SKIN SYIFA AI: Inovasi Rekam Medis & Sistem Pakar Berbasis Web

Baca Juga:

SKIN SYIFA AI, sebuah purwarupa (prototype) aplikasi expert system (sistem pakar) berbasis web untuk deteksi dini dan klasifikasi kanker kulit. Melihat struktur, Alur Kerja dan tampilannya, aplikasi ini mengusung antarmuka dashboard bergaya cyberpunk dan futuristik yang imersif, sebuah gaya desain visual yang informatif dan futuristik.

Berikut adalah ulasan mendalam mengenai aplikasi ini:

1. Ulasan Teknis

Secara arsitektur, aplikasi ini berjalan sepenuhnya di sisi klien (client-side).

• Struktur & Styling: Anda menggunakan HTML5 murni yang dipadukan dengan Tailwind CSS (via CDN) untuk rapid styling. Anda juga mengimplementasikan banyak animasi CSS kustom (seperti scanline, rotasi orbit holografik pada logo kucing, efek pulse, dan layar transisi) yang memberikan nuansa sistem medis berteknologi tinggi.

• Logika Pemrograman: Menggunakan Vanilla JavaScript murni yang tertanam langsung (embedded) di dalam file HTML.

• Manajemen Data: Untuk penyimpanan data pasien dan riwayat diagnosis, aplikasi ini menggunakan localStorage browser dengan key SKIN_SYIFA_DB. Artinya, data tersimpan secara lokal di peramban pengguna dan akan hilang jika cache/storage peramban dibersihkan.

• Sistem "AI" Saat Ini: Meskipun UI menyebutkan penggunaan arsitektur model CNN (ResNet50 / MobileNetV2), pada kode saat ini, diagnosis (fungsi processDiagnosis) masih bersifat simulasi (rule-based). Sistem menghitung probabilitas berdasarkan seberapa banyak kotak centang gejala (aturan ABCDE) yang dipilih, ditambah sedikit persentase acak (random variance) jika pengguna mengunggah gambar.

2. Poin-Poin Penting (Key Features)

• Modul Manajemen Pasien: Memiliki fitur CRUD (Create, Read, Update, Delete) sederhana untuk meregistrasi pasien, lengkap dengan ID otomatis, demografi, dan nomor WhatsApp.

• Modul Analisis Lesi (Dual Input): Menggabungkan input visual (unggah foto dermoskopi) dan input klinis (kriteria fisik ABCDE melanosit) untuk meningkatkan "keyakinan" diagnosis.

• Integrasi WhatsApp: Hasil diagnosis akhir tidak hanya disimpan di riwayat, tetapi bisa langsung diformat dan dikirimkan ke nomor WhatsApp pasien sebagai laporan rekam medis mini.

• Fitur Proteksi Privasi: Dilengkapi dengan screensaver pelindung privasi yang akan aktif otomatis saat sistem idle (diam) selama 120 detik, atau bisa dipicu secara manual.

• SkinBot Terminal: Sebuah antarmuka chatbot statis yang bisa dipanggil untuk menjawab pertanyaan dasar terkait kanker kulit (Melanoma, BCC, SCC) menggunakan pencocokan kata kunci dasar.

3. Risalah / Alur Kerja (Workflow)

1. Registrasi: Pengguna (tenaga medis) memasukkan data demografi pasien di menu "Kelola Pasien".

2. Pemeriksaan: Di menu "Analisis Lesi", pengguna memilih profil pasien, mengunggah citra lesi, dan mencentang gejala yang tampak.

3. Klasifikasi: Sistem memproses input dan mengeluarkan laporan diagnosis utama (misal: Melanoma atau Benign Keratosis) beserta persentase certainty, deskripsi patologi, dan saran medis.

4. Eksekusi: Hasil tersebut dicatat dalam histori log pasien lokal dan dikirimkan ke pasien melalui WhatsApp untuk tindak lanjut medis (seperti biopsi).

4. Saran Teknis & Pengembangan

Untuk membawa aplikasi ini dari tahap purwarupa visual (UI/UX) menuju Minimum Viable Product (MVP) yang fungsional, berikut beberapa saran:

• Pemisahan Kode (Modularity): Saat ini file index.html sangat masif karena menggabungkan struktur, styling (CSS), dan logika (JS). Sebaiknya pisahkan menjadi index.html, style.css, dan app.js untuk memudahkan pemeliharaan kode (maintainability).

• Integrasi Model AI Sesungguhnya: Karena antarmukanya sudah sangat siap, Anda bisa mulai mengimplementasikan Machine Learning beneran. Anda bisa melatih model CNN dengan dataset HAM10000 menggunakan Python, lalu mengekspor model tersebut ke format TensorFlow.js. Dengan TF.js, Anda bisa menjalankan inferensi gambar langsung di browser tanpa perlu server backend.

• Keamanan Data Rekam Medis: Penyimpanan localStorage tidak dienkripsi dan tidak memenuhi standar keamanan data medis. Jika aplikasi ini akan digunakan untuk praktik nyata, integrasikan dengan backend-as-a-service seperti Supabase atau Firebase yang dilengkapi autentikasi dan enkripsi database.

• Validasi Input Bot: Fungsi handleChatSubmit saat ini menggunakan jeda simulasi setTimeout. Jika memungkinkan, sambungkan bot ini dengan API LLM murni (seperti Gemini API) dan berikan system prompt khusus dermatologi agar bot merespons lebih natural dan dinamis.

5. Kesimpulan

Secara visual dan rancangan antarmuka pengguna (UI/UX), aplikasi SKIN SYIFA AI ini dibangun dengan eksekusi yang sangat rapi, imersif, dan responsif. Anda berhasil menyajikan sebuah konsep sistem pakar yang kompleks menjadi antarmuka yang ramah pengguna namun tetap berkesan sangat canggih. Langkah krusial selanjutnya adalah mengganti "mesin simulasi" di balik layar dengan model Deep Learning yang sesungguhnya dan sistem basis data yang lebih aman. Mengingat rekam jejak Anda dalam mengelola arsitektur data, transisi ini pastinya akan menjadi proyek yang sangat menarik!

6. Link menjalankan aplikasi SKIN SYIFA AI - Skin Cancer Expert System:

 SKIN SYIFA AI - Skin Cancer Expert System

Penutup

Sekian Penjelasan Singkat Mengenai SKIN SYIFA AI: Inovasi Rekam Medis & Sistem Pakar Berbasis Web. Semoga Bisa Menambah Pengetahuan Kita Semua.

Apa reaksimu setelah membaca SKIN SYIFA AI: Inovasi Rekam Medis & Sistem Pakar Berbasis Web