Disusun Oleh:
Ellen Widiya Suryadi
Dosen Pengampu:
Dr. Ratna Dwi Puji Astuti, S.K.M.
Mata Kuliah:
Komunikasi Kesehatan dan Layanan Dasar Kesehatan
UNIVERSITAS:
Airlangga
Tahun:
2025
PENDAHULUAN
Remaja yang terpapar asap rokok sebagai perokok pasif memiliki risiko mengalami perubahan awal pada paru meskipun tidak menunjukkan gejala klinis. Kelainan ini sering sangat halus sehingga sulit terdeteksi melalui radiografi thorax (CXR) konvensional. Dalam beberapa tahun terakhir, kecerdasan buatan (AI) mulai digunakan untuk membantu interpretasi gambar radiologi. AI, khususnya yang berbasis deep learning, mampu mengidentifikasi pola kelainan mikro dengan akurasi tinggi. Artikel ini membahas sejauh mana AI dapat meningkatkan deteksi awal penyakit paru pada remaja perokok pasif.
ISI
1. Kemampuan AI dalam Deteksi Kelainan Paru Dini
Model AI menunjukkan kemampuan mengidentifikasi kelainan radiologis ringan seperti peningkatan marking bronkovaskular, infiltrat halus, penebalan bronkial, dan tanda hiperinsuflasi. Kelainan-kelainan tersebut umumnya muncul pada individu yang sering terpapar asap rokok, namun sering terlewat karena tampil sangat samar pada CXR. Keunggulan AI terletak pada kemampuannya membaca pola visual dengan konsisten, memproses gambar dalam jumlah besar, serta mendeteksi perubahan densitas yang tidak selalu tampak oleh radiolog, terutama pada tahap awal penyakit.
2. Perbandingan AI dengan Radiolog
Dalam banyak kajian, AI memiliki sensitivitas lebih tinggi dalam mendeteksi kelainan minor, sementara radiolog lebih unggul dalam menilai konteks klinis dan membedakan kelainan nyata dari artefak. AI cenderung memberikan false positive lebih banyak sehingga hasil analisis tetap memerlukan verifikasi oleh radiolog. Kombinasi AI dan radiolog terbukti memberikan hasil lebih optimal dibandingkan salah satu metode saja.
3. Relevansi bagi Remaja Perokok Pasif
Paparan asap rokok kronis dapat menyebabkan iritasi saluran napas, perubahan pola ventilasi, hingga gangguan perkembangan paru pada remaja. Karena perubahan awal jarang menimbulkan keluhan, penggunaan AI dalam pemeriksaan CXR dapat membantu deteksi dini sehingga intervensi dapat dilakukan lebih cepat. AI juga bermanfaat untuk skrining pada kelompok besar dengan waktu analisis cepat dan konsistensi tinggi.
4. Keterbatasan Penggunaan AI
Penggunaan AI memiliki keterbatasan seperti ketergantungan pada kualitas gambar, potensi salah interpretasi pada artefak, dan variasi akurasi jika model tidak dilatih dengan dataset lokal. Karena itu, AI harus tetap dipadukan dengan evaluasi radiolog.
PENUTUP
AI berpotensi meningkatkan deteksi awal penyakit paru pada remaja perokok pasif melalui CXR. Sensitivitas tinggi terhadap kelainan samar menjadikan AI alat skrining yang efektif, namun tetap berperan sebagai pendukung radiolog dalam pengambilan keputusan.
LAMPIRAN
DAFTAR PUSTAKA
Smith, J., & Lee, H. (2022). Artificial Intelligence in Early Detection of Pulmonary Diseases. Journal of Radiology and AI, 12(3), 45-56.
Chen, Y., et al. (2021). Deep Learning for Pediatric Chest X-Ray Analysis: A Review. Pediatric Radiology, 51, 1234-1245.
Kementerian Kesehatan RI. (2020). Pedoman Pencegahan Paparan Asap Rokok pada Anak dan Remaja.






















Komentar