Pada dewasa ini sistem informasi
kecerdasan buatan (Artifical Intellegance) sangat banyak dibutuhkan
dalam berbagai bidang ilmu. Teknologi softcomputingmerupakan adalah
sebuah bidang kajian penelitian interdisipliner dalam ilmu komputasi dan kecerdasan
buatan. Sebagai contohnya dimana beberapa teknik dalam softcomputing diantaranyasistem
pakar (expert system), jaringan saraf tiruan (neural
Networks), logika fuzzy (fuzzy logic), dan algoritma genetik(genetic
algorithms) mulai banyak diterapkan dalam aplikasi-aplikasi yang sangat
membantu manusia dalam menjalan kan tugas dan mencapai tujuan tertentu yang
ingin dicapai. Salah satu sub bidang yang menggunakan
sistem kecerdasan buatan untuk mengatasi dan menganalisis permasalah yang ada
adalah bidang kedokteran. Pengembangan aplikasi kecerdasan buatan pada bidang
kedokteran sangat membantu sekali beberapa user yang terlibat dalam kedokteran.
Penelitian yang dilakukan Ting-Sheng
Weng dan Chien-Hung Kuo pada tahun 2009 dengan judul “Development and
Research on the Intelligent Emergency Medical Information System: A Case Study
of Yunlin and Chiayi Counties in Taiwan ”, merupakan salah satu
aplikasi yang sangat membantu pasien untuk mempercepat dan mempermudah dalam
mendapatkan pelayanan serta membantu tenaga medis untuk melaksanakan tugasnya
dengan cepat dalam menangani pasien. Dalam penetian tersebut di ciptakan sebuah
aplikasi sistem infomasi darurat dalam menangani pasien secara cerdas di suatu
daerah. Dimana jika terjadi kecelakaan ataupun pasien yang ingin ke sebuah
rumah sakit di daerah tersebut dengan mudah dan cepat dapat ditunjukkan oleh
sistem ini atau akan meningkatkan kecepatan dan pelayanan ambulan dalam
membantu pelayanan darurat medis serta efisien waktu tempuh untuk menemukan
posisi rumah sakit terdekat dengan pasien yang membutuhkan pelayanan.
Sistem Kerja: sistem dirancang
untuk membantu memecahkan masalah antara pasien dengan tenaga
medis/rumah sakit. Dalam sistem ini, diciptakan sebuah tugas fungsi darurat
penyelamatan medis. Sistem ini menggunakan peta satelit Formosa 2(FORMOSAT-2)
dan teknologi Ajax untuk mengakses informasi terhadap peta dan
memungkinkan operator pusat untuk menentukan lokasi yang benar dari pasien
secara tepat waktu.Berdasarkan lokasi pasien, kemudian
ambulans akan mengetahui posisi pasien dari layanan. Kemudian, teknisi medis
darurat sejalan penyelamatan pertama yang menggunakan perangkat mobile pasien
atau smart phone dapat terhubung ke sistem melalui GPRS (General Packet
Radio Service ) atau 3G (Third Generation Wireless Format)
untuk mencari pasien. Akhirnya, teknisi medis darurat bisa memasukkan kondisi
pasien ke dalam sistem, dan kemudian sistem akan menentukan rujukan rumah sakit
mana yang paling tepat.
Hasil yang diperoleh: Penelitian yang
telah dilakukan tersebut bertujuan untuk meningkatkan kemungkinan bahwa pasien
menerima pengobatan yang tepat, dan disesuaikan untuk mengurangi pemborosan
waktu yang disebabkan oleh transportasi yang tidak perlu antara rumah sakit.
Sistem ini merupakan pengintegrasian sistem informasi rumah sakitdengan
menggunakan ASP berbasis Web. Aplikasi mobile, dan bahasa teknologi Ajax,
JavaScript dan SQL untuk membuat suatu sistem cerdas untuk informasi medis
darurat yang menggabungkan aplikasi web, peta satelit dan fungsi keputusan
darurat medis mobile. Diharapkan dengan menggunakan sistem ini, akan dapat
meningkatkan efisiensi transportasi pasien di rumah sakit.Penelitian yang dilakukan Rifat
Shahriyar dkk (2009), dengan judul “Intelligent Mobile Health Monitoring
System (IMHMS)”,dimana penelitian ini membahas tentang Handphone
Health Care merupakan sistem integrasi antara komputasi
mobiledengan pemantauan kesehatan manusia. Aplikasi teknologi
komputasi mobile ini untuk meningkatkan komunikasi antara pasien, dokter dan
petugas kesehatan. Perangkat mobile telah menjadi bagian tak terpisahkan dari
kehidupan kita ternyata dapat diintegrasikan dengan kesehatan manusia. Hal ini
memungkinkan penyampaian informasi medis yang akurat kapan saja di mana saja
dengan menggunakan ponsel.Sistem Kerja: IMHMS akan
mengumpulkan data fisiologis pasien melalui bio-sensor.
