Gelombang Baru: AI Deteksi Kanker Lahir dari Kampus
AI deteksi kanker payudara dan penyakit paru adalah penerapan kecerdasan buatan dalam sistem imaging medis AI dan alat skrining noninvasif untuk mengidentifikasi anomali jaringan atau fungsi organ secara lebih cepat, kuantitatif, dan terstandar, sehingga dapat mendukung dokter dalam pengambilan keputusan klinis dan memperluas akses deteksi dini di layanan kesehatan primer maupun rujukan. Tingginya angka kasus kanker payudara dengan 66.271 kasus baru dan 22.598 kematian menurut GLOBOCAN 2022 menunjukkan bahwa pendekatan klasik berbasis radiologi konvensional saja sudah tidak cukup. Di sisi lain, pneumonia balita yang menyumbang bagian dari 2,5 juta kematian gangguan pernapasan global menegaskan urgensi inovasi sejenis di bidang paru. Karena itu, geliat inovasi mahasiswa dalam kesehatan digital bukan sekadar proyek akademik, melainkan respon langsung terhadap krisis deteksi dini yang berlarut-larut.
BREIT: Rompi Pintar dan EIT untuk Kanker Payudara
BREIT adalah contoh paling jelas bagaimana inovasi mahasiswa kesehatan digital mulai menyentuh inti persoalan kanker payudara. Dikembangkan lewat PKM-KC 2026 oleh tim lintas disiplin di UGM, perangkat ini memanfaatkan Electrical Impedance Tomography (EIT) untuk memetakan karakteristik listrik jaringan payudara tanpa radiasi pengion seperti sinar-X. Data impedansi kemudian diolah oleh AI engine menjadi citra yang dapat dibaca tenaga medis, menjadikannya embrio sistem imaging medis AI yang ramah skrining berkala. Integrasi hardware EIT, algoritma, platform web, dan wearable vest menjadikan BREIT bukan sekadar alat, melainkan ekosistem deteksi dan eksplorasi terapi pendukung berbasis Electro-Capacitive Cancer Therapy yang masih diteliti. Penting dicatat, BREIT diposisikan tim sebagai teknologi pendukung diagnosis, bukan pengganti metode standar di rumah sakit, dan kini masih berstatus prototipe yang menunggu pengumpulan data lebih luas serta validasi ilmiah ketat sebelum menyentuh ranah klinis.
NeumaScope: Skrining Pneumonia Balita di Garis Depan
Jika BREIT berbicara tentang kanker payudara, NeumaScope menyasar krisis lain yang sering diabaikan: skrining pneumonia balita. Tim mahasiswa menggabungkan suara paru, laju napas, suhu tubuh, dan AI dalam satu alat portabel noninvasif untuk fasilitas kesehatan primer. Suara paru direkam melalui mikrofon pada stetoskop, laju napas dan suhu dipantau sensor, lalu semua sinyal dimasukkan ke algoritma Random Forest yang disebut tim mencapai akurasi 97 persen. Pernyataan, “modelnya mencapai akurasi 97 persen, tetapi masih memerlukan validasi klinis sebelum dipakai luas” merangkum sekaligus kekuatan dan keterbatasan proyek ini. Melalui koneksi Bluetooth Low Energy ke aplikasi ponsel, tenaga kesehatan dapat mengelola data pasien, melihat riwayat skrining, dan mengekspor laporan PDF. Namun, NeumaScope dengan tegas diposisikan sebagai alat skrining pneumonia balita untuk penanda risiko awal, bukan pemberi diagnosis final, dan masih harus melewati uji klinis untuk menegaskan keandalan, keamanan, dan batas pemakaiannya.
Algoritma Mammografi AI: UB–UiTM Mengolah Ketidakpastian
Di ranah imaging, kolaborasi UB dan UiTM menunjukkan cara lain melihat AI deteksi kanker payudara melalui citra mammografi. Penelitian mereka merancang algoritma mammografi AI yang menggabungkan Single-Valued Neutrosophic Set (SVNS) dan TOPSIS untuk menganalisis lesi payudara dalam kondisi data yang sarat ketidakpastian. Tujuannya bukan menggantikan radiolog, melainkan memberi sistem pendukung keputusan yang membantu mendeteksi lesi dan menyusun pemeringkatan risiko keganasan dari citra yang sulit dibaca konsisten secara manual. Artikel dengan kerangka “SVNS–TOPSIS-Based Framework for Breast Lesion Detection and Malignancy Risk Ranking from Mammographic Images under Uncertainty” sudah diajukan ke jurnal internasional namun masih berada di tahap editorial dan peer review, sehingga belum bisa diklaim sebagai metode klinis tervalidasi. Sikap hati-hati ini penting: inovasi algoritma harus mengikuti jalur ilmiah lengkap, dari publikasi hingga uji klinis, sebelum menyentuh pasien. Tanpa disiplin itu, potensi sistem imaging medis AI justru bisa menjadi risiko baru dalam praktik.
Mengapa Inovasi Mahasiswa Patut Diposisikan di Pusat Strategi Kesehatan
Tiga karya—BREIT, NeumaScope, dan kerangka mammografi AI UB–UiTM—menunjukkan pola yang sama: masalah kesehatan besar dijawab dengan inovasi mahasiswa kesehatan digital yang berani menyatukan sensor, algoritma, dan ilmu klinis. Di satu sisi, mereka membuka peluang deteksi dini yang lebih murah dan dekat ke layanan primer; di sisi lain, semuanya masih berada di fase prototipe atau riset yang menuntut validasi klinis ketat sebelum bisa diandalkan luas. Editorialnya jelas: mengabaikan potensi ini berarti membiarkan krisis deteksi dini bertahan, tetapi mengadopsi tanpa disiplin ilmiah berarti mempertaruhkan keselamatan pasien. Jalan tengah yang masuk akal adalah menempatkan kampus sebagai laboratorium kebijakan—mendorong pendanaan riset, jejaring dengan rumah sakit, serta regulasi yang memberi koridor uji coba terkontrol. Masa depan AI deteksi kanker payudara dan skrining pneumonia balita tidak akan ditentukan oleh teknologi semata, melainkan oleh keberanian sistem kesehatan mengadopsi inovasi mahasiswa secara kritis namun terbuka.
