Apa Sebenarnya Diagnosis AI Kanser Payudara?
Diagnosis AI kanser merujuk kepada penggunaan perisian kecerdasan buatan dan pembelajaran mesin untuk membantu doktor menilai imej seperti mammogram dan sampel tisu, dengan tujuan mengesan kanser payudara lebih awal, mengurangkan kes tersasar (false negative) dan menjadikan keputusan klinikal lebih konsisten serta cekap berbanding kaedah manual semata-mata. Dalam konteks deteksi kanser payudara, teknologi ini tidak menggantikan pakar, tetapi bertindak sebagai “pembaca kedua” yang tidak letih, boleh dilatih semula, dan disuap berjuta imej digital untuk mengenal corak halus yang mata manusia mudah terlepas pandang. Inilah asas kepada gelombang baharu patologi berkomputer dan AI mammografi screening yang kini mula memasuki aliran utama perkhidmatan klinikal.
Isunya bukan lagi sama ada AI patut masuk ke bilik bacaan mammogram dan makmal patologi, tetapi bagaimana kita menggunakannya dengan cermat. AI sudah terbukti boleh membantu ahli radiologi mengenal tanda halus kanser yang terlepas dalam mammogram rutin, malah sebahagian sistem boleh kesan corak risiko kanser sebelum ia kelihatan pada imej. Namun manfaat klinikal sebenar bergantung pada cara ia digabungkan dengan kepakaran manusia, garis panduan yang jelas, dan pemantauan berterusan supaya pesakit mendapat manfaat tanpa terdedah kepada ujian berlebihan dan keputusan mengelirukan.
Patologi Berkomputer: Langkah Berani SJMC Mengubah Aliran Kerja Makmal
Pusat Perubatan Subang Jaya (SJMC) menjadi pelopor patologi berkomputer Malaysia dengan memperkenalkan penyelesaian pertama yang menggunakan teknologi AI untuk menyokong penilaian sampel tisu dalam diagnosis kanser payudara. Di sebalik tajuk besar, mesejnya jelas: diagnosis kanser payudara tidak lagi boleh bergantung pada kaca slaid dan mikroskop analog semata-mata. Dengan kerjasama rakan farmaseutikal global, SJMC menggunakan teknologi pengimejan berbantukan AI bagi membantu pakar patologi menilai biomarker HER2 melalui sampel tisu yang telah didigitalkan.
Perisian HER2 Mindpeak digunakan untuk menganalisis sampel tisu kanser payudara yang diimbas secara digital, dengan matlamat meningkatkan konsistensi dan kebolehpercayaan laporan patologi. Ini penting kerana status HER2 menentukan pilihan rawatan pesakit, termasuk terapi baharu untuk tahap HER2 rendah dan ultrarendah, tetapi perbezaan kecil pada ciri tisu di bawah mikroskop mudah mengubah keputusan. Pendek kata, patologi berkomputer di sini bukan gimik teknologi: ia alat diagnosis AI kanser yang terus menyentuh nyawa pesakit hari ke hari, sambil keputusan akhir kekal di tangan pakar patologi bertauliah.
Bagaimana AI Mammografi Screening Mengurangkan Kanser ‘Tersorok’
Satu kelemahan besar program saringan sedia ada ialah kanser interval – kanser payudara yang dikesan selepas keputusan mammogram negatif tetapi sebelum pusingan saringan seterusnya. Kanser jenis ini lazimnya lebih agresif dan menjadi ukuran sebenar keberkesanan deteksi kanser payudara. Kajian semakan antarabangsa menunjukkan AI tools komersial mampu mengenal pasti sebahagian besar kanser interval yang sebenarnya sudah meninggalkan tanda halus dalam mammogram lama, dengan anggaran antara kira-kira 5% hingga 78% bergantung kepada sistem dan metodologi.
Lebih menarik, beberapa model pembelajaran mesin boleh memberi skor risiko tinggi walaupun mammogram kelihatan normal, sekali gus berpotensi menjadi sistem amaran awal. Dalam satu kajian prospektif besar melibatkan lebih 105,000 wanita, saringan disokong AI mencapai sensitiviti 80.5% berbanding 73.8% bagi bacaan berganda biasa, dengan kadar kanser interval 1.55 berbanding 1.76 bagi setiap 1,000 wanita, dan beban kerja saringan turun 44.3% tanpa menurunkan kadar pengesanan keseluruhan. Ini menunjukkan AI mammografi screening bukan sekadar teori – ia sudah mula mengurangkan false negatives dan masa menunggu laporan.
Kesan Praktikal kepada Pesakit: Lebih Awal, Lebih Tepat, Tapi Jangan Taksub
Bagi pesakit, soalan utama ialah: adakah diagnosis AI kanser menjadikan hidup lebih selamat atau lebih cemas? Jawapannya bergantung pada keseimbangan. Di satu sisi, AI boleh bantu radiologis melihat tanda halus yang terlepas dan kenal corak risiko sebelum kanser kelihatan pada mammogram, lalu membuka ruang rawatan lebih awal. Patologi berkomputer pula menambah ketepatan klasifikasi HER2, mengurangkan salah tafsir antara HER2 ultrarendah dan sifar yang boleh menjejaskan pilihan terapi.
Namun teknologi ini bukannya tanpa harga emosi. Apabila AI memberi skor risiko tinggi tanpa sebarang kelainan jelas pada imej, doktor dilema: patut tambah imbasan dan biopsi, atau tunggu dan lihat? Imbasan tambahan boleh kesan kanser lebih awal, tetapi juga meningkatkan risiko keputusan positif palsu, prosedur tidak perlu, dan overdiagnosis. Inilah sebabnya SJMC menegaskan bahawa penerapan teknologi diagnostik perlu dikendalikan secara bertanggungjawab, dengan kepakaran profesional kesihatan kekal sebagai asas setiap keputusan klinikal.
Ke Mana Arah Seterusnya: Dari Kajian Pemerhatian ke Amalan Harian
Hakikat yang perlu diterima: bukti hari ini, walaupun menggalakkan, masih belum cukup untuk kita menyerahkan sepenuhnya nasib deteksi kanser payudara kepada algoritma. Ramai penyelidik menekankan perlunya kajian prospektif yang menjejaki pesakit ke hadapan dan menilai sama ada saringan disokong AI benar-benar mengurangkan kadar kanser interval, kadar panggilan semula, positif palsu, beban kerja radiologis dan ujian susulan, di samping menilai hasil jangka panjang dan pemantauan pasca pemasaran sistem AI komersial.
Di peringkat tempatan, pakar patologi SJMC terlibat dalam kajian pemerhatian multinasional untuk mengesahkan keberkesanan penyelesaian AI yang digunakan. Ini isyarat penting: kita tidak boleh hanya membeli perisian dan menganggap tugas selesai. Apa yang perlu ialah budaya klinikal baharu di mana data dunia sebenar, audit berkala dan latihan staf berjalan seiring dengan inovasi. Jika AI terus dinilai secara jujur, digandingkan dengan kepakaran manusia dan garis panduan jelas, deteksi kanser payudara masa depan mungkin lebih awal, diagnosis lebih tepat, dan perjalanan rawatan pesakit lebih terarah – tanpa mengorbankan nilai asas perubatan: penilaian menyeluruh, berhati-hati dan berperikemanusiaan.
