Diagnosis gangguan spektrum autisme (ASD) adalah proses kompleks yang melibatkan berbagai profesional dan metodologi. Secara tradisional, diagnosis ASD telah dilakukan oleh praktisi kesehatan seperti dokter anak, psikolog, dan psikiater, sering menggunakan penilaian standar dan pengamatan klinis. Namun, kemajuan terbaru dalam teknologi, terutama dalam pembelajaran mesin dan kecerdasan buatan, telah memperkenalkan metode baru untuk mendiagnosis ASD. Pendekatan teknologi ini bertujuan untuk meningkatkan akurasi dan efisiensi proses diagnostik. Bagian berikut mengeksplorasi siapa yang dapat mendiagnosis autisme dan metodologi yang berkembang yang terlibat.
Diagnosis Tradisional
- Praktisi Kesehatan: Dokter anak, psikolog, dan psikiater biasanya terlibat dalam mendiagnosis autisme. Mereka menggunakan pengamatan klinis dan penilaian standar untuk mengidentifikasi karakteristik ASD seperti kesulitan komunikasi, tantangan interaksi sosial, dan perilaku berulang (Millichap, 2003) (Na, 2022).
- Tim Transdisiplin: Pendekatan transdisipliner, yang melibatkan beberapa spesialis yang bekerja bersama, dianggap sebagai standar emas untuk diagnosis ASD. Metode ini telah terbukti lebih akurat daripada penilaian individu, dengan praktisi individu yang mencocokkan diagnosis tim hanya 65,6% dari waktu (Stewart et al., 2014).
Pembelajaran Mesin dan Kecerdasan Buatan
- Model Pembelajaran Mesin: Studi terbaru telah menunjukkan potensi algoritma pembelajaran mesin dalam mendiagnosis ASD. Model-model ini menganalisis kumpulan data besar informasi perilaku dan demografis untuk mengidentifikasi pola yang menunjukkan autisme. Misalnya, mesin vektor dukungan (SVM) telah menunjukkan akurasi tinggi dalam mendiagnosis ASD, dengan beberapa model mencapai akurasi hingga 100% pada kumpulan data tertentu (Vats, 2023) (Takci & Yesilyurt, 2021).
- Sistem berbasis AI: Sistem kecerdasan buatan sedang dikembangkan untuk membantu profesional medis dengan mengenali pola perilaku melalui alat skrining. Sistem ini berpotensi merampingkan proses diagnostik dan memberikan dukungan dalam mengidentifikasi karakteristik ASDÂ (“Detection of autism spectrum disorder using artificial intelligence”, 2023).
Alat Diagnostik yang Muncul
- Biomarker dan Data Genetik: Penelitian sedang berlangsung untuk mengidentifikasi biomarker yang dapat memprediksi risiko ASD. Ini termasuk penanda genetik, imunologis, dan metabolik, antara lain. Pengembangan susunan biomarker dapat mengarah pada alat diagnostik yang lebih objektif, meskipun setiap biomarker memiliki batasannya sendiri (Al-Beltagi, 2023).
- Karakteristik Perilaku dan Pribadi: Model pembelajaran mesin yang dioptimalkan yang menggabungkan karakteristik pribadi dan perilaku telah terbukti meningkatkan akurasi diagnostik. Model-model ini menggunakan algoritma pemilihan fitur untuk meningkatkan proses klasifikasi (Alsuliman & Al-Baity, 2022).
Sementara praktisi perawatan kesehatan tradisional tetap menjadi pusat diagnosis autisme, integrasi pembelajaran mesin dan AI menawarkan kemajuan yang menjanjikan di lapangan. Teknologi ini dapat melengkapi keahlian profesional kesehatan, berpotensi mengarah pada diagnosis yang lebih awal dan lebih akurat. Namun, adopsi teknologi ini harus dikelola dengan hati-hati untuk memastikan mereka digunakan secara etis dan efektif.
