Efisiensi dan optimalisasi digital patologi pada proses big data artificial inteligence

Digital Patologi adalah sub bidang patologi yang terfokus pada manajemen data spesimen berbasis artificial inteligence untuk memperoleh diagnosa yang lebih efisien. Interpretasi gambaran sediaan patologi adalah baku emas pada patologi diagnostik, tetapi syaratnya kualitas pengecatan slide harus bagus. Diperlukan optimalisasi dan efisiensi metode. Tujuan dari Assesment ini yaitu untuk mengatasi permasalahan kualitas pengecatan imunohistokimia, digital patologi dan big data, peningkatan kinerja alat dan bahan, kesederhanaan sistem atau proses serta efisiensi. Metode yang dipakai yaitu penelitian eksperimental, dilakukan optimasi terhadap waktu dehidrasi, waktu infiltrasi dan waktu antigen retrieval. Selain itu juga dilakukan uji pemakaian ulang terhadap bahan yang digunakan pada ketiga buah parameter uji tersebut. Berdasarkan hasil assesment diketahui bahwa waktu dehidrasi, infiltrasi antigen retrieval optimasi signifikan berpengaruh terhadap peningkatan kualitas imunohistokimia, digital patologi dan big data. Pemakaian ulang bahan signifikan bagus kualitasnya hingga tiga kali penggunaan, sehingga efisiensi bahan, waktu pengerjaan, meningkatkan kompetensi PLP danberkontribusi bagi Tridharma perguruan tinggi.