Membangun AI Medis yang Tangguh: Mengatasi Pergeseran Domain dengan Pembelajaran Multi-Modal

Revolusi AI dalam Analisis Medis

      Digitalisasi yang pesat dalam sistem layanan kesehatan telah menghasilkan lonjakan data medis multi-modal yang belum pernah terjadi sebelumnya, terutama citra medis dan teks klinis yang menyertainya. Studi pencitraan berskala besar, seperti rontgen, tomografi terkomputasi (CT), dan pencitraan resonansi magnetik (MRI), selalu disertai dengan laporan radiologi, catatan klinis, dan rekam medis elektronik (EHR) yang merinci temuan, kesan, dan penalaran diagnostik. Mengintegrasikan berbagai sumber informasi komplementer ini sangat penting untuk memajukan sistem dukungan keputusan klinis yang cerdas.

      Model visi-dan-bahasa medis (Medical Vision-and-Language, V&L) baru-baru ini muncul sebagai kerangka kerja terpadu untuk secara bersama-sama memodelkan modalitas visual dan tekstual. Dengan mempelajari representasi bersama antara citra dan teks klinis, model ini memungkinkan berbagai aplikasi lanjutan, termasuk diagnosis dan klasifikasi penyakit, pembuatan laporan otomatis, jawaban pertanyaan visual medis (VQA), dan pengambilan informasi lintas-modal. Pada prinsipnya, pembelajaran visi-bahasa menawarkan jalur menuju sistem AI medis yang lebih komprehensif dan selaras dengan cara berpikir manusia, yang lebih baik mencerminkan bagaimana dokter menafsirkan baik citra maupun bahasa. Namun, tidak seperti tolok ukur citra alami, kumpulan data medis secara inheren bersifat heterogen.

Tantangan Pergeseran Domain dalam AI Medis

      Salah satu tantangan terbesar dalam penerapan AI di bidang medis adalah masalah "pergeseran domain" (domain shift). Ini terjadi ketika data yang digunakan untuk melatih model sangat berbeda dari data yang ditemui model di lingkungan dunia nyata. Dalam konteks medis, citra bisa bervariasi secara substansial antar perangkat pemindai, protokol akuisisi, dan institusi yang berbeda. Misalnya, citra MRI dari satu rumah sakit mungkin memiliki kontras dan karakteristik kebisingan yang berbeda dengan citra dari rumah sakit lain, bahkan untuk modalitas pencitraan yang sama.

      Demikian pula, teks klinis sangat bergantung pada institusi. Laporan radiologi menunjukkan variasi signifikan dalam gaya, terminologi, verbositas, dan konvensi penulisan di berbagai rumah sakit dan bahkan di antara dokter individu. Singkatan, templat pelaporan, dan frasa diagnostik memperkenalkan sumber variabilitas tambahan yang dapat menurunkan kinerja model saat diterapkan di luar domain pelatihan. Studi telah melaporkan penurunan kinerja yang tajam ketika model medis dievaluasi di berbagai kumpulan data atau institusi, menyoroti kesenjangan generalisasi yang persisten. Temuan ini menggarisbawahi bahwa pergeseran domain bukanlah masalah pinggiran, melainkan hambatan mendasar untuk penerapan klinis yang aman dan andal.

Inovasi Robust Multi-Modal Masked Reconstruction (Robust-MMR)

      Mengingat tantangan pergeseran domain yang signifikan ini, penelitian baru-baru ini mengajukan kerangka kerja pra-pelatihan yang disebut Robust Multi-Modal Masked Reconstruction (Robust-MMR). Kerangka kerja ini secara eksplisit mengintegrasikan tujuan ketahanan ke dalam pembelajaran visi-bahasa bertopeng (masked vision-language learning). Alih-alih menganggap ketahanan sebagai masalah adaptasi hilir, Robust-MMR mengatasinya langsung pada tahap pra-pelatihan, di mana model belajar representasi dasar dari data yang tidak berlabel.

      Robust-MMR memperkenalkan beberapa fitur kunci untuk mencapai ini:

• Masking Sadar-Gangguan Asimetris: Ini adalah teknik masking cerdas yang tidak hanya menyembunyikan bagian acak dari citra atau teks, tetapi juga mempertimbangkan potensi gangguan atau variasi yang mungkin terjadi di dunia nyata. Dengan demikian, model dipaksa untuk belajar merekonstruksi informasi bahkan ketika bagian yang hilang atau terdistorsi adalah area yang rentan terhadap pergeseran domain.
• Regularisasi Konsistensi Domain: Fitur ini memastikan bahwa model mempelajari representasi yang serupa untuk data yang secara semantik identik, meskipun data tersebut berasal dari domain atau sumber yang berbeda. Ini membantu model mengabaikan variasi gaya atau teknis yang tidak relevan dan fokus pada informasi inti.
• Batasan Ketahanan Modalitas: Robust-MMR juga memastikan bahwa model tetap tangguh terhadap variasi dalam modalitas tunggal. Misalnya, sedikit noise pada citra tidak boleh secara drastis mengubah pemahaman model tentang teks klinis yang terkait, dan sebaliknya.

      Secara bersama-sama, komponen-komponen ini mendorong pembelajaran representasi yang domain-invariant, artinya representasi internal model stabil dan efektif di berbagai lingkungan klinis yang heterogen.

