Leukemia is a type of cancer that affects the blood and bone marrow, and it is characterized by the uncontrolled growth of abnormal blood cells, including leukocytes [1], [2]. The abnormal leukocytes produced in leukemia are immature and do not function properly, which can lead to a weakened immune system and an increased risk of infection [1]. Leukemia can affect the production and function of leukocytes by producing abnormal and immature leukocytes, interfering with the normal production of leukocytes in the bone marrow, and causing myelosuppression due to chemotherapy treatment [3]-[5]. Studies have shown that patients with leukemia may experience changes in the function and phenotype of myeloid cells, including monocytes and neutrophilic granulocytes, which are critical for innate immunity [4]. Furthermore, the bone marrow function of patients with leukemia may be impacted by chemotherapy treatment, which can cause myelosuppression, a reduction in the production of red and white blood cells and platelets, leading to an increased risk of infections [5].
Makalah berjudul “A YOLO and convolutional neural network for the detection and classification of leukocytes in leukemia” mengusulkan sebuah sistem untuk mendeteksi leukosit pada leukemia dengan bantuan komputer menggunakan metode deep learning [6]. Sistem ini menggunakan versi modifikasi dari algoritma You Only Look Once (YOLO v2) dan convolutional neural network (CNN) untuk mendeteksi dan mengklasifikasikan tiga jenis sel darah putih (WBC) yang sangat penting untuk diagnosis leukemia. Sistem yang diusulkan dilatih dan dievaluasi pada dataset yang dibuat khusus untuk masalah yang dibahas tanpa segmentasi konvensional atau preprocessing pada gambar mikroskopis. Studi ini menunjukkan bahwa membagi masalah yang ditangani menjadi beberapa bagian menghasilkan performa dan akurasi yang lebih baik. Hasil penelitian menunjukkan bahwa CAD3 mencapai ketepatan rata-rata (AP) hingga 96% dalam mendeteksi leukosit dan akurasi 94,3% dalam klasifikasi leukosit. Selain itu, CAD3 menyediakan laporan yang berisi informasi lengkap tentang WBC. Akhirnya, CAD3 diuji pada dataset lain seperti dataset gambar leukemia limfoblastik akut (ALL-IBD1) dan dataset jumlah sel darah (BCCD), dan terbukti efisiensinya [6].
Sistem yang diusulkan untuk mendeteksi dan mengklasifikasikan leukosit pada leukemia menggunakan YOLO dan convolutional neural network (CNN) memiliki aplikasi potensial di luar diagnosis leukemia. Berikut adalah sejumlah penerapan yang potensial:
- Analisis Sel Darah Otomatis
Sistem ini dapat digunakan untuk menganalisis sampel sel darah secara otomatis, tidak terbatas pada kasus leukemia. Sistem ini dapat membantu dalam mendeteksi dan mengklasifikasikan berbagai jenis sel darah putih, sel darah merah dan trombosit. Hal ini dapat bermanfaat dalam mendiagnosis kelainan darah lainnya dan memantau kesehatan darah secara keseluruhan.
- Penelitian Kesehatan dan Pengembangan Obat
Sistem ini dapat digunakan dalam penelitian kesehatan dan pengembangan obat yang berkaitan dengan kelainan darah. Sistem ini dapat membantu para peneliti dalam menganalisis kumpulan data gambar sel darah yang banyak, mengidentifikasi pola, dan mempelajari efek dari perawatan atau obat yang berbeda pada jenis sel tertentu.
- Telemedis dan Layanan Kesehatan Jarak Jauh
Dengan kemajuan dalam telemedis dan layanan kesehatan jarak jauh, sistem yang diusulkan dapat diintegrasikan ke dalam platform digital atau aplikasi perangkat bergerak. Hal ini akan memungkinkan para staf medis untuk menganalisis sampel sel darah dari jarak jauh dan memberikan diagnosis atau rujukan yang akurat kepada pasien di daerah terpencil atau yang sulit dijangkau.
- Kontrol Kualitas di Bank Darah
Bank darah dan pusat transfusi dapat mengambil manfaat dari kemampuan sistem untuk mendeteksi dan mengklasifikasikan sel darah. Sistem ini dapat digunakan untuk tujuan kontrol kualitas, memastikan bahwa darah yang disumbangkan bebas dari kelainan atau infeksi sebelum digunakan untuk transfusi.
- Pendidikan dan Pelatihan
Sistem ini dapat digunakan sebagai alat pemebelajaran dalam program pendidikan dan pelatihan kesehatan. Sistem ini dapat membantu siswa dan profesional dalam mempelajari berbagai jenis sel darah, karakteristiknya, dan penyakit terkait. Sistem ini dapat memberikan hasil secara real-time dan membantu meningkatkan kemampuan diagnosis.
