Teknologi digital dapat mendorong bidang Patologi menjadi lebih efisien dan lebih terukur dalam menjalankan perannya sebagai motor penggerak perawatan kesehatan untuk memahami penyakit. Teknologi ini dapat mengubah pekerjaan ahli patologi menjadi profesi yang lebih kreatif dan berbasis data sekaligus memungkinkan pasien menerima diagnosis lebih cepat dan lebih akurat. 

Patologi, nyaris tidak berubah selama lebih dari 150 tahun

Meskipun seluruh bangunan kedokteran bertumpu pada diagnosis ahli patologi, bidang ini belum mengalami perubahan signifikan selama 150 tahun terakhir. Seluruh proses analisis pewarnaan (stains) sangat subjektif dan dapat menjadi proses yang rumit. Misalnya, dalam kasus biopsi prostat, ahli patologi harus memeriksa sekitar 48 slide. Selain itu, hasilnya bergantung pada spesialisasi, penilaian pribadi, dan bahkan pada kondisi mental ahli patologi – yang menurunkan tingkat akurasi.

Ahli patologi melakukan pekerjaan yang sangat besar dan menghabiskan terlalu banyak waktu untuk mencari slide, gambar, dan informasi kasus lama di arsip rumah sakit. Meskipun penggunaan data retrospektif dimungkinkan dalam patologi, sumber daya yang luar biasa ini tidak dapat dimanfaatkan secara cukup efisien karena mereka harus mencari slide tumor yang sudah berumur puluhan tahun secara manual. 

Di masa ketika era asisten digital yang membuat janji temu di restoran atau salon rambut, sungguh miris melihat apa yang terjadi di Patologi.

Dokter spesialis patologi adalah aset yang langka

Tidak mengherankan bahwa ahli patologi merupakan "aset terbatas" di mana-mana, dan jumlah mereka diprediksi akan menurun di seluruh dunia. 

Menurut sebuah penelitian, pada tahun 2030 jumlah ahli patologi yang aktif mungkin telah turun hingga 30 persen dibandingkan dengan jumlah tahun 2010. Di beberapa bagian dunia, kekurangan ahli patologi sangat mengejutkan.

Ketersediaan Patologis secara Global (Andrey Bychkov, 2021)

Bagaimana teknologi digital dapat mengubah kondisi tersebut?

Digitalisasi laboratorium patologi membuat spesialisasi lebih efisien, spesimen lebih mudah direproduksi dan pekerjaan ahli patologi menjadi lebih mudah. ​​Digital whole-slide imaging (WSI) memungkinkan penangkapan dan visualisasi seluruh jaringan pada slide, berbeda dengan bidang pandang sempit yang disediakan mikroskop. Hal ini dapat membuat patologi lebih akurat dan mengurangi subjektivitasnya.

Slide digital dapat menghemat banyak waktu bagi dokter. Di rumah sakit, seringkali terjadi pengiriman berbagai jaringan dari laboratorium ke dokter bedah dan kemudian kembali lagi ke ahli patologi. Pengiriman slide digital lebih aman dan cepat. Selain itu, slide digital memungkinkan analisis kuantitatif terkomputerisasi, pencarian gambar yang lebih cepat, dan pengambilan slide untuk kasus lama. 

Slide digital mengurangi hambatan antara rumah sakit, wilayah, dan negara sehingga memudahkan konsultasi dan rujukan.

Belum lagi kemungkinan meringankan beban yang disebabkan oleh kekurangan ahli patologi di seluruh dunia. Bayangkan saja berapa banyak rumah sakit di seluruh dunia yang dapat memperoleh manfaat dari laboratorium patologi digital ketika mereka dapat membagikan slide mereka di cloud dan mengambil semua informasi darinya. 

AI telah hadir di laboratorium patologi

Beberapa tahun terakhir, telah hadir beberapa terobosan besar. Tonggak penting pertama adalah September 2021 – tanggal ketika produk patologi berbasis AI pertama – Paige Prostate, solusi AI tingkat klinis untuk deteksi kanker prostat – menerima izin FDA untuk penggunaan klinis. Diikuti oleh tanda CE untuk Deteksi Kelenjar Getah Bening Payudara Paige dalam waktu satu tahun.

Hal tersebut kemudian diikuti oleh serangkaian pengumuman serupa. Kolaborasi Ibex dengan Roche dan peluncuran penggunaan platform Galen mereka di klinik Swiss, dan perusahaan tersebut mendapatkan tanda CE pada solusi AI mereka untuk mendeteksi kanker lambung. 