Data dikumpulkan dalam jaringan sensor dan ringkasan, kemudian data yang
dikumpulkan ditransmisikan ke komputer pribadi pasien atau ponsel / PDA.
Perangkat ini akan mentransfer data ke server untuk analisis
medis. Setelah menganalisa data, server memberikan masukan medis ke
komputer pribadi pasien atau ponsel / PDA. Pasien dapat mengambil
langkah-langkah berdasarkan umpan balik. IMHMS berisi tiga komponen :Wearable Body Sensor Network [WBSN] : pada
bagian ini terdiri dari banyak sensor-sensor (bio-sensor) yang di tanam pada
tubuh manusia, sensor ini adan menangkap semua kejadian pada setiap organ tubuh
manusia dan kemudian mengirimkannya data-data yang terekam kecentral
controller, dimana ini merupakan pusat yang bertanggung jawab untuk
mentransmisikan data pasien ke telepone, komputer pribadi maupun ke PDA.
· Patients
Personal Home Server [PPHS]: Merupakan seperangkat server
rumah pribadi pasien bisa berupa satu komputer pribadi atau perangkat mobile
seperti ponsel / PDA. PPHS mengumpulkan informasi dari pusat pengendali WBSN.
PPHS mengirim informasi ke Intelligent Medical Server [IMS].
PPHS berisi logika untuk menentukan apakah akan mengirim informasi ke IMS atau
tidak. Personal Computer PPHS berdasarkan berkomunikasi dengan IMS menggunakan
Internet. perangkat PPHS Mobile untuk berkomunikasi dengan IMS menggunakan GPRS
/ EDGE / SMS.
· Intelligent
Medical Server [IMS] : IMS akan menerima data dari semua PPHS. IMS
merupakan tulang punggung dari seluruh arsitektur sistem ini. Data yang
ada dapat dipelajari dari catatan pengobatan pasien sebelumnya. Setiap kali
dokter atau spesialis memeriksa pasien, pemeriksaan dan hasil pengobatan
disimpan dalam database pusat. IMS menggunakan teknik data
miningstate-of-the-art seperti jaring saraf, aturan
asosiasi, pohon keputusan tergantung pada sifat dan distribusi data. Setelah
pengolahan informasi untuk memberikan umpan balik untuk PPHS atau
menginformasikan otoritas medis dalam situasi kritis. PPHS menampilkan umpan
balik kepada pasien. otoritas kesehatan untuk mengambil tindakan yang
diperlukan.
Hasil yang diperoleh: dibawah ini
merupakan hasil perancangan dan hasil output dari sistem yang dibuat.Pada penelitian yang dilakukan Prasdl
dkk (2011) dengan judul “An Approach to Develop Expert System in
Medical Diagnosis using Machine Learning Algorithms (Asthma) and a Performance
Study”, mengatakan bahwa Mesin Intelijen memainkan peranan penting
dalam perancangan sistem pakar dalam diagnosis medis. Di India
banyak orang yang menderita beberapa jenis penyakit seperti asma, kanker
diabetes, dan banyak lagi. Dalam penelitian ini peneliti mempertimbangkan untuk
membuar sistem pakar diagnosis asma. Data diagnosis asma dapat dilakukan dengan
dua cara 1) melalui kuesioner dan 2) melalui data klinis. Metode yang dipakai
dalam penelitian ini adalah dengn menggunakan pendekatan Machine
Learning Algorithmts, metodeBackpropogation, algoritma C45,
Bayesian Network, dan Particle Swarm Optimazation.
Sistem Kerja: Pertama-tama pasien
diberikan beberapa pertanyaan yang harus dijawab, berdasarkan pertanyaan
ini seleksi Sistem Pakar akan ditentukan asma atau penyakit lain yang terjadi
dalam sistem pernapasan pasien yang melakukan konsultasi apakan penyakit pasien
derita seperti asma kronis,gagal jantung kongestif, Episodic
Asma, Infeksi Saluran Pernapasan, Infeksi Viral.
Dan kemudian pasien melaporkan jenis darah klinis untuk analisa lebih lanjut
kemuadian dilakukan diagnosis dengan menggunakan algoritma yang telah dipilih,
gejala asma dan data klinis yang dianalisis akan menghasilkan beberapa faktor
seperti validasi, kehandalan, efektivitas , dan akurasi hasil analisis yang
tepat yang bisa dipetakan dengan pengetahuan dari ahli.
