Bayangkan seorang dokter jaga di unit gawat darurat, tengah malam, dengan tumpukan hasil foto rontgen yang harus dibaca satu per satu. Mata lelah, konsentrasi menurun — dan di situlah celah itu muncul. Menurut data yang dikutip dalam sebuah protokol riset yang baru dipublikasikan di BMJ Open, hingga 3,1% fraktur tidak terdeteksi saat kunjungan pertama pasien ke unit gawat darurat. Angka itu terdengar kecil, tapi implikasinya tidak: keterlambatan diagnosis fraktur bisa memperburuk nyeri, memperpanjang penderitaan, dan mengurangi efektivitas jangka panjang dari perawatan yang diberikan.
Pertanyaannya kemudian: bisakah mesin membantu?
Wajah yang Rentan, Data yang Berlimpah
Area dentomaksilofasial — mencakup gigi, rahang atas dan bawah, tulang pipi, orbita, hingga bagian tengah wajah — adalah salah satu zona tubuh yang paling sering mengalami cedera akibat trauma mekanik. Pada 2019 saja, tercatat 178 juta kasus fraktur baru di seluruh dunia, dengan 10,7 juta di antaranya melibatkan tulang wajah. Penyebab utamanya: kecelakaan lalu lintas, kekerasan fisik, dan jatuh.
Cedera di area ini bukan sekadar soal patah tulang. Komplikasi yang bisa muncul meliputi penglihatan ganda (diplopia), kelumpuhan sebagian saraf wajah, gangguan penciuman, hingga terbentuknya jalur abnormal antara sinus maksilaris dan rongga mulut — kondisi yang dikenal sebagai komunikasi oroantral, yang bila tidak ditangani bisa berkembang menjadi fistula atau sinusitis kronis.
Untuk mendiagnosis semua itu, klinisi mengandalkan pencitraan radiografi: dari foto panoramik dan periapical yang terjangkau, hingga CT scan yang akurat namun mahal dan memancarkan radiasi lebih tinggi. CBCT menjadi jalan tengah yang kian populer. Namun semua modalitas ini tetap bergantung pada satu hal yang tidak sempurna: interpretasi manusia.
Mesin yang Dilatih untuk Melihat
drg. Silviana Farrah Diba, Sp. RKG. Subsp. RP (K), peneliti dari Departemen Radiologi Kedokteran Gigi Fakultas Kedokteran Gigi Universitas Gadjah Mada yang juga sedang menempuh program doktoral di Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan UGM, memimpin penyusunan protokol scoping review ini bersama tim lintas disiplin. Tim tersebut melibatkan ahli anatomi, radiologi medis, teknik elektro dan teknologi informasi, serta pakar perilaku kesehatan — sebuah kolaborasi yang mencerminkan betapa kompleksnya problem yang sedang mereka hadapi.
Protokol yang dipublikasikan di BMJ Open ini bukan laporan hasil, melainkan peta jalan: sebuah rancangan sistematis untuk memetakan sejauh mana penelitian global telah mengeksplorasi penggunaan kecerdasan buatan (AI) dalam mendeteksi fraktur dentomaksilofasial pada citra diagnostik.
“Meskipun ulasan sebelumnya telah membahas penggunaan AI dalam berbagai teknik pencitraan diagnostik, fraktur di area dentomaksilofasial belum pernah menjadi fokus kajian tersendiri,” tulis tim peneliti dalam makalah mereka.
AI yang dimaksud bukan sekadar program komputer biasa. Dalam konteks pencitraan medis, yang paling relevan adalah Deep learning — cabang dari machine learning yang mengandalkan jaringan saraf tiruan berlapis untuk mengenali pola dalam data kompleks. Salah satu arsitektur yang paling banyak digunakan adalah convolutional neural network (CNN), yang dirancang khusus untuk analisis gambar. Model-model seperti AlexNet, U-Net, DenseNet, dan ResNet sudah diuji coba untuk mendeteksi fraktur mandibula pada foto panoramik maupun CT scan.
Cara kerjanya: AI dilatih menggunakan ribuan gambar radiografi yang telah diberi label oleh para ahli. Dari sana, sistem belajar mengenali pola — garis fraktur, perubahan densitas tulang, anomali bentuk — dan secara otomatis menandainya pada gambar baru yang belum pernah dilihat sebelumnya.
Peta Jalan Menuju Tinjauan yang Komprehensif
Protokol ini menggunakan kerangka kerja Arksey dan O’Malley yang dimodifikasi dengan rekomendasi Levac et al., serta mengikuti pedoman pelaporan PRISMA-ScR. Pencarian literatur akan menjangkau tujuh basis data besar — mulai dari PubMed, Scopus, Science Direct, Cochrane Library, Springerlink, hingga IEEE dan ProQuest — dengan rentang waktu publikasi dari Januari 2000 hingga Juni 2023.
Dua reviewer independen akan menyaring judul dan abstrak, lalu melanjutkan ke teks lengkap. Jika terjadi ketidaksepakatan, reviewer ketiga akan dilibatkan. Standar kesepakatan minimum ditetapkan 75% sebelum proses penyaringan resmi dimulai. Data yang diekstraksi mencakup tiga kelompok besar: karakteristik studi, karakteristik pembanding (apakah AI dibandingkan dengan dokter spesialis?), dan karakteristik model AI itu sendiri — mulai dari arsitektur yang digunakan, siapa yang memberi label data latih, hingga parameter performa seperti sensitivitas, spesifisitas, dan F1-score.
Yang menarik, protokol ini secara eksplisit mengakui keterbatasannya sendiri: pencarian dibatasi pada artikel berbahasa Inggris, sehingga studi dari negara-negara non-Anglofon — termasuk Indonesia — berpotensi tidak terjaring. Penilaian kualitas artikel juga tidak dilakukan, karena memang bukan persyaratan dalam scoping review.
Ketika Radiolog dan Insinyur Duduk Semeja
Apa yang membuat protokol ini layak dicermati bukan hanya temuan yang akan dihasilkan kelak, tapi cara pendekatannya. Riset ini mempertemukan radiolog kedokteran gigi dengan insinyur sistem informasi — dua dunia yang jarang bersinggungan langsung di ruang yang sama.
Studi-studi terdahulu telah menunjukkan bahwa jumlah riset tentang akurasi diagnostik AI melonjak tajam sejak 2017. Namun sebagian besar berfokus pada fraktur di bagian tubuh lain, atau pada kasus gigi yang tidak spesifik menyentuh trauma. Fraktur dentomaksilofasial — dengan segala kompleksitas anatominya — masih menjadi ruang kosong dalam peta literatur global.
Scoping review yang sedang dipersiapkan ini dirancang untuk mengisi kekosongan itu. Hasilnya nanti diharapkan bisa menjadi landasan bagi penelitian yang lebih spesifik: mungkin uji klinis, mungkin pengembangan model AI yang disesuaikan untuk kondisi pasien di Asia Tenggara, atau mungkin panduan klinis yang membantu dokter jaga malam itu — yang matanya mulai berat — untuk tidak melewatkan satu garis fraktur pun.
Sumber DOI : https://doi.org/10.1136/bmjopen-2022-071324
Penulis : Anny Anggraini , drg. Achmad Zam Zam Aghasy, M.Kes.
Foto : Pexels
