Pengembangan AI gastrointestinal UNM kembali menarik perhatian publik teknologi dan kesehatan. Lewat riset GIVisNet, Universitas Nusa Mandiri menguji sejumlah arsitektur deep learning untuk membaca citra saluran cerna, dengan EfficientNet-B0 mencatat akurasi tertinggi 94,04 persen. Capaian itu relevan bagi pembaca di Medan dan Sumatera Utara yang mengikuti tren inovasi diagnosis berbasis data di tingkat nasional.
Penelitian mendapat dukungan hibah tahun anggaran 2026 dari Direktorat Jenderal Riset dan Pengembangan, Kementerian Pendidikan Tinggi, Sains, dan Teknologi. Fokusnya bukan mengganti dokter, melainkan memperkuat deteksi dini kelainan gastrointestinal melalui pengolahan citra yang lebih sistematis dan terukur.
Lima arsitektur diuji dalam satu kerangka evaluasi
Ketua peneliti Taopik Hidayat menjelaskan bahwa tim membandingkan ResNet18, ResNet50, MobileNetV2, EfficientNet-B0, dan DenseNet121 pada dataset citra gastrointestinal dengan parameter evaluasi yang sama. Performa antarmodel ternyata tidak seragam; EfficientNet-B0 unggul di angka 94,04 persen.
Anggota tim meliputi Daniati Uki Eka Saputri, Nurul Khasanah, dan Faruq Aziz. Mahasiswa Siti Zainab Amri serta Farros Althaf juga dilibatkan agar ekosistem riset AI kampus berjalan lintas generasi. Menurut Taopik, angka akurasi hanyalah salah satu indikator evaluasi, bukan bukti kesiapan klinis penuh.
Akurasi tinggi belum berarti siap menggantikan diagnosis medis
Dalam keterangan yang diterima Selasa, 1 September 2026, Taopik menegaskan hasil uji model tidak boleh ditafsirkan sebagai pengganti proses diagnosis tenaga medis. Masih dibutuhkan pengujian dan validasi yang lebih menyeluruh sebelum teknologi diarahkan ke pemanfaatan di fasilitas kesehatan.
Ia menambahkan, riset kesehatan berbasis kecerdasan buatan wajib memperhatikan karakteristik data, tujuan studi, metrik performa, dan tahapan verifikasi. Orientasi semata pada persentase akurasi dinilai berisiko jika tidak diimbangi kehati-hatian metodologis dan etika penerapan.
FGD bersama praktisi laboratorium di Jakarta
Penguatan arah riset dilakukan lewat Focus Group Discussion di Asyana Hotel Kemayoran, Jakarta, pada Senin, 24 Agustus. Forum itu mempertemukan peneliti, mahasiswa terkait, dan dr. Robby Hertanto selaku CEO INCREASE Laboratorium Indonesia.
Masukan dari sisi akademik sekaligus praktisi dipakai untuk merancang tahap berikutnya agar GIVisNet tidak hanya unggul secara teknis, tetapi juga selaras dengan kebutuhan lapangan di sektor kesehatan. Diskusi menjadi penyeimbang antara eksperimen model dan relevansi klinis.
- Model terbaik sementara: EfficientNet-B0 (94,04 persen)
- Model pembanding: ResNet18, ResNet50, MobileNetV2, DenseNet121
- Skema: pengolahan dan identifikasi citra gastrointestinal
- Status: fondasi awal, validasi lanjutan masih berjalan
Kontribusi kampus digital bisnis bagi inovasi kesehatan
Sebagai kampus yang menonjolkan identitas digital bisnis, UNM menempatkan GIVisNet sebagai contoh perpaduan data, AI, dan keilmuan akademik untuk menelusuri solusi di bidang kesehatan. Capaian akurasi diposisikan sebagai titik tolak, bukan garis finis.
Bagi khalayak Medan, pantauan terhadap riset sejenis penting karena layanan gastroenterologi di daerah semakin membutuhkan alat bantu skrining yang akurat, terstandar, dan dapat diaudit. Inovasi nasional seperti GIVisNet berpotensi memperkaya wacana adopsi teknologi di rumah sakit dan laboratorium di luar Jawa, tanpa mengabaikan persyaratan regulasi dan validasi medis.
Tim peneliti menekankan komitmen pada inovasi yang bernilai ilmiah sekaligus bermanfaat bagi masyarakat. Tahap berikutnya akan menajamkan model, memperluas uji, dan menjaga agar pengembangan tetap relevan dengan praktik kesehatan yang bertanggung jawab.
Sumber: Republika.