Pemeriksaan anemia berpotensi menjadi lebih praktis tanpa prosedur pengambilan darah. Dosen Vokasi Universitas Muhammadiyah Malang (UMM), Prof. Dr. Ir. Lailis Syafa’ah, M.T., mengembangkan aplikasi deteksi anemia mandiri berbasis kecerdasan buatan bernama Eye-Nemia yang mengestimasi kadar hemoglobin (Hb) melalui foto mata menggunakan kamera smartphone.
Aplikasi ini dirancang untuk menjawab kekhawatiran sebagian masyarakat terhadap pemeriksaan darah yang kerap dianggap tidak nyaman, sekaligus memudahkan pemantauan kesehatan yang dapat dilakukan kapan saja dan di mana saja.
Pengembangan Eye-Nemia dilakukan melalui kolaborasi lintas disiplin di lingkungan Vokasi UMM. Lailis bekerja bersama tim dosen dan mahasiswa, termasuk La Febry Andira Rose Cynthia, S.T., M.T. dan Zulfatman, Ph.D. Kolaborasi tersebut ditujukan untuk menghadirkan layanan deteksi dini yang lebih inklusif dan praktis, serta mengurangi ketergantungan pada fasilitas klinis konvensional.
Lailis menjelaskan, aplikasi bekerja dengan memanfaatkan citra konjungtiva atau selaput lendir pada mata sebagai indikator visual anemia. Foto mata yang diambil melalui kamera ponsel diproses oleh sistem AI yang telah dilatih menggunakan basis data khusus. Sistem tersebut membaca pola kecerahan dan karakteristik warna yang berkorelasi dengan kadar hemoglobin, lalu mengklasifikasikannya menjadi estimasi nilai.
Menurut Lailis, pengembangan aplikasi tidak sekadar menghadirkan fitur pemotretan, melainkan membangun sistem yang mampu menerjemahkan data visual menjadi informasi kesehatan. Karena itu, pemodelan harus dibuat presisi agar hasilnya tetap akurat ketika digunakan oleh beragam pengguna dengan kondisi yang berbeda.
Riset ini berawal dari studi doktoral Lailis di bidang kedokteran yang berfokus pada pemodelan kesehatan melalui variabel citra. Dalam proses pengembangan, sistem machine learning terus dilatih untuk menghubungkan kondisi mata dengan kadar hemoglobin. Saat ini, tingkat akurasi aplikasi dilaporkan mencapai sekitar 80 persen dan masih berada dalam tahap pengembangan lanjutan.
Lailis menyebut, karena berbasis machine learning, ketajaman analisis akan meningkat seiring bertambahnya jumlah dan keragaman data. Tim pengembang masih menyempurnakan sistem agar klasifikasi semakin presisi untuk penggunaan yang lebih luas.
Ke depan, Eye-Nemia diproyeksikan sebagai alat deteksi mandiri yang dapat digunakan rutin oleh masyarakat. Pengembangan juga diarahkan untuk membantu kelompok yang memerlukan pemantauan kadar hemoglobin berkala tanpa rasa sakit, seperti ibu hamil. Lailis berharap teknologi ini dapat menjadi penghubung antara masyarakat dan layanan kesehatan, sehingga deteksi dini bisa dimulai dari pemantauan mandiri di rumah.
