Sinergi Perguruan Tinggi, Penelitian dan Industri Untuk Menciptakan Produk Yang Berkualitas

(1)

Sinergi Perguruan Tinggi, Penelitian

dan Industri Untuk Menciptakan

Produk Yang Berkualitas

Antonius Darma Setiawan

Konferensi Nasional Teknologi Informasi dan Komunikasi 2016

Universities Kristen Data Wacana

19 November 2016

(2)

KNASTIK 2016 Universitas Kristen Duta Wacana Antonius Darma Setiawan

Agenda

•

Pendahuluan

•

Hubungan Sinergi PT - Industri

•

SIMRS dan Rekam Medis

•

PACS

•

Telemedecine

•

Penutup

(3)

Agenda

•

Pendahuluan

•

Hubungan Sinergi PT - Industri

•

PACS

•

Telemedecine

•

Penutup

(4)

Antonius Darma Setiawan KNASTIK 2016 Universitas Kristen Duta Wacana

Direktur Riset, Pengembangan Bisnis,

dan Kemitraan Strategis

PT. Jasamedika Saranatama

Chief Executive Ofﬁcer

PT. Logiq Aset Solusindo

Antonius Darma Setiawan

Sistem Informasi Kesehatan: SIMRS dan Telemedicine

Computerized Maintenance and Management System

(CMMS) dan Inspection tools

(5)

PT. Jasamedika Saranatama

•

Didirikan than 2002

•

135 karyawan

•

Produk utama: SIMRS Mediﬁrst 2000

•

Terimplementasi di ~ 40 rumah sakit

kelas A, B, C, dan D

•

Mengembangkan solusi untuk industri

kesehatan (software dan hardware)

•

Kemitraan nasional dan international

(6)

Mitra Strategis

(7)

(8)

(9)

Agenda

•

Pendahuluan

•

PACS

•

Telemedecine

•

Penutup

(10)

SDM

Perguruan

Tinggi

Penelitian

Industri

(11)

Supply and Demand

(12)

Agenda

•

Pendahuluan

•

PACS

•

Telemedecine

•

Kesimpulan

(13)

Rekapitulasi data, pelaporan,

dan business intellegence

Pemeliharaan, pencatatan,

dan pengarsipan data terkait

dengan pelayanan

Penginputan data

(14)

Jumlah total rumah sakit di Indonesia ~ 2.500 buah

Jumlah puskesmas di Indonesia ~ 9.600 buah

Jumlah klinik di Indonesia ~ 15.000 - 20.000

Jumlah dokter yang terdaftar IDI ~ 88.000

(15)

(16)

(17)

(18)

Tantangan

•

Belum terdapat standarisasi struktur data di

dalam rekam medik

•

Setiap rumah sakit memiliki SOP (clinical

pathway) yang sedikit berbeda

•

Rekam medik yang dapat dipertukarkan

(sharable)

•

Rekam medik yang longitudinal

(19)

(20)

Rekam Medik Longitudinal

(21)

OpenEHR

•

Yayasan yang tidak bertujuan proﬁt berbasis di UCL

(University of London) CHIME (World Health

Organisation Collaborating Centre for the Community

Control of Hereditary Disorders)

•

Menghasilkan

spesiﬁkasi terbuka (open speciﬁcation)

untuk model informasi klinis (komersial dan

opensource)

•

Mengembangkan spesiﬁkasi konten klinis opensource

berdasarkan:

archetype, template dan termset

(22)

Pengembangan Standar Konten Klinis

•

Memisahkan

model klinis

dari

infrastruktur

teknis

•

OpenEHR adalah cara yang sesuai untuk

mengembangkan

standar konten klinis

secara nasional/internasional

•

Australia, New Zealand, Swedia, Brasil, dan

Slovenia

(23)

Pendekatan OpenEHR

•

Arsitektur semantik

, melakukan

standarisasi

secara

ﬂeksibel

:

data, struktur konten, penggunaan terminologi, dan API

•

Konten dikembangkan oleh

klinisi

•

Pengembangan sistem yang mampu

beradaptasi

– S/W tidak

bergantung pada model konten

•

Query berdasarkan konten

, bukan basisdata secara ﬁsik

•

Service-Oriented Architechture (SOA) – melakukan

standarisasi bagaimana aplikasi berkomunikasi dengan sistem –

API

•

Dan bagaimana sistem berkomunikasi satu dengan yang lain

(24)

OpenEHR: Multi Level Model

(25)

Reference Model

•

Artefak teknis generik yang spesiﬁk untuk

menampilkan informasi kesehatan :

•

Tipe dan struktur data

•

Pengaturan rekam medis

•

Keamanan

•

Versioning

•

Tidak ditampilkan untuk klinisi

(26)

Archetype

(27)

Archetype Editor

(28)

Archetype Editor

(29)

Template

(30)

(31)

Template dan Terminologi

(32)

(33)

(34)

(35)

Apa Yang Disediakan Oleh OpenEHR?

