Sel-sel di lapisan dalam mulut menyimpan rahasia yang selama ini sulit dibaca mesin. Bukan karena rahasianya terlalu rumit, melainkan karena gambar yang dihasilkan dari uji laboratorium sel mukosa bukal terlalu “berisik” — penuh artefak, kabur, dan jauh lebih sulit dianalisis dibanding sel darah putih yang biasa dipakai dalam penelitian kerusakan DNA. Tantangan itulah yang mendorong tim peneliti lintas fakultas di Universitas Gadjah Mada mengembangkan GamaComet, sebuah alat berbasis deep learning yang mampu mendeteksi dan mengklasifikasi kerusakan DNA secara otomatis dari gambar comet assay sel mukosa bukal.
Hasilnya dipublikasikan di jurnal Diagnostics (MDPI) pada Agustus 2022, dengan salah satu kontributor utama dari Fakultas Kedokteran Gigi UGM: drg. Ryna Dwi Yanuaryska, Ph.D., dosen di Departemen Radiologi Dentomaksilofasial.
Mengapa Sel Mulut, dan Mengapa Ini Penting?
Comet assay, atau single-cell gel electrophoresis (SCGE), adalah metode yang sudah lama dikenal untuk mengukur kerusakan DNA pada sel tunggal. Cara kerjanya sederhana secara konsep: sel yang rusak DNA-nya akan membentuk pola menyerupai komet saat dialiri listrik dalam gel — kepala komet adalah inti sel, ekornya adalah fragmen DNA yang terurai. Makin panjang ekornya, makin parah kerusakannya.
Selama ini, limfosit dari darah menjadi subjek utama uji ini. Namun pengambilan sampel darah bersifat invasif dan tidak nyaman bagi pasien. Sel mukosa bukal, yang bisa diperoleh cukup dengan usap pipi bagian dalam, menjadi alternatif yang lebih ramah. Sel ini juga istimewa karena berada di garis terdepan paparan zat asing dari luar tubuh, termasuk radiasi sinar-X dari pemeriksaan radiografi gigi panoramik yang diteliti oleh drg. Ryna Dwi Yanuaryska, Ph.D. dalam publikasi sebelumnya.
Masalahnya, gambar comet assay dari sel mukosa bukal mengandung jauh lebih banyak noise dibanding gambar dari limfosit. Perangkat lunak yang sudah ada, seperti OpenComet, dirancang untuk sel kultur yang lebih bersih. Ketika diuji pada gambar mukosa bukal, OpenComet hanya menghasilkan akurasi deteksi 11,5%, dengan jumlah false positive mencapai lima kali lipat dari model yang diusulkan tim UGM.
Bagaimana GamaComet Bekerja?
Tim peneliti menggunakan arsitektur Faster R-CNN (Faster Region-Based Convolutional Neural Network), yang pada saat penelitian berlangsung merupakan algoritma mutakhir untuk tugas deteksi dan klasifikasi objek. Model ini dilatih menggunakan 275 gambar comet assay yang dikumpulkan dari usap bukal 24 pasien di Rumah Sakit Gigi dan Mulut Prof. Soedomo UGM pada 2018, menghasilkan 519 komet berlabel dalam lima kelas kerusakan, dari kelas 0 (kerusakan terendah) hingga kelas 4 (kerusakan tertinggi).
Dua tantangan utama dihadapi tim sejak awal. Pertama, dataset yang kecil: deep learning umumnya membutuhkan ratusan ribu hingga jutaan sampel, sementara mereka hanya punya 275 gambar. Kedua, distribusi kelas yang tidak seimbang, dengan kelas 4 hanya memiliki 19 komet dibanding kelas 1 yang mencapai 197 komet.
Untuk mengatasinya, tim menerapkan dua strategi: transfer learning menggunakan model yang sudah dilatih pada dataset COCO (sekitar 330.000 gambar objek umum), lalu di-fine-tune dengan data comet assay; dan data augmentation berupa rotasi gambar ±5 derajat, dipilih karena arah komet memengaruhi validitasnya sehingga metode seperti image flipping tidak bisa dipakai sembarangan.
Hasilnya meyakinkan. Model terbaik, Faster R-CNN dengan backbone ResNet50 yang dilatih pada dataset ter-augmentasi, mencapai akurasi deteksi 95,85% pada data validasi. Pada dataset uji independen yang dikumpulkan dari tujuh pasien berbeda dengan kondisi akuisisi yang sedikit berbeda, GamaComet tetap mampu mencapai akurasi deteksi 81,34% dan akurasi klasifikasi 66,67%.
Perokok dan DNA yang Lebih Rusak
Di balik angka-angka itu, ada temuan yang lebih bicara kepada kita sebagai manusia biasa. Dari 24 pasien yang datanya dipakai untuk melatih model, enam orang memiliki kebiasaan merokok. Mereka semua adalah pasien dengan nomor urut 19 hingga 24 dalam dataset.
“Pasien yang memiliki gambar comet assay dengan komet kelas 3 dan kelas 4 ternyata memiliki kebiasaan merokok, yang berarti mereka memiliki lebih banyak sel dengan tingkat kerusakan DNA yang tinggi.”
Temuan ini bukan sekadar konfirmasi atas apa yang sudah lama diduga. Ini menunjukkan bahwa GamaComet bisa menjadi alat analisis hilir yang andal: dari usap pipi sederhana, model dapat membaca pola kerusakan genetik yang berkorelasi dengan gaya hidup pasien. Sebuah jembatan antara klinik gigi dan biologi molekuler, dibangun dari data pasien Indonesia.
Alat Gratis, Kolaborasi Terbuka
GamaComet kini dapat diakses secara gratis untuk keperluan akademis melalui platform web yang dibangun dengan Django dan Nginx. Pengguna cukup mengunggah gambar comet assay, dan sistem di server cloud akan menjalankan deteksi serta klasifikasi secara otomatis.
Penelitian ini adalah buah kolaborasi antara Departemen Ilmu Komputer dan Elektronika FMIPA UGM, Departemen Radiologi Dentomaksilofasial FKG UGM, dan Nara Institute of Science and Technology di Jepang. Dua persetujuan etik dikantongi: satu dari Komite Etik FK-KMK UGM/RSUP Dr. Sardjito (2018) dan satu dari Komite Etik FKG UGM (2016).
Tim mengakui bahwa akurasi klasifikasi GamaComet, yang berada di bawah 70%, masih perlu ditingkatkan. Rencana ke depan mencakup perluasan dataset, eksplorasi metode augmentasi yang lebih beragam seperti image mixing dan adversarial training, serta pendekatan meta-learning. Setiap foto usap pipi yang masuk ke dalam sistem, pada akhirnya, adalah satu langkah lebih dekat untuk memahami apa yang sesungguhnya terjadi di tingkat sel, jauh sebelum gejala apapun muncul di permukaan.
Sumber DOI : https://doi.org/10.3390/diagnostics12082002
Penulis : Anny Anggraini , drg. Achmad Zam Zam Aghasy, M.Kes.
Foto : Pexels
