Deteksi dini penyakit dengan AI: dari konsep ke kebutuhan mendesak
Deteksi dini penyakit AI adalah penggunaan sistem kecerdasan buatan dalam alat dan perangkat lunak diagnostik untuk mengidentifikasi risiko atau tanda-tanda awal penyakit kronis secara lebih cepat, akurat, dan mudah diakses, sehingga membuka peluang intervensi sebelum gejala berat muncul dan menekan beban layanan kesehatan jangka panjang. Gelombang inovasi ini tidak lahir di laboratorium perusahaan besar, melainkan dari ruang kelas dan bengkel riset mahasiswa yang melihat langsung celah layanan diagnostik. Di tengah angka diabetes dan kanker paru yang terus naik, generasi muda memilih untuk merancang teknologi diagnostik mahasiswa yang menantang metode konvensional yang mahal, invasif, dan sering terlambat. Mereka tidak sekadar membuat prototipe keren, tetapi mencoba memaksa sistem kesehatan mengakui bahwa skrining harus nyaman, presisi, dan terintegrasi dengan data. Sikap itu jelas: jika standar lama sulit dijangkau, mereka akan membuat standar baru.
Glicovia: prediabetes deteksi non-invasif berbasis air liur dan AI
Empat mahasiswa UGM mengembangkan Glicovia, perangkat skrining non-invasif yang menggunakan saliva sebagai sampel untuk mendeteksi risiko prediabetes sejak dini. Alih-alih menusukkan jarum dan mengambil darah, alat ini membaca biomarker dalam air liur dengan sensor elektrokimia yang terhubung sistem IoT, lalu mengolahnya menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan tingkat risiko. Dalam pengembangannya, Glicovia menganalisis glukosa saliva, fruktosamin saliva, dan pH, kemudian menampilkan hasil secara real-time melalui platform digital agar riwayat pemeriksaan terdokumentasi dan bisa dipantau berkelanjutan. Di balik pendekatan teknis itu ada posisi yang tegas: skrining dini tidak boleh menyakitkan atau menyulitkan. Dengan prediabetes deteksi non-invasif, mereka menyerang akar persoalan bahwa banyak orang enggan cek rutin karena pengalaman klinis yang rumit dan tidak nyaman. Ketika sekitar 29,8 juta penduduk diperkirakan berada dalam fase prediabetes, ketidaknyamanan sekecil pengambilan darah menjadi penghalang serius. Glicovia menawarkan jawabannya melalui kombinasi sensor elektrokimia dan kecerdasan buatan berbasis air liur yang lebih ramah pengguna.
Deep-BioOrtho: kanker paru screening dan simulasi pengobatan presisi
Di sisi lain, tim mahasiswa UI merancang Deep-BioOrtho, prototipe perangkat lunak berbasis deep learning dan kimia bioorthogonal untuk deteksi dini kanker paru sekaligus simulasi kandidat pengobatan. Perangkat ini membaca citra rontgen paru-paru menggunakan Convolutional Neural Networks (CNNs), metode AI yang mampu mengenali pola pada citra dan mendeteksi potensi kanker paru. Hasil analisis CNN kemudian menjadi dasar simulasi obat dengan pendekatan kimia bioorthogonal, yaitu reaksi kimia yang berlangsung spesifik di dalam sel hidup tanpa mengganggu proses biokimia normal. Dengan menghubungkan deteksi dan skenario aktivasi obat dalam satu kerangka, Deep-BioOrtho mencoba mengubah kanker paru screening dari sekadar "ada atau tidak" menjadi pintu menuju terapi yang lebih terarah dan minim efek samping. Ini kritik halus terhadap praktik lama yang memisahkan tajam antara diagnosa dan perencanaan pengobatan. Dr. Pugoh menyebut ide ini awalnya diragukan karena dianggap terlalu kompleks, tetapi menyebut prototipe tersebut pembuka jalan bagi pengobatan kanker paru masa depan yang lebih baik.
Mengisi celah layanan diagnostik: peran generasi muda dalam sistem kesehatan
Baik Glicovia maupun Deep-BioOrtho lahir dari konteks yang sama: celah besar dalam deteksi dini. Sekitar 20,4 juta penduduk usia 20–79 tahun diperkirakan hidup dengan diabetes pada 2024, dan 73,2 persen kasus diperkirakan belum terdiagnosis. Berangkat dari tantangan serupa pada kanker paru, tim UI mengembangkan Deep-BioOrtho untuk mendukung deteksi dan eksplorasi pengobatan yang lebih presisi. Mahasiswa tidak sedang bermain-main dengan teknologi; mereka mengisi ruang yang selama ini dibiarkan kosong oleh kebijakan dan pasar. Teknologi ini mengatasi keterbatasan metode konvensional: Glicovia menghindari pengambilan darah dan membuat skrining lebih nyaman dan mudah diakses, sementara Deep-BioOrtho mengandalkan CNN untuk meningkatkan akurasi analisis citra X-Ray dibanding pembacaan manual semata. Sikap lintas disiplin yang dipuji pembimbing mereka menunjukkan bahwa generasi muda memandang AI bukan sebagai kata kunci tren, melainkan alat kerja yang wajib menempel pada kebutuhan klinis nyata. Ketika prototipe seperti Deep-BioOrtho masih memerlukan pengembangan dan validasi sebelum praktik klinis, fakta bahwa ide ini masuk arena Pekan Ilmiah Mahasiswa Nasional menandakan ekosistem mulai membuka ruang bagi solusi diagnostik yang lebih cerdas.
Dari prototipe ke praktik: apa langkah berikutnya?
Pertanyaannya sekarang bukan lagi apakah deteksi dini penyakit AI penting, tetapi seberapa cepat prototipe mahasiswa bisa masuk ke jalur praktik. Glicovia sudah menunjukkan model skrining yang nyaman, digital, dan berpotensi digelar di fasilitas kesehatan dasar maupun komunitas, karena tidak bergantung pada tenaga ahli pengambil darah atau laboratorium besar. Deep-BioOrtho, di sisi lain, jelas memerlukan uji klinis, validasi, dan integrasi dengan standar radiologi dan onkologi sebelum bisa diandalkan sebagai bagian dari kanker paru screening harian. Tim pengembang berharap riset mereka menjadi bagian dari pembangunan teknologi medis dan mencapai golden standard penanganan kanker paru. Di sini posisi penulis tegas: jika sistem kesehatan mengabaikan teknologi diagnostik mahasiswa ini hanya karena status "mahasiswa", kita akan kehilangan salah satu jalur tercepat memperbaiki layanan. Ruang kolaborasi dengan dokter, regulator, dan industri harus dibuka, dana penelitian diarahkan, dan kebijakan memperhitungkan solusi non-invasif serta software AI sebagai komponen wajib skrining. Tanpa itu, inovasi akan terperangkap di laporan akhir, sementara jutaan orang tetap tidak terdiagnosis.