- Deteksi Dini Gangguan Darah
Dengan mendeteksi dan mengklasifikasikan sel darah secara akurat, sistem ini dapat berkontribusi pada deteksi dini berbagai kelainan darah, tidak terbatas pada leukemia. Deteksi dini dapat mengarah pada penanganan yang tepat waktu dan hasil yang lebih baik bagi pasien.
Perlu dicatat bahwa meskipun aplikasi potensial ini didasarkan pada kemampuan sistem yang diusulkan, penelitian dan validasi lebih lanjut akan diperlukan untuk memastikan keefektifan dan keandalannya dalam konteks yang berbeda.
Sistem yang diusulkan untuk mendeteksi dan mengklasifikasikan leukosit pada leukemia menggunakan YOLO dan convolutional neural network (CNN) memiliki beberapa keterbatasan dalam hal skalabilitas dan implementasi dalam pengaturan klinis. Berikut adalah beberapa keterbatasannya:
- Dataset Terbatas
Sistem yang diusulkan dilatih dan dievaluasi pada dataset yang dibuat khusus untuk masalah yang dibahas tanpa segmentasi konvensional atau preprocessing pada gambar mikroskopis. Ini berarti bahwa sistem mungkin tidak bekerja dengan baik pada dataset dengan karakteristik yang berbeda atau dari sumber yang berbeda. Oleh karena itu, sistem perlu dilatih ulang pada dataset yang lebih banyak dan lebih beragam untuk memastikan skalabilitas dan generalisasi.
- Persyaratan Perangkat Keras dan Komputasi
Sistem yang diusulkan membutuhkan sumber daya komputasi dan perangkat keras yang cukup tinggi untuk melatih dan menjalankannya. Hal ini dapat menjadi batasan dalam pengaturan klinis di mana sumber daya mungkin terbatas. Oleh karena itu, sistem perlu dioptimalkan untuk berjalan pada perangkat keras yang memiliki performa yang lebih rendah atau platform berbasis cloud agar lebih mudah diakses.
- Mengintegrasikan dengan Sistem Klinis yang Sudah Ada
Ini bisa menjadi proses yang rumit dan membutuhkan pertimbangan yang seksama terhadap kerahasiaan data, keamanan, dan peraturan yang berlaku. Oleh karena itu, sistem perlu dirancang dengan mempertimbangkan faktor-faktor ini untuk memastikan keberhasilan penerapannya.
- Keahlian manusia
Sistem yang diusulkan dirancang untuk membantu para profesional kesehatan dalam mendiagnosis leukemia dengan mendeteksi dan mengklasifikasikan leukosit. Namun, sistem ini tidak dapat menggantikan keahlian ahli patologi atau ahli hematologi manusia. Oleh karena itu, sistem ini perlu digunakan bersama dengan tenaga ahli untuk memastikan diagnosis yang akurat.
- Biaya
Pengembangan dan implementasi sistem yang diusulkan bisa jadi mahal. Hal ini dapat menjadi kendala dalam kondisi sumber daya yang terbatas atau sistem layanan kesehatan. Oleh karena itu, efektivitas biaya dari sistem perlu dievaluasi untuk memastikan kelayakan dan keberlanjutannya.
Penting untuk dicatat bahwa meskipun keterbatasan ini ada, mereka dapat diatasi melalui penelitian dan pengembangan lebih lanjut. Sistem yang diusulkan telah menunjukkan hasil yang menjanjikan dalam mendeteksi dan mengklasifikasikan leukosit pada leukemia, dan dengan penyempurnaan lebih lanjut, sistem ini berpotensi menjadi alat yang berharga dalam pengaturan klinis.
Redaksi: D. Ilham
Editor: S. D. Cahyo
Referensi:
Pemodelan perkembangan jumlah sel leukosit penderita leukimia anak di surabaya dengan pendekatan regresi semiparametrik berdasarkan estimator kernel | Oktiriani | Matematika dan Ilmu Pengetahuan Alam
Quantitative relationships between circulating leukocytes and infection in patients with acute leukemia | Bodey | Annals of internal medicine
Pyridoxal phosphate in plasma and leukocytes in patients with leukemia and other diseases | Wachstein | Proceedings of the Society for Experimental Biology and Medicine
Robust discrimination of leukocytes protuberant types for early diagnosis of leukemia | Naz | Journal of Mechanics in Medicine and Biology
Characteristics of patients with acute lymphoblastic leukemia (ALL) at al islam bandung hospital in 2017 | Silva | Prosiding Pendidikan Dokter
Combined ibrutinib and venetoclax changes myeloid phenotype and improves immune function in CLL patients | Svanberg | Blood
A YOLO and convolutional neural network for the detection and classification of leukocytes in leukemia | Abas | Indonesian Journal of Electrical Engineering and Computer Science (IJEECS)
1 Comment
Comments are closed.