📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 2 dokumenPENGEMBANGAN PASIEN VIRTUAL BERBASIS SUARA DENGAN LLM-RAG UNTUK PELATIHAN ANAMNESIS PADA BIDANG OFTALMOLOGI
Pendidikan kedokteran menuntut penguasaan keterampilan klinis yang baik, dengan anamnesis atau wawancara medis memegang peranan vital sebagai fondasi utama dalam penegakan diagnosis. Hal ini sangat krusial dalam bidang oftalmologi, mengingat sebagian besar diagnosis penyakit mata sangat bergantung pada akurasi informasi subjektif yang digali dari pasien. Data WHO menunjukkan tingginya angka gangguan penglihatan global yang dapat dicegah, namun mahasiswa kedokteran sering kali menghadapi kendala dalam melatih keterampilan anamnesis akibat terbatasnya akses ke pasien nyata dan mahalnya biaya simulasi menggunakan Pasien Standar. Kesenjangan ini menciptakan urgensi akan adanya metode pembelajaran alternatif yang fleksibel, terjangkau, namun tetap realistis. Penelitian ini bertujuan untuk merancang, membangun, dan mengevaluasi sebuah prototipe pasien virtual berbasis kecerdasan buatan yang mampu mensimulasikan interaksi anamnesis secara verbal dalam Bahasa Indonesia. Pendekatan yang digunakan memanfaatkan teknologi Large Language Models (LLM) sebagai mesin generasi respons. Namun, penggunaan LLM standar dalam konteks medis memiliki risiko berupa halusinasi. Untuk mengatasi permasalahan tersebut tanpa memerlukan sumber daya komputasi yang masif untuk proses fine-tuning, penelitian ini menerapkan metode Retrieval-Augmented Generation (RAG). Metode ini memungkinkan model AI untuk mengakses dan merujuk pada basis data pengetahuan klinis yang tervalidasi sebelum memberikan respons, sehingga meningkatkan akurasi medis dan menjaga konsistensi skenario kasus. Sistem dikembangkan dengan mengintegrasikan tiga modul utama dalam sebuah antarmuka web. Modul pertama adalah pengenalan suara (Speech-to-Text) menggunakan Web Speech API sebagai mekanisme primer dengan model Whisper Large v3 Turbo sebagai fallback berbasis server. Modul kedua adalah mesin pemrosesan logika yang menggabungkan LLM Llama 3.3 70B Versatile dengan teknik prompt engineering untuk membentuk persona pasien, serta RAG berbasis ChromaDB untuk memverifikasi konteks medis dari lima skenario kasus oftalmologi yang dikurasi bersama dokter spesialis mata. Modul ketiga adalah sintesis suara (Text-to-Speech) menggunakan ElevenLabs Multilingual v2 dengan konfigurasi suara per karakter untuk menghasilkan respons audio yang natural ii menyerupai percakapan pasien nyata. Sistem di-deploy pada infrastruktur cloud dan dapat diakses secara daring. Evaluasi dilakukan melalui dua jalur yang saling melengkapi. Evaluasi teknis kuantitatif menggunakan framework RAGAS dengan LLM judge GPT-OSS 120B menghasilkan skor faithfulness 0,571 (+66% dari baseline), context recall 0,620 (+64%), dan persona adherence 0,880 (+23%) setelah satu siklus iterasi perbaikan. Komponen diagnosis judge mencatat akurasi 96,8% dan F1-score 97,3% pada dataset berlabel 125 sampel. Evaluasi validitas klinis oleh tiga dokter spesialis mata dari institusi berbeda menghasilkan skor akurasi klinis rata-rata 3,83 dari 4, dan ketiga validator merekomendasikan sistem untuk digunakan oleh mahasiswa kedokteran pre-klinik. Kebaruan penelitian ini terletak pada tiga aspek. Pertama, penggunaan RAG yang dirancang lebih efisien untuk simulasi medis dalam Bahasa Indonesia, yang masih jarang dikembangkan dibandingkan sistem berbahasa Inggris. Kedua, penggunaan framework RAGAS sebagai metode evaluasi otomatis dan reproducible untuk sistem pasien virtual, yang memberikan kontribusi metodologis bagi penelitian simulasi klinis berbasis AI. Ketiga, penelitian ini mendokumentasikan temuan bahwa validitas teknis tinggi belum cukup untuk simulator pendidikan apabila mekanisme penyampaian informasi tidak sesuai dengan kebutuhan pedagogis, sehingga evaluasi klinis oleh domain expert tidak dapat digantikan oleh evaluasi otomatis semata. Penelitian ini menunjukkan bahwa sistem AI dengan arsitektur yang ringan dan modular dapat mencapai validitas klinis yang memadai sebagai sarana pelatihan keterampilan anamnesis, khususnya di institusi pendidikan kedokteran dengan keterbatasan sumber daya komputasi.
PERANCANGAN DAN IMPLEMENTASI SISTEM POMPA DAN PENGUKURAN DEBIT PADA MEDICAL PHANTOM UNTUK ANASTOMOSIS VASKULAR
Pada bidang kedokteran di Indonesia, pelatihan tindakan anastomosis vaskular masih belum menyerupai kondisi aktual yang akan dialami pada saat operasi. Media pelatihan terbaik saat ini, yaitu cadaver atau mayat manusia masih belum dapat mensimulasikan kondisi yang semirip mungkin karena beberapa faktor seperti pembusukan, dll. Selain itu evaluasi tindakan pelatihan anastomosis kerap masih dilakukan dengan menggunakan metode kualitatif. Hal ini tentunya tidak ideal karena bergantung pada subjektivitas penilai. Oleh karena itu pada projek ini telah dibuat sebuah media pelatihan medical phantom untuk anastomosis vaskular yang tidak hanya mensimulasikan kondisi semirip mungkin dengan lingkungan operasi, tetapi juga memberikan evaluasi kuantitatif terhadap hasil pelatihan tindakan anastomosis. Hal tersebut dilakukan dengan mengalirkan cairan pengganti darah dengan flow rate yang semirip mungkin dengan aliran pada salah satu pembuluh darah otak manusia,yaitu Middle Cerebral Artery Distal di mana alirannya berkisar 28 – 52 mL/menit. Selain itu medical phantom ini juga dapat mengevaluasi seberapa parah penyempitan yang terjadi pada model pembuluh darah akibat tindakan penjahitan anastomosis yang dilakukan pengguna. Hal tersebut dilakukan dengan mengukur flow rate pada model pembuluh darah tempat tindakan dilakukan, di mana apabila terdapat penyempitan maka akan ada penurunan flow rate jika dibandingkan dengan aliran saat tidak ada penyempitan. Sensor yang digunakna untuk mengukur aliran darah tersebut dapat mengukur aliran dalam rentang 0 – 52 mL/menit.