Tesis

Kesesuaian Antara CAD Semi Otomatis Dan CAD Otomatis Dalam Penentuan Tipe Dan Ukuran Nodul Paru Berdasarkan Pemeriksaan CT Scan Toraks Di RSUPN Cipto Mangunkusumo = Agreement Between Semi-Automated and Automated CAD in Determining the Type and Size of Pulmonary Nodules Based on Chest CT at Dr. Cipto Mangunkusumo National General Hospital.

Latar Belakang: Nodul paru merupakan temuan yang sering dijumpai pada CT scan toraks dengan diagnosis banding dan risiko keganasan yang bervariasi tergantung tipe dan ukurannya. Identifikasi tipe nodul (solid, part-solid, groundglass) serta pengukuran diameter dan volume sangat penting untuk stratifikasi risiko dan manajemen sesuai pedoman Fleischner Society 2017 dan Lung-RADS 2022. Namun, interpretasi manual bersifat subjektif dan terdapat variabilitas antarpengamat. Teknologi computer-aided detection (CAD) otomatis dan semi-otomatis dikembangkan untuk meningkatkan konsistensi dan efisiensi dokter spesialis radiologi dalam evaluasi nodul paru. Tujuan: Menilai tingkat kesesuaian antara CAD otomatis dan CAD semi-otomatis dalam penentuan tipe, diameter rerata, dan volume nodul paru berdasarkan pemeriksaan CT toraks. Metode: Penelitian potong lintang dilakukan pada pasien di RSUPN Dr. Cipto Mangunkusumo dengan nodul paru yang dianalisis menggunakan CAD otomatis dan semi-otomatis. Tipe nodul ditentukan sebagai solid, part-solid, atau groundglass. Diameter rerata dan volume diukur, kemudian dibandingkan menggunakan uji korelasi dan analisis Bland–Altman. Tingkat kesesuaian tipe nodul paru dievaluasi dengan Kappa Cohen. Hasil: Analisis menunjukkan bahwa penentuan tipe nodul antara CAD otomatis dan semi-otomatis memiliki kesesuaian yang hampir sempurna (nilai Kappa 0,951). Korelasi diameter rerata mencapai r = 0,959 (p < 0,001) dan volume r = 0,967 (p < 0,001), menunjukkan bahwa hasil pengukuran kedua metode memiliki korelasi yang sangat kuat. Analisis Bland-Altman pada pengukuran diameter rerata memperlihatkan bias sistematik sebesar -0,37 mm dengan batas kesepakatan 95% (LoA) antara -2,59 hingga +1,85 mm, sehingga sebagian besar hasil pengukuran masih berada dalam batas yang dapat diterima secara klinis. Pada volume nodul, bias yang diperoleh adalah +33,6 mm³ dengan LoA antara -131,5 hingga +198,8 mm³, sehingga berpotensi memengaruhi stratifikasi risiko berdasarkan kriteria Fleischner 2017. Kesimpulan: CAD otomatis memiliki kesesuaian yang hampir sempurna pada penentuan tipe nodul paru dan kesesuaian yang sangat kuat pada pengukuran diameter rerata dan volume nodul paru sehingga dapat menjadi alternatif andal untuk CAD semi-otomatis dalam evaluasi tipe serta pengukuran nodul paru. Namun, pada pengukuran volume tetap diperlukan verifikasi dokter spesialis radiologi karena terdapat bias sistematik yang signifikan secara klinis.
Kata kunci: Nodul paru, CAD, otomatis, semi-otomatis, CT toraks, Kesesuaian


Background: Pulmonary nodules are common findings on chest CT, with differential diagnoses and malignancy risk varying according to type and size. Identification of nodule type (solid, part-solid, ground-glass) as well as measurement of diameter and volume is crucial for risk stratification according to the Fleischner Society 2017 and Lung-RADS 2022 guidelines. However, manual interpretation is prone to subjectivity and interobserver variability. Automated and semi-automated computer-aided detection (CAD) technologies have been developed to improve consistency and efficiency in radiologists evaluation of pulmonary nodules. Objective: To assess the agreement between automated and semi-automated CAD in determining nodule type, mean diameter, and volume on chest CT. Methods: A cross-sectional study was conducted on patients at Dr. Cipto Mangunkusumo National General Hospital with pulmonary nodules analyzed using automated and semi-automated CAD. Nodules were categorized as solid, part-solid, or ground-glass. Mean diameter and volume were measured and compared using correlation tests and Bland–Altman analysis. Nodule type agreement was evaluated with Cohen’s Kappa. Results: The analysis demonstrated that agreement between automated and semiautomated CAD for nodule type classification was almost perfect (Kappa = 0.951). Mean diameter measurements showed a very strong correlation (r = 0.959, p < 0.001), as did volume measurements (r = 0.967, p < 0.001). Bland–Altman analysis for mean diameter revealed a systematic bias of –0.37 mm with 95% limits of agreement (LoA) between –2.59 and +1.85 mm, indicating that most measurements were within clinically acceptable limits. For nodule volume, the bias was +33.6 mm³ with LoA ranging from –131.5 to +198.8 mm³, which may affect risk stratification according to the Fleischner 201 7 criteria. Conclusion: Automated CAD demonstrated almost perfect agreement in nodule type classification and very strong agreement in mean diameter and volume measurements, supporting its potential as a reliable alternative to semi-automated CAD in pulmonary nodule evaluation. However, radiologist verification remains necessary for volume measurements due to clinically significant systematic bias.
Keywords: Pulmonary nodule, CAD, automated, semi-automated, chest CT, agreement