•

Model informasi logik standar yang

menjelaskan tentang tipe data dasar dan

struktur relasi

•

Kemampuan untuk membangun model

konten yang terbuka dan dapat dipercaya

•

Reliable

, menggunakan terminologi yang

sudah dikenal

(36)

Agenda

•

Pendahuluan

•

RIS - PACS

•

Telemedecine

•

Penutup

(37)

Modalitas Pencitraan Medik

CT

MRI

PET

magnetic spin

sound waves

X-ray

metabolic tracer

X-ray emission

Ultrasound

(38)

Alur Sebelum RIS - PACS

(39)

Alur Setelah RIS - PACS

(40)

Ukuran Citra Medik

(41)

Ukuran Citra Medik

(42)

Kompresi?

Kualitas Diagnostik !

Media Penyimpanan/Bandwidth?

Standar

(43)

(44)

Pengkodean Citra Kuantisasi

Vektor Asimetrik

Citra terkode

Pilih RoI

Decoding

Kirim data posisi RoI

Residu Citra sesuai posisi RoI

Residu citra sesuai RoI dikirimkan untuk meningkatkan kualitas citra rekonstruksi di RoI

Residu Citra (_R) – 1 MB

(

I

=

IR

+

R

)

RoI

Setiawan A.D. dan Suksmono A. B.

(45)

Pembentukan Buku Kode

Berbasis FCM

(

)

(

)

(

)

(

)

(

)

2 , 1 1

*,

*

min

, ;

, ,

,

c N

m

FCM ik ik k i i k

J

c m

u

d

= =

⎧

⎫

=

⎨

=

⎬

⎩

∑∑

⎭

P U

P U

P U X

x

p

(46)

Pembentukan Buku Kode

:

k

Q

ℜ →

C

(47)

FCM Clustering

m=1.25

m=2

Grafik tingkat

keanggotaan per kelas m=1.25

Grafik tingkat

keanggotaan per kelas m=2

(48)

(49)

K-Means

(50)

FCM

(51)

(52)

Peningkatan Kinerja

(53)

Compresible

dan

Sparse

•

Pemampatan: menurunkan alokasi bit

•

Nature

dari sebuah citra adalah

compresible

•

Compresible

: Jika koeﬁsien representasi yang

diurutkan meluruh dengan cepat

•

Sparse

: Jika terdapat sejumlah kecil koeﬁsien

representasi tidak nol, sisanya nol

•

Sifat sparse pada citra dapat dipaksakan

•

Sparsitas

: Jumlah koeﬁsien representasi tidak nol

(54)

Pemodelan Citra Sparse

Jika

D

adalah pustaka basis

overcomplete

, maka sinyal

Y

dapat dibentuk dari kombinasi linear dari koeﬁsien

sparse/representasi

X

dan pustaka basis

D

Y

D

X

(55)

Pemodelan Citra Sparse

Jika

D

overcomplete

, maka sinyal

Y

sparse/representasi

X

dan pustaka basis

D

(56)

Pemodelan Citra Sparse

Jika

D

overcomplete

, maka sinyal

Y

sparse/representasi

X

dan pustaka basis

D

P

0,

ε

(

)

min

x

0

s.t

y

−

Dx

≤

ε

P

0

( )

min

x

0

s.t

Y

=

Dx

(57)

Kombinasi Linear

ˆ

y

i

=

k

j

d

j

,

L

=

4

j

=

1

L

∑

Pustaka Lewat Lengkap (overcomplete)

Basis Representasi

Konstanta Basis

d

j

k

j

D

=

d

i

{ }

i

=

1

K

54

Citra

Y

∀

i

,

y

_i

−

k

_j

d

_j

j₌1

L

(58)

Dasar Pemikiran Metoda Sparsitas

Dinamik

Matrik sparse untuk

koeﬁsien

X

Semakin tinggi energi,

semakin besar galat

55

Seluruh vektor citra

direpresentasiskan

(59)

Area Dengan

g

Kecil

56

g

: beda antara intensitas maksimum dan minimum

dalam vektor citra

Seluruh vektor citra dikodekan

dengan sparsitas =

L

25% vektor citra dikodekan dengan

(60)

