FTMM NEWS – Data science merupakan ilmu multidisiplin yang menggabungkan kemahiran di bidang tertentu dengan keahlian pemrograman, matematika, dan statistika. Oleh karena itu, para praktisi dapat menerapkan data science di berbagai sektor industri seperti finansial, teknologi, dan kesehatan. Secara khusus, dalam bidang kesehatan, data science berperan dalam memantau kondisi pasien secara real-time serta menganalisis data medis secara berkelanjutan. Salah satu penerapan pentingnya dapat ditemukan pada teknologi Magnetic Resonance Imaging (MRI).
Magnetic Resonance Imaging (MRI)
MRI merupakan teknologi pencitraan medis yang memanfaatkan medan magnet dan gelombang radio untuk menghasilkan gambaran detail jaringan tubuh. Dengan demikian, tenaga medis dapat mendeteksi berbagai masalah kesehatan seperti tumor, cedera jaringan lunak, dan gangguan otak secara lebih akurat. Selain itu, laporan industri memperkirakan bahwa volume data pencitraan medis per rumah sakit dapat mencapai 2,5 petabytes pada tahun 2025 (Kragsterman, 2025). Akibatnya, volume data yang sangat besar ini menuntut proses pengolahan yang efisien sekaligus akurat untuk mendukung diagnosis pasien. Oleh sebab itu, data science membantu tenaga medis dalam menganalisis dan menginterpretasikan data tersebut agar menghasilkan informasi yang lebih optimal.
Data Science dalam Diagnosis Berbasis MRI
Data medis dalam bentuk gambar memiliki kompleksitas yang tinggi. Oleh karena itu, para peneliti dan praktisi menggunakan data science untuk meningkatkan proses diagnosis. Secara khusus, teknik machine learning dan data mining berperan penting dalam analisis ini. Machine learning bekerja dengan menganalisis data citra MRI dalam jumlah besar untuk mengenali pola gangguan kesehatan pasien. Selanjutnya, model yang dihasilkan mampu membantu tenaga medis mendeteksi dan mengklasifikasikan kondisi secara lebih cepat dan akurat (Ottoni et al., 2025).
Tantangan Penerapan Machine Learning dalam Analisis MRI
Meskipun machine learning memberikan banyak manfaat dalam analisis MRI, implementasinya di Indonesia masih terbatas. Hal ini terjadi karena beberapa faktor, seperti kurangnya kesiapan infrastruktur dan keterbatasan sumber daya manusia dalam menghadapi transformasi digital di bidang kesehatan (Avianta et al., 2025). Namun demikian, peningkatan kebutuhan layanan kesehatan serta perkembangan teknologi membuka peluang besar bagi penerapan data science dalam analisis data medis di Indonesia. Oleh karena itu, berbagai pihak perlu mengembangkan sumber daya dan infrastruktur secara berkelanjutan agar teknologi ini dapat dimanfaatkan secara optimal.
Kesimpulan
Secara keseluruhan, data science memegang peran penting dalam bidang kesehatan. Selain itu, teknik machine learning membantu tenaga medis dalam menganalisis data secara lebih efisien dan akurat. Meskipun masih terdapat berbagai tantangan dalam implementasinya, peluang pengembangan teknologi ini tetap terbuka seiring dengan kemajuan teknologi. Oleh sebab itu, diperlukan upaya berkelanjutan untuk mengoptimalkan pemanfaatan data science dalam dunia kesehatan.
Daftar Pustaka
Kragsterman, Pär. (2025). Daily DICOM Image Volume: Global Imaging Stats. https://collectiveminds.health/articles/how-many-dicom-images-are-created-per-day-understanding-medical-imaging-volume
Ottoni, M., Kasperczuk, A., & Tavora, L. M. N. (2025). Machine Learning in MRI Brain Imaging: A Review of Methods, Challenges, and Future Directions. Diagnostics, 15(21), 2692. https://doi.org/10.3390/diagnostics15212692
Avianta, N. A. S., Putra, D. H., Satrya, B. A., & Iqbal, M. F. (2025). Analysis of Artificial Intelligence Implementation in the Indonesian Healthcare Sector: A Literature Review. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(4), 1199-1210. https://doi.org/10.57152/malcom.v5i4.2229
Penulis : Najma Adzkia Hamidah, Program Studi Teknologi Sains Data
Editor : Angga I. Pratama
