Perkembangan kecerdasan buatan (Artificial Intelligence/AI) telah membawa perubahan signifikan dalam berbagai bidang, termasuk kesehatan. Salah satu inovasi terbaru adalah large language models (LLMs), yang mampu memahami, mengolah, dan menjelaskan informasi kompleks dalam bahasa yang lebih sederhana. Teknologi ini tidak hanya terbatas pada teks, tetapi juga mulai digunakan untuk membantu interpretasi gambar.
Dalam praktik kedokteran, interpretasi preparat histopatologi merupakan proses yang kompleks dan membutuhkan keahlian khusus. Selain itu, gambar ilmiah dalam buku ajar maupun jurnal sering kali sulit dipahami oleh mahasiswa karena sarat dengan istilah teknis dan konsep abstrak. Dari sini muncul pertanyaan penting, “sejauh mana LLM dapat membantu menjembatani kesenjangan pemahaman ini?”. Studi kami berusaha mengevaluasi kemampuan LLM dalam menginterpretasikan gambar histopatologi dan gambar ilmiah, serta potensi pemanfaatannya dalam dunia medis dan pendidikan .
Hasil dan Pembahasan
Penelitian ini membandingkan tiga model AI populer, yaitu ChatGPT, Gemini Advanced, dan Copilot. Masing-masing diuji menggunakan 12 gambar histopatologi dan 12 gambar ilmiah. Hasil interpretasi kemudian dinilai oleh para ahli menggunakan lima parameter utama, yaitu relevansi, kejelasan, kedalaman, fokus, dan koherensi.
Hasil penelitian menunjukkan bahwa ChatGPT secara konsisten memberikan performa terbaik dibandingkan dua model lainnya. Keunggulan ini terlihat pada seluruh parameter penilaian, dengan skor yang lebih tinggi secara signifikan. Hal ini menunjukkan bahwa LLM tidak hanya mampu memberikan jawaban yang benar, tetapi juga mampu menyajikannya secara sistematis, jelas, dan mudah dipahami.
Dalam konteks klinis, kemampuan ini memiliki implikasi yang sangat besar. LLM dapat membantu dokter, khususnya ahli patologi, dalam mengidentifikasi struktur jaringan dan menentukan diagnosis dengan lebih cepat dan akurat. Sebagai contoh, LLM mampu mengenali berbagai jenis kanker ovarium dan mengidentifikasi tingkat keganasannya dengan cukup baik. Hal ini berpotensi mengurangi risiko kesalahan diagnosis serta mempercepat pengambilan keputusan terapi.
Selain itu, LLM juga berpotensi mengurangi beban kerja tenaga medis. Dengan adanya bantuan LLM, dokter dapat lebih fokus pada kasus-kasus kompleks yang memerlukan analisis mendalam dan pertimbangan klinis yang lebih luas. Di daerah dengan keterbatasan tenaga spesialis, LLM juga dapat menjadi alat bantu awal dalam proses diagnosis.
Dalam bidang pendidikan, LLM mampu menjelaskan gambar ilmiah yang kompleks dengan bahasa yang lebih sederhana, sehingga memudahkan mahasiswa dalam memahami konsep-konsep yang sulit. Selain itu, LLM memungkinkan pembelajaran yang lebih interaktif, di mana pengguna dapat mengajukan pertanyaan secara langsung dan mendapatkan umpan balik secara instan. Hal ini berkontribusi pada peningkatan kemampuan analisis dan pemahaman kritis.
Namun demikian, penggunaan LLM juga memiliki keterbatasan. LLM masih berpotensi menghasilkan informasi yang tidak akurat atau menyesatkan / halusinasi, terutama jika tidak diberikan konteks yang jelas. Pada akhirnya, penggunaan model AI dalam bidang medis tetap memerlukan pengawasan dan validasi oleh tenaga profesional. Kecerdasan buatan sebaiknya diposisikan sebagai alat bantu, bukan sebagai pengganti peran manusia.
Kesimpulan dan Potensi Futuristik
Penelitian ini menunjukkan bahwa AI, khususnya LLM seperti ChatGPT, Gemini, Copilot, memiliki kemampuan yang sangat menjanjikan dalam membantu interpretasi gambar medis dan ilmiah. Keunggulan dalam aspek kejelasan, kedalaman, dan struktur penjelasan menjadikan LLM sebagai alat yang potensial untuk mendukung diagnosis klinis dan proses pembelajaran.
Ke depan, integrasi LLM dalam sistem kesehatan diperkirakan akan semakin luas. Mereka berpotensi menjadi asisten digital bagi tenaga medis, membantu meningkatkan akurasi diagnosis, mempercepat pelayanan, serta memperluas akses kesehatan di daerah yang kurang terlayani. Dalam pendidikan, LLM dapat menjadi tutor cerdas yang mendukung pembelajaran mandiri dan interaktif.
Namun, pengembangan dan implementasi kecerdasan buatan ini harus tetap memperhatikan aspek etika, akurasi, dan keamanan. Kolaborasi antara teknologi dan manusia menjadi kunci utama untuk memastikan bahwa AI digunakan secara optimal dan bertanggung jawab.
Dengan pendekatan yang tepat, AI tidak hanya akan menjadi alat bantu, tetapi juga mitra strategis dalam membangun sistem kesehatan yang lebih efisien, inklusif, dan berbasis pengetahuan di masa depan.
Khanisyah Erza Gumilar
Departemen Obstetri Ginekologi
RS Universitas Airlangga – Fakultas Kedokteran
Universitas Airlangga, Surabaya, Indonesia
+62812-8794-0663