Metoda Sparsitas Dinamik

Sparsitas Dinamik (PCSD)

min

D

,

X

Y

−

DX

F

2

s.t

∀

i

,

x

i

≤

f

(

E

,

g

)

f

(

E

,

g

)

=

y

_i

1₌1 p

∑

p

,

g

≤

g

0

L

0

+

E

L

max

,

g

>

g

0

⎧

⎨

⎪

⎩

⎪

g

=

I

max

−

I

min

Jarak antara intensitas piksel

maksimum dan minimum

dan ditentukan

g

₀

L

_max

(61)

Jumlah Koeﬁsien Tak-Nol, Dimensi Vektor

Citra dan Ukuran Citra Terkode

Header, 4 x16 bit

Basis Index, 16 bit per index

Koeﬁsien, 16 bit per index

Pemetaan Jumlah Koeﬁsien, 8 bit

Ukuran Citra Terkode (Kilo Byte)

58

!

!"

=

!"

+

!

!"#

+

!

!"#

+

!

!"#$$

!

B

_ec

=

(

v

_H

+

B

_H

)

+

b

_mp

L

_i

i=₁

L

∑

⎛

⎝

⎜

⎞

⎠

⎟

+

b

_id

L

_i

i=₁

L

∑

⎛

⎝

⎜

⎞

⎠

⎟

+

b

_co

L

_i

i=₁

L

∑

⎛

⎝

⎜

⎞

⎠

⎟

=

(

v

_H

+

B

_H

)

+

(

b

_mp

+

b

_id

+

b

_co

)

L

_i

i=₁

L

∑

!

b

_id

=

⎤

log

₂

(

p

2

R

)

⎦⎥

⎡

⎣⎢

B

_ec

=

(

v

_H

+

B

_H

)

+

(

b

_mp

+

b

_id

+

b

_co

)

NL

!

CR

=

b

s

b

_id

+

b

_co

(62)

Pengujian Pada Citra Natural:

Citra Latih dan Pustaka Basis

Citra Latih, University of Southern

California-SIPI image database

59

(63)

Pengujian Pada Citra Natural

FVQ 0.14 bpp, PSNR = 30.95

PCSD 0.14 bpp, PSNR = 36.14

(64)

Pengujian Pada Citra Natural

FVQ 0.2 bpp, perbesaran 200%

PCSD 0.2 bpp, perbesaran 200%

(65)

Pengujian Pada Citra MRI Otak

Penginderaan MRI Otak Secara Axial, Sumber: Osirix

(66)

Pengujian Pada Citra MRI Otak

Pustaka Basis Latih, p = 8

Redudansi = 4

Citra Uji

(67)

Citra Rekonstruksi

64

Citra Asal

Citra rekonstruksi dengan pengkodean

(68)

Pengujian Pada Citra Medik

Chest PA

Pustaka basis dengan

p

= 16 dan

L

= 4

Ukuran ﬁle: 12.2 MB

Depth: 8 bit

Dimensi: 3480 x 3480 piksel

(69)

Kinerja PCSD Pada Citra Chest PA

Patch: 32

PSNR 37.91 dB

CR: 46.08

bpp: 0,0216

Patch: 32

PSNR 37.92 dB

CR: 64.58

(70)

(71)

(72)

(73)

(74)

(75)

22” LCD

Touchscreen

10.1” Android Tablet

(76)

Teleradiologi

FK UNPAD – RSUD Jampang Kulon

(Kelas C). Ada fasilitas pencitraan

konvensional tanpa cardiolog. Butuh

7 hari untuk mendapatkan ekspertise

dari Sukabumi dan Anyer.

(77)

Agenda

•

Pendahuluan

•

PACS

•

Telemedecine

•

Penutup

(78)

(79)

Prevalensi

Sumber: WHO Global Status Report 2014

Prevalence of stage a HF cardiovascular risk factor in Southes Asia nations compared with

(80)

(81)

(82)

Server and Network Appliance

(83)

(84)

(85)

(86)

(87)

(88)

(89)

Agenda

•

Pendahuluan

•

PACS

•

Telemedecine

•

Penutup

(90)

Penutup

•

Diperlukan sinergi yang kuat antara PT dan

industri agar dapat menghasilkan SDM yang

berdaya guna

•

Sinergi ini juga akan memperkuat kualitas produk

dari sisi teknologi yang dihasilkan oleh industri

dalam negeri

•

Hasil penelitian-penelitian PT dapat

dikomersialisasikan oleh industri dalam hubungan

sinergi yang saling menguntungkan

(91)

Sinergi Perguruan Tinggi, Penelitian dan Industri Untuk Menciptakan Produk Yang Berkualitas