DETAIL KOLEKSI

Penggunaan algoritma artificial intelligence untuk menentukan gambaran klinis, diferensiasi tumor, dan metastasis karsinoma sel skuamosa: Sistematik review


Oleh : Syifa Naufal Abhirama Pratista

Info Katalog

Nomor Panggil : 617.605 SYI p

Penerbit : FKG - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2024

Pembimbing 1 : Wiwiek Poedjiastoeti

Subyek : Mouth--Surgery

Kata Kunci : artificial intelligence, oral squamous cell carcinoma

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2024_TA_SKG_040002000143_Halaman-judul.pdf
2. 2024_TA_SKG_040002000143_Lembar-Pengesahan.pdf
3. 2024_TA_SKG_040002000143_Bab-1_Pendahuluan.pdf
4. 2024_TA_SKG_040002000143_Bab-2_Tinjauan-Pustaka.pdf
5. 2024_TA_SKG_040002000143_Bab-3_Kerangka-Teori.pdf
6. 2024_TA_SKG_040002000143_Bab-4_Metode-Penelitian.pdf
7. 2024_TA_SKG_040002000143_Bab-5_Hasil-Penelitian.pdf 7
8. 2024_TA_SKG_040002000143_Bab-6_Pembahasan.pdf
9. 2024_TA_SKG_040002000143_Bab-7_Kesimpulan-dan-Saran.pdf
10. 2024_TA_SKG_040002000143_Daftar-Pustaka.pdf
11. 2024_TA_SKG_040002000143_Lampiran.pdf

L Latar Belakang: Salah satu jenis kanker rongga mulut yang paling umumditemukan adalah Oral Squamous Cell Carcinoma (OSCC) atau KarsinomaSkuamosa Sel (KSS) mulut. Dengan penggunaan AI, banyak publikasi yang telahmelaporkan manfaat AI tersebut dalam mendeteksi secara klinis, histopatologis,dan menentukan metastasis nodus limfatik akibat KSS. Tujuan: Penelitian inibertujuan untuk mengevaluasi penggunaan artificial intelligence dalammenentukan gambaran klinis, diferensiasi tumor, dan metastasis dari tatalaksanakarsinoma sel skuamosa rongga mulut. Metode: Metode penelitian yangdigunakan adalah systematic review dengan menggunakan database PubMed,SCOPUS, dan Dimensions AI. Artikel yang memenuhi kriteria inklusi daneksklusi kemudian dianalisis menggunakan metode machine learning, deeplearning, decision tree, gradient boosting machine, random forest, dan supportvector machine. Hasil: Hasil penelitian menunjukkan bahwa penggunaan artificialintelligence dapat membantu dalam menentukan gambaran klinis, diferensiasitumor, dan metastasis dari tatalaksana karsinoma sel skuamosa rongga mulut.Metode machine learning dan deep learning memiliki akurasi yang tinggi dalammemprediksi gambaran klinis, diferensiasi tumor, dan metastasis. Sedangkanmetode decision tree, gradient boosting machine, random forest, dan supportvector machine memiliki akurasi yang lebih rendah namun masih dapat digunakansebagai alternatif. Kesimpulan: Penelitian ini dapat mempengaruhi praktikkedokteran gigi dalam tatalaksana kanker rongga mulut dengan memberikaninformasi yang lebih akurat dan efektif dalam menentukan gambaran klinis,diferensiasi tumor, dan metastasis. Rekomendasi untuk penelitian lanjutan adalahmengembangkan model artificial intelligence yang lebih kompleks danmempertimbangkan faktor-faktor lain yang dapat mempengaruhi tatalaksanakanker rongga mulut.

B Background: One of the most common types of oral cavity cancer is OralSquamous Cell Carcinoma (OSCC). With the use of AI, many publications havereported the benefits of AI in detecting clinically, histopathologically, anddetermining lymph node metastases due to KSS. Objective: This study aims toevaluate the use of artificial intelligence in determining clinical features, tumordifferentiation and metastasis in the treatment of oral squamous cell carcinoma.Method: The research method used is a systematic review using the PubMed,SCOPUS, and Dimensions AI databases. Articles that meet the inclusion andexclusion criteria are then analyzed using machine learning, deep learning,decision tree, gradient boosting machine, random forest and support vectormachine methods. Results: The results of the study show that the use of artificialintelligence can help in determining the clinical picture, tumor differentiation andmetastasis in the treatment of oral squamous cell carcinoma. Machine learningand deep learning methods have high accuracy in predicting clinical features,tumor differentiation and metastasis. Meanwhile, the decision tree, gradientboosting machine, random forest, and support vector machine methods have loweraccuracy but can still be used as alternatives. Conclusion: This research caninfluence dental practice in the management of oral cavity cancer by providingmore accurate and effective information in determining the clinical picture, tumordifferentiation and metastasis. Recommendations for further research are todevelop more complex artificial intelligence models and consider other factorsthat can influence the management of oral cavity cancer.

Bagaimana Anda menilai Koleksi ini ?