UNAIR NEWS – Prestasi membanggakan kembali ditorehkan mahasiswa Universitas Airlangga (UNAIR) di kancah internasional. Tim Bismillah Winner berhasil mendapatkan penghargaan 1st place oleh CJCU dengan menghadirkan inovasi “Generative Medical Intelligence: Integrating CNN-Based Tumor Segmentation with Large Language Models for Automated MRI Interpretation”. Mereka meraih penghargaan dalam ajang 2025 International Generative Artificial Intelligence Innovation Application Competition. Puncak penghargaan dari ajang yang terselenggara oleh Chang Jung Christian University (CJCU), Taiwan tersebut berlangsung pada Jumat (19/12/2025).
Inovasi ini mengusung sistem artificial intelligence based medical yang mengintegrasikan Convolutional Neural Network (CNN) untuk segmentasi tumor dengan Large Language Models (LLM) dalam menghasilkan interpretasi MRI secara naratif. Tim Bismillah Winner terdiri dari Venny Pramudita Rahayu dari Fakultas Sains dan Teknologi (FST), Afifah Noeralinda Ayu dan Nazira Elok Safitri dari Fakultas Kesehatan Masyarakat (FKM), Nauval Syahferi dan Gravano Alfa dari Fakultas Teknologi Maju dan Multidisiplin (FTMM).
Tingginya Angka Kematian
Ketua tim, Venny menjelaskan bahwa inovasi ini berangkat dari tingginya angka kematian akibat kanker di Indonesia. Kondisi tersebut tidak terlepas dari keterbatasan jumlah tenaga radiologi serta distribusi fasilitas MRI yang belum merata. Khususnya di luar wilayah perkotaan.
“Banyak kasus kanker baru terdeteksi ketika kondisinya sudah lanjut. Padahal, pemeriksaan MRI memiliki potensi besar untuk membantu deteksi dini. Asalkan proses analisisnya bisa dilakukan secara lebih cepat dan konsisten,” jelasnya.
Berangkat dari permasalahan tersebut, tim mengembangkan Generative Medical Intelligence. Sebuah sistem yang memanfaatkan Convolutional Neural Network (CNN) untuk mendeteksi dan mensegmentasi area tumor pada citra MRI secara visual. Hasil segmentasi tersebut kemudian dianalisis oleh Large Language Models (LLM) untuk disusun menjadi laporan medis berbentuk narasi yang terstruktur. Sistem ini dirancang sebagai media clinical decision support yang membantu mempercepat proses interpretasi tanpa menggantikan peran dokter dalam penentuan diagnosis akhir.
Akses Mudah Berbasis Telegram
Melalui implementasi sistem berbasis Telegram chatbot, pengguna dapat mengunggah citra MRI secara langsung menggunakan perangkat seluler. Selanjutnya, sistem akan melakukan proses segmentasi menggunakan CNN, menganalisis hasil visual dengan LLM, dan menghasilkan laporan medis berbentuk narasi yang selaras dengan temuan citra.
Integrasi ini dilakukan melalui pendekatan vision–language alignment. Yaitu penyelarasan antara informasi visual patologis dan modul generatif bahasa. Tim memilih Telegram karena tingkat penggunaannya yang luas serta kemudahan dalam pengembangan bot melalui fitur resmi seperti @BotFather. Gravano Alfa menuturkan bahwa pendekatan ini mereka rancang agar teknologi dapat menjangkau lebih banyak pengguna. “Kami memanfaatkan platform yang mudah diakses agar proses interpretasi MRI bisa dilakukan lebih cepat dan fleksibel. Terutama di wilayah dengan keterbatasan sarana kesehatan,” ujarnya.
Konsep B.E.A.C.O.N.
Inovasi ini dikembangkan dengan kerangka B.E.A.C.O.N., yang merepresentasikan enam nilai utama sistem. Pertama, Better Accuracy, melalui pemanfaatan CNN dalam memahami pola visual tumor secara mendalam. Kedua, Enhanced Explainability, dengan dukungan LLM yang mampu menyajikan alasan dan penjelasan hasil analisis secara naratif. Ketiga, Accessibility, yang terwujud melalui platform Telegram agar sistem dapat diakses tanpa perangkat khusus. Keempat, Cost-Efficiency, karena sistem mampu mengurangi beban diagnosis dan waktu tunggu pasien. Kelima, Operational Consistency, di mana AI dapat memberikan hasil analisis yang stabil dan konsisten. Keenam, Nationwide Scalability, yang memungkinkan sistem dikembangkan dan diterapkan secara luas tanpa peningkatan biaya signifikan.
Nauval Syahferi menambahkan bahwa inovasi ini dirancang untuk menjawab keterbatasan sistem AI medis sebelumnya yang umumnya masih berbasis komputer atau web dan belum terintegrasi dengan kemampuan penalaran bahasa. “Kami mencoba menghadirkan sistem yang tidak hanya kuat secara teknis. Tetapi juga lebih aplikatif dan mudah digunakan di berbagai kondisi lapangan,” imbuhnya.
Roadmap Pengembangan
Ke depan, tim Bismillah Winner menyiapkan roadmap pengembangan sistem menuju ekosistem radiologi berbasis kecerdasan buatan yang adaptif dan multimodal. Pada tahap lanjutan, sistem akan mengarah menjadi Decision Support System (DSS) yang mampu memantau perkembangan tumor, memperkirakan ukuran dan progresivitas penyakit, serta memberikan rekomendasi tindak lanjut berbasis pedoman klinis. Pengembangan tersebut membuka peluang pemanfaatan sistem sebagai second opinion berbasis Artificial Intelligence bagi rumah sakit daerah dan fasilitas kesehatan primer yang memiliki keterbatasan layanan radiologi.
Melalui capaian ini, mahasiswa UNAIR kembali menunjukkan kontribusinya dalam pengembangan inovasi teknologi kesehatan di tingkat global. Prestasi ini harapannya dapat menginspirasi lahirnya inovasi-inovasi berkelanjutan lainnya dari civitas academica UNAIR.
Penulis: Venny Pramudita Rahayu
Editor: Yulia Rohmawati