Proscia menjalin kemitraan yang diperpanjang dengan Siemens Healthineers yang memungkinkan perusahaan tersebut memasuki segmen patologi digital. Verily dari Google bekerja sama dengan Lumea, tujuan kerja sama ini adalah untuk meningkatkan diagnosis dan prognosis kanker prostat. Roche menjalin kerja sama dengan Bristol Myers Squibb untuk mengembangkan dan menerapkan dua algoritma patologi digital baru. PreciseDx, spin-off Mount Sinai Health System, telah mengembangkan teknologi patologi digital yang didukung kecerdasan buatan untuk mendeteksi penyakit Parkinson.

Di bidang digitalisasi, Pranama dipilih sebagai mitra pemindaian arsip Mayo Clinic untuk mendigitalkan 5 juta slide patologi klinis.

BACA JUGA:

• Masa Depan Pengobatan Berbasis Bukti
• Kebohongan Patologis adalah Kondisi Gangguan Mental?
• AI dalam Onkologi, Sudah Sejauh Mana?

Berikut beberapa teknologi baru yang dapat mendukung masa depan cerah patologi:

1) Alur kerja digital – dari mikroskop elektronik hingga cloud

Peran laboratorium patologi adalah menggunakan darah, cairan, atau jaringan untuk menyediakan informasi yang akurat, tepat waktu, dan relevan yang berguna dalam membuat diagnosis, serta memandu dan memantau terapi. 

Setelah evaluasi makroskopik massa di laboratorium patologi digital, proses pencitraan slide secara keseluruhan berlangsung. Setelah irisan disiapkan, mikroskop elektronik mendigitalkan sampel untuk analisis lebih lanjut dengan bantuan berbagai solusi pemindaian. Berbagai produk digital telah tersedia di pasaran untuk memindahkan seluruh alur kerja ahli patologi dari manual ke digital. Solusi pencitraan slide secara keseluruhan, seperti Nanozoomer, pemindai, perangkat lunak, sistem penyimpanan, cloud, dan sistem komunikasi bekerja sama untuk memudahkan pekerjaan di laboratorium.

Ini akan membuat pengiriman slide dan data untuk konsultasi menjadi jauh lebih mudah sehingga menyediakan layanan patologi virtual di lokasi terpencil dan memfasilitasi diskusi dan pendapat kedua tidak diragukan lagi akan menjadi bidang yang sedang berkembang.

Namun, alur kerja digital juga memiliki keterbatasan yang perlu diatasi di masa mendatang agar operasi berjalan lancar. Karena gambar patologi memerlukan resolusi yang sangat tinggi dan kualitas gambar menjadi hal yang utama, file berukuran sangat besar. Penyimpanan kumpulan data yang besar tetap menjadi tantangan, begitu pula dengan pemindahannya melalui berbagai sistem komputer.

2) Pembelajaran mendalam untuk otomatisasi

Digitalisasi sumber daya patologi membuka pintu bagi pemanfaatan potensi kecerdasan buatan yang sangat besar di bidang tersebut. Namun, langkah pertama untuk itu adalah digitalisasi. Satu upaya telah mendigitalkan slide selama dekade terakhir di Memorial Sloan Kettering dengan kecepatan rata-rata 140.000 slide per bulan. Inventaris mereka berisi sekitar 3,6 juta gambar dan terus bertambah.

Sistem tersebut dapat digunakan untuk mengklasifikasikan slide patologi digital – mirip dengan praktik yang digunakan dalam radiologi. Sama seperti Facebook yang mengenali wajah dalam foto, sistem pengenalan gambar ini mengidentifikasi slide dengan sel prakanker atau kanker dan mengelompokkannya sesuai dengan itu.

Bagaimanapun, proses ini memungkinkan para ahli patologi untuk menghabiskan lebih banyak waktu pada kasus-kasus yang memerlukan lebih banyak perhatian dan untuk menyisipkan slide yang lebih sederhana dengan tumor jinak. Dengan demikian, mereka akan memiliki lebih banyak waktu luang, yang mungkin membawa solusi lain untuk mengatasi kekurangan ahli patologi di seluruh dunia.

3) AI untuk augmentasi, prognosis, dan prediksi yang lebih baik

Ahli patologi menggunakan banyak teknik untuk menambah jaringan dan sampel untuk membuat mutasi abnormal tertentu terlihat. Misalnya, uji molekuler telah digunakan selama bertahun-tahun untuk menerangi protein. Algoritma pembelajaran mendalam akan dapat melakukan hal serupa dengan gambar digital di masa mendatang. AI dapat menemukan hubungan tertentu yang tidak terlihat oleh mata manusia.

Misalnya, augmentasi dapat memadukan data histologi yang dikuantifikasi komputer dari slide dengan data dari sumber lain, seperti pengurutan DNA, yang membantu ahli patologi membuat kesimpulan dengan akurasi dan keyakinan yang lebih tinggi. Penggunaan augmentasi lainnya adalah menghitung dan membedakan jenis sel untuk membantu penentuan stadium tumor.