Cara Kerja dan Manfaat Robust-MMR

      Pendekatan inti Robust-MMR adalah rekonstruksi bertopeng (masked reconstruction). Dalam metode ini, sebagian dari citra medis dan/atau teks klinis disembunyikan (dimasker), dan model kemudian dilatih untuk merekonstruksi bagian yang hilang tersebut. Melalui proses ini, model belajar tentang hubungan antara citra dan teks. Ketika teknik masking khusus Robust-MMR diterapkan, model tidak hanya belajar korespondensi modalitas tetapi juga bagaimana melakukannya dengan cara yang tidak sensitif terhadap variasi domain.

      Sebagai contoh, model mungkin dilatih untuk merekonstruksi bagian dari laporan radiologi yang dimasker, sekaligus merekonstruksi bagian dari citra X-ray yang dimasker. Dengan regularisasi konsistensi domain, jika model melihat dua citra X-ray dari pasien yang sama tetapi diambil dengan perangkat yang berbeda (sehingga terlihat sedikit berbeda), representasi internal model untuk kedua citra tersebut akan didorong agar tetap sangat mirip. Hal ini sangat penting untuk kemampuan beradaptasi model di lingkungan baru.

      ARSA Technology, sebagai penyedia solusi AI kustom, memahami pentingnya membangun sistem yang andal dan dapat ditransfer di berbagai kondisi operasional. Pendekatan seperti Robust-MMR sejalan dengan filosofi kami untuk memastikan AI bekerja secara efektif dalam skenario dunia nyata.

Hasil Pengujian dan Signifikansinya

      Penelitian ini mengevaluasi Robust-MMR pada beberapa tolok ukur visi-bahasa medis, termasuk menjawab pertanyaan visual medis (VQA-RAD, SLAKE, VQA-2019), klasifikasi citra-teks lintas domain (MELINDA), dan pengambilan citra-keterangan yang tangguh (ROCO). Hasilnya menunjukkan peningkatan kinerja yang signifikan:

• Pada VQA-RAD, Robust-MMR mencapai akurasi lintas-domain 78.9%, mengungguli baseline terkuat sebesar 3.8 poin persentase. Akurasi juga mencapai 74.6% pada SLAKE dan 77.0% pada VQA-2019.
• Di bawah evaluasi yang terganggu (perturbed evaluation), di mana data input disengaja memiliki variasi atau "gangguan" untuk mensimulasikan kondisi dunia nyata, akurasi VQA-RAD meningkat dari 69.1% menjadi 75.6% dengan Robust-MMR. Ini menunjukkan ketahanan yang substansial.
• Untuk klasifikasi citra-teks, akurasi lintas-domain MELINDA meningkat dari 70.3% menjadi 75.2%.
• Eksperimen pengambilan informasi (retrieval) menunjukkan pengurangan degradasi peringkat rata-rata dari lebih dari 16 menjadi 4.1 di bawah gangguan, menandakan model lebih baik dalam menemukan informasi relevan bahkan dengan data yang tidak sempurna.

      Hasil kualitatif lebih lanjut menunjukkan peningkatan penalaran klinis untuk deteksi penyakit dan penilaian kelainan struktural. Temuan ini menunjukkan bahwa pemodelan ketahanan secara eksplisit selama pra-pelatihan menghasilkan representasi visi-bahasa medis yang lebih andal dan dapat ditransfer untuk penerapan di dunia nyata. Ini menjadi landasan bagi AI medis yang dapat dipercaya dan efektif di berbagai pengaturan klinis yang berbeda, seperti yang diungkapkan oleh Melika Filvantorkaman et al., 2024.

Menerapkan AI Medis yang Andal dengan ARSA

      Penerapan AI dalam layanan kesehatan memerlukan solusi yang tidak hanya cerdas tetapi juga tangguh dan dapat diandalkan, terutama dalam menghadapi variasi data yang tak terhindarkan. Melalui riset ini, jelas bahwa investasi pada pra-pelatihan yang berfokus pada ketahanan sangat penting untuk keberhasilan jangka panjang AI medis. Pendekatan seperti Robust-MMR membuka jalan bagi sistem AI yang dapat bekerja secara konsisten di berbagai rumah sakit, klinik, dan lingkungan klinis lainnya, mengurangi risiko kesalahan dan meningkatkan kualitas perawatan.

ARSA Technology, dengan pengalaman sejak 2018 dalam membangun sistem AI dan IoT yang siap produksi, memahami nuansa dan tantangan penerapan teknologi di berbagai industri, termasuk kesehatan. Solusi AI Video Analytics kami dapat disesuaikan untuk kebutuhan pemantauan dan analisis citra medis, sementara seri AI Box kami menawarkan pemrosesan edge AI untuk latensi rendah dan privasi data yang terjaga di fasilitas kesehatan. Kami percaya bahwa setiap solusi AI harus dirancang dengan mempertimbangkan keandalan operasional, privasi, dan kemampuan adaptasi terhadap kondisi dunia nyata yang dinamis.

      Untuk organisasi yang mencari mitra untuk menavigasi kompleksitas AI medis dan menerapkan solusi yang tidak hanya canggih tetapi juga tangguh dan andal, penting untuk memilih ahli yang mengutamakan hasil yang terukur.

      Jika Anda tertarik untuk menjelajahi bagaimana solusi AI ARSA dapat mentransformasi operasional Anda dengan keandalan yang teruji, jangan ragu untuk menghubungi tim ARSA untuk konsultasi gratis. Kami siap membantu membangun masa depan AI yang lebih cerdas dan aman di sektor kesehatan.