AI Bisa Deteksi TBC dari X-Ray?

Peran Artificial Intelligence dalam Membantu Diagnosis Tuberkulosis

Artikel berdasarkan penelitian dari Udayana, dkk. (2025). Comparison of Artificial Intelligence Methods for Tuberculosis Detection Using X-Ray Images. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 19(1), 49–60

Tuberkulosis (TBC/TB) masih menjadi salah satu penyakit menular paling mematikan di dunia. Penyakit yang disebabkan oleh bakteri Mycobacterium tuberculosis ini umumnya menyerang paru-paru dan membutuhkan deteksi dini agar pengobatan dapat dilakukan lebih cepat dan efektif.

Menurut berbagai laporan kesehatan global, Indonesia termasuk negara dengan jumlah kasus TB tertinggi di dunia. Tingginya angka kasus membuat kebutuhan terhadap sistem diagnosis yang cepat, akurat, dan efisien menjadi semakin penting. Salah satu teknologi yang kini mulai berkembang di dunia medis adalah pemanfaatan Artificial Intelligence (AI) dalam analisis citra radiologi, khususnya X-Ray thorax.

Mengapa X-Ray Penting dalam Diagnosis TB?

Pemeriksaan X-Ray thorax merupakan salah satu metode paling umum untuk membantu mendeteksi kelainan paru akibat Tuberkulosis. Melalui citra radiografi, dokter dapat melihat adanya infiltrat, kavitas, fibrosis, maupun perubahan struktur paru yang mengarah pada TB.

Namun dalam praktiknya, interpretasi citra radiologi memerlukan pengalaman dan ketelitian tinggi dari dokter radiologi. Di beberapa daerah, keterbatasan jumlah radiolog menjadi tantangan besar dalam proses skrining TB secara cepat dan merata.

Karena itulah teknologi AI mulai dikembangkan sebagai decision support system untuk membantu tenaga medis menganalisis citra X-Ray secara lebih efisien.

Bagaimana AI Membaca X-Ray Paru?

Teknologi AI pada radiologi umumnya menggunakan metode Deep Learning, khususnya Convolutional Neural Network (CNN). CNN merupakan model kecerdasan buatan yang dirancang untuk mengenali pola pada gambar atau citra digital.

Sistem AI dilatih menggunakan ribuan data citra X-Ray paru normal dan paru dengan TB. Dari proses tersebut, AI belajar mengenali pola abnormal yang berkaitan dengan penyakit Tuberkulosis.

Dalam sebuah penelitian berjudul “Comparison of Artificial Intelligence Methods for Tuberculosis Detection Using X-Ray Images”, peneliti membandingkan dua arsitektur CNN yaitu:

1. AlexNet

1. VGG-19

Penelitian ini juga mengombinasikan teknik peningkatan kualitas citra (image enhancement) untuk meningkatkan kemampuan AI dalam membaca detail paru.

Apa Itu Image Enhancement?

Kualitas citra X-Ray sangat memengaruhi performa AI dalam mendeteksi kelainan. Oleh karena itu digunakan beberapa metode image enhancement, antara lain:

1. Histogram Equalization (HE)

Metode untuk meningkatkan kontras gambar dengan mendistribusikan intensitas piksel secara lebih merata.

2. Adaptive Histogram Equalization (AHE)

Meningkatkan kontras lokal pada area tertentu sehingga detail paru lebih terlihat.

3. CLAHE (Contrast Limited Adaptive Histogram Equalization)

Merupakan pengembangan dari AHE yang mampu meningkatkan detail citra tanpa memperbesar noise secara berlebihan.

4. Gamma Correction

Digunakan untuk menyesuaikan tingkat kecerahan dan kontras citra.

Dari seluruh metode tersebut, CLAHE menunjukkan performa terbaik dalam meningkatkan kualitas citra X-Ray.

Hasil Penelitian: VGG-19 + CLAHE Menjadi Kombinasi Terbaik

Penelitian menggunakan:

1. 3.500 citra paru normal
2. 1.500 citra paru TB

Evaluasi dilakukan menggunakan parameter:

1. Accuracy
2. Precision
3. Recall
4. F1-Score

Hasil terbaik diperoleh dari kombinasi:

VGG-19 + CLAHE

Dengan performa:

1. Accuracy: 93.5%
2. Precision: 98.88%
3. Recall: 88%
4. F1-Score: 93.12%

Hasil ini menunjukkan bahwa AI mampu membantu mendeteksi Tuberkulosis dengan tingkat akurasi yang sangat tinggi.

Mengapa CLAHE Sangat Efektif?

CLAHE bekerja dengan meningkatkan kontras lokal pada citra X-Ray sehingga struktur paru terlihat lebih jelas.

Keunggulan metode ini:

1. Detail lesi paru lebih terlihat
2. Noise lebih terkontrol
3. Membantu AI mengenali pola abnormal
4. Meningkatkan kualitas citra radiografi

Dengan kualitas gambar yang lebih baik, sistem AI dapat melakukan klasifikasi TB secara lebih optimal.

Apakah AI Akan Menggantikan Dokter Radiologi?

AI bukan pengganti dokter radiologi, melainkan alat bantu untuk meningkatkan efisiensi dan akurasi diagnosis.

Peran dokter tetap sangat penting dalam:

1. Interpretasi klinis
2. Validasi hasil AI
3. Penentuan diagnosis akhir
4. Pengambilan keputusan terapi

Teknologi AI justru dapat membantu mengurangi beban kerja tenaga medis, terutama pada fasilitas kesehatan dengan keterbatasan SDM radiologi.

Masa Depan AI di Dunia Radiologi

Artificial Intelligence memiliki potensi besar dalam membantu deteksi Tuberkulosis melalui citra X-Ray thorax. Penelitian menunjukkan bahwa kombinasi metode Deep Learning VGG-19 dan teknik CLAHE mampu memberikan akurasi tinggi hingga 93.5%.

Teknologi ini dapat menjadi solusi pendukung diagnosis yang membantu tenaga medis dalam proses skrining TB secara lebih cepat dan efektif, terutama di daerah dengan keterbatasan tenaga radiologi.