Kanker merupakan salah satu penyebab utama kematian di dunia. Kanker adalah penyakit yang disebabkan oleh perubahan sel-sel jaringan tubuh. Sel-sel jaringan yang mengalami pertumbuhan abnormal akan bermutasi menjadi sel kanker.
Berdasarkan data statistik kanker, jenis kanker yang paling sering dijumpai pada wanita adalah kanker payudara, kanker paru-paru dan kanker usus besar. Sementara pada pria adalah kanker prostat, kanker paru-paru dan bronkial, serta kanker usus besar. Kanker prostat sendiri merupakan salah satu kasus kanker terbanyak di dunia.
Pemeriksaan dini diperlukan untuk mencegah kanker berkembang ke stadium lanjut yang dapat membahayakan nyawa penderitanya. Salah satunya dengan pemeriksaan histopatologi dapat memberikan informasi diagnostik yang penting karena histopatologi berperan dalam menentukan derajat kanker prostat.
Pemeriksaan histopatologi dilakukan dengan cara mengamati diferensiasi pada pemeriksaan mikroskopis menunjukkan derajat kanker prostat. Semakin tinggi derajat diferensiasi tumor dari jaringan normal, semakin tinggi derajat kanker prostat.
Kanker prostat didiagnosis menggunakan sistem penilaian Gleason menggunakan spesimen biopsi, TURP dan prostatektomi. Konferensi International Society of Urological Pathology pada tahun 2014 menetapkan nilai dari 1 hingga 5 untuk sel kanker prostat berdasarkan jumlah skor Gleason antara 2 dan 10.
Penentuan derajat kanker menjadi hal yang sangat penting dalam dunia medis. Hal ini dikarenakan derajat gradasi histologi tumor memiliki hubungan dengan harapan hidup pasien. Namun saat ini penilaian yang disesuaikan dengan penglihatan dan keahlian masing-masing ahli patologi, sehingga sangat subyektif.
Untuk mengatasi kelemahan ini, diperlukan sistem klasifikasi otomatis kanker prostat yang sudah terstandar. Dengan metode yang digunakan adalah pola Gleason yang mampu menentukan derajat kanker prostat secara cepat dan akurat. Dengan harapan sistem ini dapat berfungsi sebagai prediktor yang akurat untuk kanker prostat.
Metode dan Hasil
Penelitian kami menggunakan data citra yang berasal dari 120 dataset citra histopatologi. Citra histopatologi kanker prostat merupakan citra berwarna yang kualitasnya berbeda-beda pada setiap citra.
Langkah pertama pengolahan citra adalah preprocessing gambar, yakni konversi citra RGB menjadi citra HSV. Tujuan dari langkah preprocessing adalah untuk meningkatkan kualitas citra yang diproses pada langkah selanjutnya.
Setelahnya dilakukan preprocessing lain berupa histogram equalization dengan citra berukuran MxN dan L yang merupakan jumlah tingkat keabuan. Skala citra yang dihasilkan menjadi 0-255. Preprocessing terakhir adalah segmentasi citra yang merepresentasikan suatu area tertentu dengan mudah, cepat dan akurat.
Citra dengan Hue component dapat mewakili area lumen, sedangkan citra dengan komponen Value mewakili area nuclei. Sehingga terdapat perbedaan rentang threshold pada lumen dan nuclei untuk setiap citra yang disebabkan oleh perbedaan kontras citra aslinya.
Dari hasil preprocessing tersebut ditentukanlah fitur yang akan diambil untuk menjadi input dalam proses klasifikasi. Fitur yang diambil adalah area dan perimeter. Dengan ukuran citra diubah terlebih dahulu dari 2560 x 1916 menjadi 401 x 300 piksel.
Fitur area didapatkan dengan menghitung jumlah piksel pada citra berupa luas citra. Sementara fitur perimeter dengan menghitung jumlah piksel pada citra yang berupa panjang tepi dari area yang telah ditentukan.
Langkah terakhir adalah klasifikasi citra menggunakan Artificial neural network yang meniru sistem saraf manusia. Dengan menggunakan algoritma supervised learning yakni Backpropagation yang terdiri dari beberapa layer perceptrons. Tahap ini menggunakan terdiri dari tahap training dan testing.
Jumlah data training yang digunakan adalah total 84 citra histopatologi kanker prostat yang terdiri dari 28 citra Gleason 3, 28 citra Gleason 4 dan 28 citra Gleason 5. Sementara jumlah total data testing yang digunakan adalah 36 data citra histopatologi kanker prostat yang terdiri dari 12 pola Gleason 3, 12 pola Gleason 4 dan 12 pola Gleason 5.
Akurasi optimal pola Gleason untuk histopatologi program deteksi kanker prostat berbasis jaringan syaraf tiruan adalah 91,67%, dengan α = 0,1 jumlah hidden layer adalah 7. Kondisi ini dikarenakan nilai area dari setiap fitur yang diekstrak dari citra Gleason pattern 4 sangat dekat dengan citra Gleason pattern 5, sehingga program memperlakukannya sebagai citra Gleason pattern 5 dan citra Gleason pattern 5.
Penulis: Dr. Riries Rulaningtyas, S.T., M.T.
