Universitas Muhammadiyah Yogyakarta (UMY) terus menunjukkan komitmennya dalam inovasi teknologi kesehatan. Melalui penelitian mutakhir, kampus ini berhasil mengembangkan lima prototipe kecerdasan buatan (AI) yang dirancang khusus untuk membantu mendeteksi berbagai penyakit kritis, termasuk tumor otak, kanker payudara, hingga tingkat stres seseorang.

Terobosan ini dipaparkan langsung oleh Guru Besar UMY di bidang Kecerdasan Buatan Terapan, Prof. Ir. Slamet Riyadi, S.T., M.Sc., Ph.D. Ia mempresentasikan inovasi tersebut saat menjadi pembicara kunci dalam agenda International Conference on Sustainable Innovation (ICoSI) UMY 2026 di Ruang Sidang Gedung AR. Fachruddin B, Yogyakarta, pada Rabu (5/8).

Kelima sistem AI yang dikembangkan ini diberi nama LymphoScan, myStressD, BrainDetect, myHeartD v3, dan myDBT-Enhance. Seluruh aplikasi ini dilaporkan telah mengantongi hak cipta serta lolos uji laboratorium dengan tingkat akurasi yang menjanjikan untuk mendukung kerja praktisi medis.

Secara rinci, LymphoScan berfungsi menganalisis citra mikroskopis guna mendeteksi kanker kelenjar getah bening (limfoma maligna). Sementara itu, BrainDetect dioptimalkan untuk mengklasifikasikan jenis tumor otak dari pemindaian MRI, lengkap dengan skor tingkat keyakinan prediksi. Ada pula myDBT-Enhance yang bertugas meningkatkan kualitas visual gambar mammografi guna mempermudah skrining kanker payudara.

Untuk aspek kesehatan non-invasif, terdapat myStressD yang memanfaatkan kamera ponsel pintar untuk menganalisis ekspresi wajah guna mendeteksi tingkat stres. Selain itu, myHeartD v3 dihadirkan untuk memprediksi risiko penyakit jantung koroner melalui pengolahan data kuesioner pasien secara cepat.

Slamet menegaskan bahwa alat-alat ini dirancang bukan untuk menggeser peran dokter atau tenaga medis, melainkan sebagai asisten digital yang mempercepat analisis awal. Dari sisi teknologi, tim peneliti menggunakan arsitektur AI tingkat lanjut seperti CNN, VGG, dan EfficientNet, yang dipadukan dengan metode transparansi (explainability) seperti Grad-CAM agar keputusan medis dari sistem AI tersebut dapat ditelusuri logikanya.

Terakhir, ia mengingatkan bahwa implementasi teknologi ini di dunia nyata membutuhkan pertimbangan komprehensif. Evaluasi AI kesehatan tidak boleh hanya terpaku pada angka akurasi di atas kertas, melainkan harus mempertimbangkan kecepatan komputasi, penggunaan memori perangkat, serta dampak nyata bagi efisiensi klinis sehari-hari.