Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Diagnosis Penyakit Menggunakan <i>Artificial Intelligence</i> (AI):Konsep, Bukti Ilmiah, dan Implikasi Klinis
0
Zitationen
2
Autoren
2025
Jahr
Abstract
Kecerdasan buatan (artificial intelligence/AI) telah berkembang menjadi teknologi transformatif dalam bidang diagnostik medis, terutama melalui kemampuannya menganalisis data klinis yang kompleks secara otomatis untuk mendukung deteksi penyakit, klasifikasi diagnosis, dan stratifikasi risiko. Kemajuan pesat dalam machine learning (ML) dan deep learning (DL) telah mendorong terobosan signifikan pada berbagai modalitas diagnostik, termasuk pencitraan medis, biosinyal, patologi, genomik, serta electronic health records (EHR). Artikel tinjauan ini mengkaji secara kritis peran AI dalam mendiagnosis masalah kesehatan dan penyakit, dengan fokus pada landasan metodologis, aplikasi klinis, evaluasi kinerja, serta tantangan translasi ke praktik klinik. Berbagai bukti dari studi-studi penting menunjukkan bahwa sistem AI mampu mencapai tingkat akurasi diagnostik yang sebanding atau bahkan melampaui tenaga kesehatan profesional pada tugas-tugas spesifik dan terdefinisi dengan baik, seperti skrining retinopati diabetik, deteksi kanker payudara, klasifikasi aritmia, dan skrining kanker paru. Namun demikian, meskipun hasil awal tampak menjanjikan, adopsi klinis secara luas masih menghadapi berbagai hambatan, antara lain bias dataset, keterbatasan validasi eksternal, kurangnya uji klinis prospektif, isu keterjelasan atau explainability model, serta ketidakpastian regulasi. Artikel ini mensintesis bukti ilmiah terkini, menyoroti standar metodologis dalam evaluasi AI diagnostik, serta membahas implikasi etis, hukum, dan klinis dari penerapan teknologi ini. AI sebaiknya dipahami bukan sebagai pengganti klinisi, melainkan sebagai alat pendukung keputusan yang dapat meningkatkan akurasi, konsistensi, dan efisiensi diagnosis apabila diintegrasikan secara bertanggung jawab ke dalam sistem pelayanan kesehatan.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.339 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.211 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.614 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.478 Zit.