Tesis

Akurasi dan Efisiensi Penilaian Usia Tulang dengan Bantuan Kecerdasan Buatan (Artificial Intelligence) pada Radiografi Manus Populasi Anak Indonesia = Accuracy and Efficiency of Artificial Intelligence-Assisted Bone Age Evaluation of Indonesian Children Population Based on Hand Radiography.

Latar belakang: Usia skeletal menilai pertumbuhan tulang untuk memperkirakan usia biologis anak. Metode penilaian usia skeletal yang paling banyak digunakan adalah metode Greulich-Pyle (GP) dan Tanner-Whitehouse (TW). Kedua metode ini memiliki kekurangan yaitu subjektifitas serta waktu yang lama untuk interpretasi. Kecerdasan buatan terus berkembang dalam bidang kedokteran, salah satu aplikasinya digunakan untuk menilai usia skeletal. Kecerdasasn buatan diharapkan dapat membantu dokter radiologi untuk menginterpretasi nilai usia skeletal lebih cepat dan akurat. Tujuan: Menilai akurasi dan perbedaan waktu interpretasi usia skeletal pada radiografi manus tanpa bantuan kecerdasan buatan dibandingkan interpretasi usia skeletal dengan bantuan kecerdasan buatan. Metode: Interpretasi dilakukan oleh residen radiologi dan dokter radiologi umum tanpa bantuan kecerdasan buatan dan dengan bantuan kecerdasan buatan. Hasil interpretasi dibandingkan dengan usia referensi yaitu usia skeletal hasil interpretasi oleh dokter radiologi divisi pediatrik. Hasil: Interpretasi dengan bantuan kecerdasan buatan didapatkan mean absolute error sebesar 5,8 ± 6,6 (residen radiologi) dan 4,3 ± 5,9 (dokter radiologi), nilai tersebut lebih kecil dibandingkan interpretasi tanpa bantuan kecerdasan buatan dengan mean absolute error sebesar 6,9 ± 5,3 (residen radiologi) dan 6,9 ± 5,6 (dokter radiologi). Interclass correlation coefficient didapatkan lebih tinggi pada interpretasi dokter radiologi. Interpretasi dengan bantuan kecerdasan buatan membutuhkan waktu yang lebih cepat dibandingkan interpretasi tanpa bantuan kecerdasan buatan Kesimpulan: Penilaian usia skeletal oleh residen radiologi dan dokter radiologi umum yang dibantu kecerdasan buatan lebih akurat dan lebih efisien dibandingkan penilaian usia skeletal tanpa bantuan kecerdasan buatan.
Kata kunci: usia skeletal, kecerdasan buatan



Background: Bone age is a method to evaluate biological age. Greulich-Pyle and Tanner Whitehouse are the most common used methods. These interpretation methods are subjective and takes times. Artificial intelligence (AI) developed in medical field, one of the application is bone age. Artificial intelligence expected to help radiologist to interpret bone more accurately and more efficiently. Objective: Evaluate accuracy and time to interpret bone age between conventional bone age interpretation and artificial intelligence-assisted bone age evaluation. Methods: Radiology resident and radiologist interpret bone age with two method, artificial intelligence assisted interpretation and conventional interpretation, the result then compare to reference bone age (interpretation by pediatric division radiologist). Results: Artificial intelligence-assisted bone age interpretation show better mean absolute error 5,8 ± 6,6 (radiology resident) and 4,3 ± 5,9 (radiologist), while conventional interpretation show mean absolute error 6,9 ± 5,3 (radiology resident) and 6,9 ± 5,6 (radiologist). Interclass correlation coefficient also higher in artificial intelligence assisted bone age. Time needed to interpret bone age with assistance of artificial intelligence also faster than conventional interpretation. Conclusion: Artificial intelligence-assisted bone age evaluation result is more accurate and efficient than conventional bone age interpretation
Keywords: Bone age, artificial intelligence