Ophtalspot, Sistem Diagnosis Komplikasi pada Fundus Mata Pasca Operasi Katarak Berbasis Ensemble Learning dan IoT

Katarak adalah gangguan mata utama yang menyebabkan kebutaan di seluruh dunia. Data dari Rapid Assessment of Avoidable Blindness (RAAB) menunjukkan bahwa 30% kebutaan di Indonesia disebabkan oleh katarak (Kementerian Kesehatan RI, 2018). 

Operasi adalah satu-satunya penanganan efektif untuk katarak (Cahyana, 2022), namun pasca operasi memerlukan kontrol berkala dengan funduskopi. Metode funduskopi sering terkendala oleh kurangnya kemampuan diagnosis manual tenaga medis, mengakibatkan ketidakakuratan diagnosis dan tindakan medis yang tepat (Dunn et al., 2023). Survei di Rumah Sakit Umum Daerah H. Abdul Manap Kota Jambi menunjukkan 49 dari 213 sampel mata pasien pasca operasi katarak mengalami komplikasi. 

Oftalmoskop dan Optical Coherence Tomography (OCT) adalah alat yang umum digunakan untuk mendiagnosis komplikasi, namun memiliki kelemahan masing-masing, seperti efek samping tetes mata dan keterbatasan alokasi serta risiko kesehatan dari OCT (Milani et al., 2022; Hirabayashi et al., 2022).

Untuk mengatasi masalah ini, kami merancang sistem diagnosis komplikasi pada fundus mata pasien pasca operasi katarak tanpa memerlukan tetes midriatik menggunakan Ensemble Model Machine Learning (EMML). 

Sistem ini bertujuan untuk mempermudah proses pemeriksaan, mengurangi risiko, dan meningkatkan akurasi diagnosis. 

Kami juga mengintegrasikan cloud database yang terhubung dengan Internet of Things (IoT) untuk memfasilitasi akses data oleh tenaga medis, yang juga akan menjadi sumber dataset untuk penelitian lebih lanjut. 

Sistem ini diharapkan dapat membantu tenaga medis dalam mendiagnosis komplikasi mata secara efektif dan efisien, serta memberikan manfaat bagi mahasiswa, masyarakat, dan tenaga medis.

Tim Ophtalspot berasal dari Universitas Andalas yang terdiri atas lima orang. Kevin Imam Satria (S-1 Teknik Elektro) sebagai Project Leader, Andre Kurniawan (S-1 Teknik Elektro) sebagai AI Engineer, Muhammad Reval (S-1 Teknik Elektro) sebagai Fullstack Engineer, Muhammad Hanif Syauqi (S-1 Teknik Industri) sebagai Concept & CAD Engineer, dan terakhir Muhammad Zaky Innanda (S-1 Pendidikan Dokter) sebagai Clinical Analyst. Kami dibimbing oleh dosen yang sangat luar biasa, yang terhormat Bapak Prof. Dr. Ir. Eng. Ilhamdi Rusydi S.T., M.T.

Perancangan alat yang akan dibuat dibagi menjadi perangkat keras dan perangkat lunak. Perancangan perangkat keras meliputi desain mekanikal alat, desain elektrikal alat dan desain tata letak komponen optik. Perancangan perangkat lunak akan dilakukan pelatihan model, penyimpanan data deteksi melalui cloud dan akses data oleh pasien melalui aplikasi website. 

Produk ini dapat diimplementasikan dengan pengambilan dataset latih dan di sini kami mengambil 3 komplikasi dominan yaitu glaukoma, cystoid macular edema, dan ablasio retina, lalu melakukan training model. 

Selanjutnya, melakukan program perangkat lunak alat dengan antarmuka LCD dan perancangan web aplikasi untuk akses data oleh pasien. Hasil implementasi ini akan berupa hasil komplikasi yang diderita pasien dengan derajat keyakinan 80% dan tingkat keparahannya. 

Bagi Tenaga Kesehatan, terutama dokter umum yang beroperasi di fasilitas kesehatan primer, manfaatnya sangat konkret. Alat yang dihasilkan dari kegiatan ini dapat membantu tenaga medis untuk mendeteksi Glaukoma pada pasien pasca operasi katarak. 

Dengan demikian, kegiatan ini memperluas spektrum alat bantu diagnostik yang tersedia bagi para tenaga kesehatan, memberikan manfaat yang langsung terasa dalam upaya mereka untuk memberikan pelayanan terbaik kepada pasien-pasiennya.

Universitas Andalas