REDMOD AI membaca ribuan pola tekstur mikroskopis pada CT scan rutin seperti sinyal yang luput dari mata manusia, namun sudah muncul hingga 3 tahun sebelum diagnosis klinis ditegakkan.
Pada citra CT scan biasa, jaringan pankreas yang mengalami remodeling stroma tampak normal secara kasat mata. REDMOD AI membaca pola tekstur mikroskopis di baliknya. Geser kursor atau jari Kamu pada panel di samping untuk merasakan analoginya.
Kanker pankreas jarang menimbulkan gejala di tahap awal. Saat gejala muncul, kanker seringkali sudah menyebar dan pemindaian konvensional pun sulit mendeteksinya.
Di Amerika Serikat, risiko seorang individu untuk terkena penyakit ini seumur hidup adalah sekitar 1,4%, dan diproyeksikan bahwa pada tahun 2030, kanker pankreas akan menjadi penyebab kematian akibat kanker terbesar kedua di negara tersebut. Kelompok tertentu juga memiliki risiko lebih tinggi, terutama individu yang baru saja didiagnosis menderita diabetes (new-onset diabetes). Pada periode jangka pendek, risiko mereka untuk terkena kanker pankreas bisa 20 kali lipat lebih tinggi dibandingkan populasi umum. Tantangan lain adalah metode pemindaian seperti CT scan konvensional seringkali gagal mendeteksi tumor pada tahap praklinis. Hal ini karena pada stadium awal, pankreas masih tampak normal dan sehat secara visual, sehingga tumor yang sangat kecil sering terlewat oleh mata manusia.
Untuk mengatasi tantangan besar ini, para peneliti di Mayo Clinic mengembangkan sebuah terobosan teknologi bernama REDMOD AI (Radiomics-based Early Detection Model). Ini adalah sistem kecerdasan buatan generasi terbaru yang dirancang khusus untuk mendeteksi tanda-tanda awal kanker pankreas secara otomatis dari hasil CT scan rutin. Keistimewaannya, AI ini mampu mendeteksi perubahan bahkan sebelum tumornya terlihat secara kasat mata oleh dokter spesialis radiologi. Bayangkan REDMOD AI sebagai "opini kedua" atau filter pintar yang bekerja di latar belakang. Sistem ini menganalisis ribuan data kuantitatif yang tidak kasatmata dari gambar CT scan, seperti perubahan struktur dan tekstur jaringan pankreas pada skala mikro. Dengan kemampuan ini, REDMOD AI dapat memberikan peringatan dini rata-rata 16 bulan (sekitar 475 hari) hingga 3 tahun sebelum diagnosis klinis resmi ditegakkan. Waktu inilah yang sangat krusial, karena pengobatan dan operasi pengangkatan kanker masih sangat mungkin dilakukan untuk menyelamatkan nyawa pasien.
Proses ini berjalan otomatis dan berurutan. Setiap tahap menyaring data menjadi sinyal yang semakin tajam.
Memisahkan gambar organ pankreas secara tiga dimensi (3D) dari hasil CT scan perut, yang dilakukan secara otomatis oleh sistem tanpa perlu digambar manual oleh dokter.
Menganalisis sebanyak 968 fitur tekstur kuantitatif dari gambar 3D tersebut. Dengan menggunakan teknik penyaringan wavelet, gambar dipecah ke dalam berbagai frekuensi ruang untuk mengungkap pola jaringan tersembunyi yang tidak terlihat oleh mata manusia.
Menyaringan Fitur Utama, dari 968 fitur, algoritma mRMR (Minimum Redundancy Maximum Relevance) menyaringnya menjadi 40 fitur paling akurat yang dianggap membawa sinyal prediksi kanker terkuat.
Menentukan tingkat risiko kanker secara tepat melalui tiga algoritma AI sekaligus (Logistic Regression, Random Forest, dan XGBoost) untuk menghasilkan skor risiko akhir berupa angka antara 0 hingga 1. Jika skor ini melewati ambang batas tertentu, sistem akan memberikan peringatan dini kepada dokter yang merawat.
REDMOD AI terbukti mampu mendeteksi 73% kanker tersembunyi, hampir dua kali lipat lebih sensitif dibandingkan diagnosis manual oleh dokter radiologi. Bahkan pada pemindaian dua tahun sebelum diagnosis, sensitivitasnya melonjak hingga tiga kali lipat lebih tinggi (68,0% vs 23,0%).
Kemampuan deteksi REDMOD AI sangat dini, yaitu 16 bulan hingga 3 tahun sebelum tumor terlihat secara visual, sehingga memberikan waktu lebih panjang bagi pasien dan peluang kesembuhan yang jauh lebih besar.
REDMOD telah teruji stabil dengan tingkat kesesuaian (konkordansi) mencapai 90–92%, meskipun pasien menjalani CT scan berulang dalam jeda waktu berbulan-bulan dengan kondisi tubuh atau alat pemindai yang berbeda.
Sistem ini dapat memproses ribuan pemindaian secara paralel di latar belakang rumah sakit tanpa menambah beban kerja dokter, menjadikannya alat skrining yang efisien dan tidak mengganggu jam kerja tenaga medis.