk (2011) dengan judul “An Approach to Develop

Expert System in Medical Diagnosis using Machine Learning Algorithms (Asthma) and a

Performance Study”, mengatakan bahwa Mesin Intelijen memainkan peranan penting

dalam perancangan sistem pakar dalam diagnosis medis. Di India banyak orang yang

menderita beberapa jenis penyakit seperti asma, kanker diabetes, dan banyak lagi. Dalam

penelitian ini peneliti mempertimbangkan untuk membuar sistem pakar diagnosis asma. Data

diagnosis asma dapat dilakukan dengan dua cara 1) melalui kuesioner dan 2) melalui data klinis.

Metode yang dipakai dalam penelitian ini adalah dengn menggunakan pendekatan Machine

Learning Algorithmts, metodeBackpropogation, algoritma C45, Bayesian Network, dan Particle

Swarm Optimazation.

Sistem Kerja: Pertama-tama pasien diberikan beberapa pertanyaan yang harus dijawab,

berdasarkan pertanyaan ini seleksi Sistem Pakar akan ditentukan asma atau penyakit lain yang

terjadi dalam sistem pernapasan pasien yang melakukan konsultasi apakan penyakit pasien derita

seperti asma kronis,gagal jantung kongestif, Episodic Asma, Infeksi Saluran

Pernapasan, Infeksi Viral. Dan kemudian pasien melaporkan jenis darah klinis untuk analisa

lebih lanjut kemuadian dilakukan diagnosis dengan menggunakan algoritma yang telah dipilih,

gejala asma dan data klinis yang dianalisis akan menghasilkan beberapa faktor seperti validasi,

kehandalan, efektivitas , dan akurasi hasil analisis yang tepat yang bisa dipetakan dengan

pengetahuan dari ahli.

Hasil yang diperoleh: dari penelitian ini pula dapat didefinisikan konteks memori tergantung

pada jaringan neurel-asosiatif dan Particle Swarm Optimazation adalah salah satu algoritma

terbaik dari jaringan Bayesian, Backpropogation dan C4.5.

Midya Efrata - 4511215038 Page 7

Tabel 1. Penghitungan akurasi pada 5 algoritma

Tabel 2. Hasil ananlisis

Particle Swarm Optimazation adalah salah satu metode yang paling menjanjikan untuk

merancang dan mengembangkan sistem pakar dalam diagnosis medis. Bila dibandingkan dengan

algoritma backpropogation, Particle Swarm Optimazation adalah metode menjanjikan dari

analisis neurel network.

Masih tentang penelitian sistem pakar, tetapi penelitian yang dilakukan Gang lou dkk, (2009)

dengan judul “Intelligent Consumer-Centric Electronic Medical Record ”, menjelaskan tentang

pemanfaatan sistem pakar berbasis web-base untuk memperluas cakupan pasein tentang medical

record. Sebuah sistem pakar menggunakan pengetahuan medis untuk mengubah informasi dalam

EMRs menjadi satu set "panduan pencarian informasi" yang mencerminkan situasi medis

pengguna dan kebutuhan kesehatan.

Sistem Kerja: mesin pencari berbasis web menggunakan panduan pencarian informasi untuk

mengambil informasi kesehatan pribadi. Pendekatan ini menggabungkan sistem pakar domain

tertutup dengan orang-orang dari sistem pencarian terbuka-domain. Ahli sistem built-

Midya Efrata - 4511215038 Page 8

inpengetahuan untuk membantu menghasilkan query berkualitas tinggi, sedangkan sistem

pencarian untuk menemukan halaman web yang sebelumnya tidak dikenal dengan sistem pakar.

Gambar 7. Arsitektur intelligent CEMR

iCEMR cerdas mengantisipasi kebutuhan pengguna di muka dan secara otomatis menyediakan

satu set informasi kesehatan. Pengguna sering tidak tahu sebelumnya apa yang mereka inginkan

karena kurangnya pengetahuan medis, sementara mereka biasanya dapat mengetahui apakah

informasi kesehatan membantu ketika mereka disajikan dengan informasi tersebut.

Hasil yang diperoleh: Harapan yang ingin dicapa dengan dibuatnya intelligent CEMR ini untuk

mempermudah masyarakat dalam memantau kesehatan secara online dan berfokus pada

memfasilitasi kegiatan sehari-hari konsumen.

Dalam penelitian yang berjudul “SAPHIRE - Intelligent Healthcare Monitoring based on

Semantic Interoperability Platform - The Homecare Scenario - ”, yang dilakukan oleh Andreas

Hein dkk,(2006) dimana perancangan dan pembuatan sistem informasi monitoring kesehatan

yang di beri nama SAPHIRE. Proyek Saphire bertujuan untuk mengembangkan pemantauan

kesehatan pemantauan cerdas dan sistem pendukung keputusan pada platform mengintegrasikan

data sensor nirkabel medis dengan sistem informasi rumah sakit. Dalam proyek Saphire,

pemantauan pasien akan dicapai dengan menggunakan teknologi agen dimana "agent

behaviour " akan didukung oleh sistem pendukung keputusan klinis yang cerdas akan didasarkan

pedoman komputerisasi praktek klinis, dan akan mengakses riwayat medis pasien disimpan

dalam sistem informasi medis melalui layanan web.

Sistem kerja: konseptual dari proyek Saphire digunakan untuk pasien di rumah sakit atau di

rumah dan ini merupakan inti dari proyek ini. Berbagai dari sensor untuk mengumpulkan data

dari pasien. Sensor data ditransmisikan secara nirkabel ke Interoperabilitas Multi-Platform

disebut HealthCare Services Platform (MSHCP). Agen menggabungkan dan mengevaluasi

Midya Efrata - 4511215038 Page 9

status sensor dan menyimpulkan pada pasien. Berdasarkan data tersebut, dan dengan

mempertimbangkan sejarahaccount pasien akan dikumpulkan dari berbagai instansi kesehatan,

sebuah Semantic Intelligent Sistem Pendukung Keputusan berdasarkan pedoman semantis

beranotasi dimodelkan menggunakan PedomanInterchange Format (GLIF) yang dibuat saran

untuk perawatan pasien. Mekanisme yang menjamin privasi lengkap dan keamanan sistem.

Gambat 8. Konsep dari Saphire

Hasil yang diperoleh: Multi-Platform Layanan homecare(MSHCP) bekerja

sebagai gateway antara pasien klinik dan rumah. MSHCP diimplementasikan sebagai PC

dengan sistem operasi (Linux), dengan menggunakan Java (J2SE), dan

berbasismiddleware OSGi. OSGi (Open Services Gateway Initiative) adalah komponen yang

berorientasi pada lingkungan komputasi standar untuk layanan jaringan. Hal ini sudah digunakan

untuk aplikasi otomatisasi dirumah. Komponen utama adalah eksekusi OSGi, berbagai lapisan

modul yang berbeda, lapisan siklus hidup, dan layanan registri. Dengan cara ini, kerangka kerja

ini dapat mengatur remote control dan komunikasi yang aman.