Diagnosis tuberkulosis (TB) masih menjadi tantangan besar dalam sistem kesehatan Indonesia. Proses pemeriksaan mikroskopis BTA (Basil Tahan Asam) yang dilakukan secara manual membutuhkan waktu lama serta berisiko menimbulkan kelelahan pada teknisi laboratorium. Keterbatasan kapasitas pemeriksaan juga menjadi hambatan serius di tengah tingginya jumlah kasus TB nasional yang mencapai lebih dari satu juta kasus.

Di tengah kebutuhan akan proses diagnosis yang lebih cepat dan efisien, tim Oculab mengembangkan inovasi berbasis kecerdasan buatan (AI) untuk membantu pemeriksaan mikroskopis TB. Sistem ini bekerja dengan memproses rekaman video dari mikroskop, kemudian mengekstraksi gambar penting untuk dianalisis menggunakan model AI. Teknologi tersebut mampu menandai area yang diduga mengandung bakteri tahan asam (BTA) dan menampilkan hasil awal yang dapat ditinjau kembali oleh teknisi laboratorium.

Gambar: Aplikasi Oculab

Berdasarkan hasil uji awal, Oculab mampu meningkatkan akurasi pembacaan preparat BTA hingga 87 persen dan mempercepat waktu analisis menjadi sekitar 10 menit per sampel. Dengan bantuan penandaan otomatis, proses pemeriksaan dapat dilakukan lebih efisien sekaligus mengurangi risiko kesalahan akibat kelelahan saat melakukan pembacaan manual.

Ke depan, tim Oculab tengah menyiapkan pilot testing di laboratorium daerah dan Puskesmas serta mengembangkan integrasi dengan Sistem Informasi Tuberkulosis (SITB) milik Kementerian Kesehatan. Langkah tersebut diharapkan dapat memperkuat sistem deteksi dini dan pelaporan kasus TB secara nasional.

Luthfi Misbachul Munir selaku perwakilan tim menyampaikan harapannya agar inovasi ini dapat memberikan dampak yang lebih luas. “Melalui pilot testing dan integrasi dengan sistem kesehatan nasional, kami berharap Oculab dapat menjadi bagian dari solusi nyata dalam percepatan diagnosis TB di Indonesia. Inovasi ini bukan hanya tentang teknologi, tetapi juga tentang memperluas akses layanan kesehatan yang lebih cepat dan akurat bagi masyarakat di berbagai daerah,” ujarnya.

Dukungan terhadap pengembangan Oculab juga datang dari Universitas Indonesia melalui program UI Incubate 2025. Direktur Inovasi dan Riset Berdampak Tinggi UI, Chairul Hudaya, Ph.D., menilai Oculab sebagai contoh inovasi yang mampu menjawab kebutuhan nyata masyarakat melalui pendekatan teknologi.

“Program UI Incubate 2025 dirancang untuk mempercepat perjalanan riset menjadi produk inovatif yang siap diterapkan di masyarakat. Oculab merupakan contoh nyata bagaimana inovasi mahasiswa dan peneliti UI mampu menjawab tantangan kesehatan nasional dengan solusi berbasis teknologi,” ujarnya.

Oculab dikembangkan oleh tim yang terdiri atas Luthfi Misbachul Munir, Muhammad Rasyad Caesarardhi, Dyah Laksmi Mahyastuti, Alifiyah Ariandri, Bunga Aura Prameswari, Annisa Az Zahra, Rangga Yudhistira Brata, dan Indri Klarissa. Kehadiran inovasi ini menjadi salah satu upaya pemanfaatan teknologi AI untuk mendukung layanan kesehatan yang lebih cepat, akurat, dan mudah diakses masyarakat.