Metode-metode ini juga memberikan lebih banyak ruang untuk prognosis dan prediksi. Sebuah penelitian menunjukkan bahwa kombinasi prediksi sistem pembelajaran mendalam dengan diagnosis ahli patologi manusia untuk mengidentifikasi kanker payudara metastatik menghasilkan pengurangan 85 persen dalam tingkat kesalahan manusia.

4) Bioteknologi untuk pengobatan presisi

Berbagai teknologi digital akan meningkatkan opsi pengujian di tempat perawatan (PoCT) di departemen patologi di masa mendatang. Sama seperti perangkat diagnostik portabel yang memungkinkan diagnosis pasien di mana pun mereka berada, perangkat tersebut memungkinkan pemeriksaan jaringan, cairan, dan sampel lain di dekat lokasi pasien, di tempat operasi atau klinik pada saat konsultasi untuk memfasilitasi pengambilan keputusan klinis yang cepat terkait manajemen pasien. 

Berbagai alat pengukur glukosa darah, strip tes urine, dan tes kehamilan termasuk dalam kategori PoCT, tetapi jangkauannya akan diperluas secara signifikan di masa mendatang.

Analisis molekuler akan memungkinkan diagnosis yang lebih tepat di masa mendatang dan merevolusi cara kita mendefinisikan beberapa penyakit. 

Analisis ini juga akan memberikan informasi berharga tentang bagaimana pasien merespons pengobatan dan bagaimana prognosisnya. Ahli patologi akan membantu menafsirkan hasil dan memilih molekul mana yang akan dievaluasi.

5) Patologi dan Radiologi

Ada beberapa kesamaan antara kedua bidang medis tersebut. Keduanya diperlukan untuk proses diagnostik sekaligus merupakan ilmu kualitatif yang didasarkan pada pendapat para ahli medis. Akhir-akhir ini, ada juga kesamaan dalam cara digitalisasi keduanya. 

Ahli patologi dan ahli radiologi sama-sama mengamati anatomi melalui perangkat pencitraan – meskipun salah satunya pada tingkat sel, yang lainnya pada tingkat organ. Selain itu, karena perubahan cepat dalam metode pencitraan digital dalam beberapa tahun terakhir, kedua bidang tersebut bertransformasi lebih cepat daripada spesialisasi medis lainnya.

Bagaimanapun, semuanya didasarkan pada diagnosis. Jadi, manusia akan selalu ada di sana, melihat mikroskop. Tidak peduli apakah ada AI atau teknologi lain yang bekerja sama dengannya.

Namun, semua faktor yang disebutkan di atas pasti akan mengubah spesialisasi tersebut. Jika metode pencitraan cukup kuat untuk menganalisis sel-sel individual, patologi dapat menjadi cabang ilmu kedokteran yang sama sekali berbeda. Babak baru dapat dimulai untuk patologi tradisional yang membahas sel-sel individual alih-alih melihat organisme secara keseluruhan. Pada titik ini, radiologi dan patologi bahkan mungkin tumpang tindih/bergabung sampai tingkat tertentu karena seseorang harus mengetahui kedua bidang tersebut.

Baik dokter maupun pasien akan mendapatkan manfaat dari transformasi ini. Dengan peralatan yang lebih baik, para profesional medis akan memiliki peluang yang lebih baik untuk menyelamatkan nyawa dan pasien akan memiliki peluang yang lebih baik untuk bertahan hidup. Patologi, sedikit mirip dengan kosmologi. Ketika para astronom mencari eksoplanet yang belum sepenuhnya kita pahami atau ketahui, semakin baik teleskop yang dapat mereka gunakan, semakin banyak yang akan kita pelajari.

Referensi:

• Constant Demand, Patchy Supply, Andrey Bychkov, Michael Schubert, The Pathologist, 2023
• Digital Pathology Gives Rise to Computational Pathology, clp mag, 2017
• Integrated digital pathology at scale: A solution for clinical diagnostics and cancer research at a large academic medical center, Journal of the American Medical Informatics Association, 2021
• Verily and Lumea Announce Development Partnership to Advance Digital Pathology in Prostate Cancer, Verily, 2022
• Mount Sinai Spin-Off Develops AI Tool to Detect Early-Stage Parkinson's, TechTarget network, 2022
• Proscia and Siemens Healthineers Ink Agreement to Expand Global Reach of Digital Pathology, Proscia, 2022
• Ibex obtains CE mark for Galen Gastric, the world’s first AI-powered solution for gastric cancer detection, Ibex AI, 2022
• Paige Receives First Ever FDA Approval for AI Product in Digital Pathology, Paige AI, 2021