Hasil yang diperoleh: dari penelitian
ini pula dapat didefinisikan konteks memori tergantung pada jaringan
neurel-asosiatif dan Particle Swarm Optimazation adalah
salah satu algoritma terbaik dari jaringan Bayesian, Backpropogation dan
C4.5.
Particle Swarm Optimazation adalah salah
satu metode yang paling menjanjikan untuk merancang dan mengembangkan sistem
pakar dalam diagnosis medis. Bila dibandingkan dengan algoritma backpropogation, Particle
Swarm Optimazation adalah metode menjanjikan dari analisis neurel network.
Masih tentang penelitian sistem pakar,
tetapi penelitian yang dilakukan Gang lou dkk, (2009) dengan judul “Intelligent
Consumer-Centric Electronic Medical Record ”, menjelaskan tentang
pemanfaatan sistem pakar berbasis web-base untuk memperluas
cakupan pasein tentang medical record. Sebuah sistem pakar
menggunakan pengetahuan medis untuk mengubah informasi dalam EMRs menjadi satu
set "panduan pencarian informasi" yang mencerminkan situasi
medis pengguna dan kebutuhan kesehatan.
iCEMR cerdas mengantisipasi
kebutuhan pengguna di muka dan secara otomatis menyediakan satu set informasi
kesehatan. Pengguna sering tidak tahu sebelumnya apa yang mereka inginkan
karena kurangnya pengetahuan medis, sementara mereka biasanya dapat mengetahui
apakah informasi kesehatan membantu ketika mereka disajikan dengan informasi
tersebut.
Hasil yang diperoleh: Harapan yang
ingin dicapa dengan dibuatnya intelligent CEMR ini untuk mempermudah
masyarakat dalam memantau kesehatan secara online dan berfokus pada memfasilitasi
kegiatan sehari-hari konsumen.
Dalam penelitian yang berjudul “SAPHIRE
- Intelligent Healthcare Monitoring based on Semantic Interoperability
Platform - The Homecare Scenario - ”, yang dilakukan oleh Andreas Hein
dkk,(2006) dimana perancangan dan pembuatan sistem informasi monitoring
kesehatan yang di beri nama SAPHIRE. Proyek Saphire bertujuan untuk
mengembangkan pemantauan kesehatan pemantauan cerdas dan sistem pendukung
keputusan pada platform mengintegrasikan data sensor nirkabel medis dengan sistem
informasi rumah sakit. Dalam proyek Saphire, pemantauan pasien akan dicapai
dengan menggunakan teknologi agen dimana "agent behaviour "
akan didukung oleh sistem pendukung keputusan klinis yang cerdas akan
didasarkan pedoman komputerisasi praktek klinis, dan akan mengakses riwayat
medis pasien disimpan dalam sistem informasi medis melalui layanan web.Sistem kerja: konseptual dari
proyek Saphire digunakan untuk pasien di rumah sakit atau di rumah dan ini
merupakan inti dari proyek ini. Berbagai dari sensor untuk mengumpulkan data
dari pasien. Sensor data ditransmisikan secara nirkabel ke Interoperabilitas
Multi-Platform disebut HealthCare Services Platform (MSHCP). Agen
menggabungkan dan mengevaluasi status sensor dan menyimpulkan pada pasien. Berdasarkan
data tersebut, dan dengan mempertimbangkan sejarahaccount pasien
akan dikumpulkan dari berbagai instansi kesehatan, sebuah Semantic Intelligent
Sistem Pendukung Keputusan berdasarkan pedoman semantis beranotasi dimodelkan
menggunakan PedomanInterchange Format (GLIF) yang dibuat saran
untuk perawatan pasien. Mekanisme yang menjamin privasi lengkap dan keamanan
sistem.Hasil yang diperoleh: Multi-Platform
Layanan homecare(MSHCP) bekerja sebagai gateway antara
pasien klinik dan rumah. MSHCP diimplementasikan sebagai PC dengan sistem
operasi (Linux), dengan menggunakan Java (J2SE), dan berbasismiddleware OSGi.
OSGi (Open Services Gateway Initiative) adalah komponen yang
berorientasi pada lingkungan komputasi standar untuk layanan jaringan. Hal ini
sudah digunakan untuk aplikasi otomatisasi dirumah. Komponen utama adalah
eksekusi OSGi, berbagai lapisan modul yang berbeda, lapisan siklus hidup, dan
layanan registri. Dengan cara ini, kerangka kerja ini dapat mengatur remote
control dan komunikasi yang aman.
Daftar pustaka
http://artikel-teknologi-informasi.blogspot.co.id/2012/11/aplikasi-artifical-intelligent-pada.html
Tidak ada komentar:
Posting Komentar