PREDIKSI DIAGNOSA PENYAKIT BERDASAR ANAMNESA MENGGUNAKAN CLINICALBERT LARGE LANGUAGE MODEL

Abstract

International Classification of Diseases (ICD-10) digunakan sebagai standar kodifikasi internasional untuk klasifikasi penyakit dan dicatat oleh dokter saat melakukan pemeriksaan pasien dan anamnesis. Hasil anamnesis merupakan keluhan pasien, riwayat penyakit pribadi dan keluarga untuk menentukan diagnosis. Penelitian ini memanfaatkan Large Language Model (LLM) untuk membantu dokter dalam memprediksi kode ICD-10 yang sesuai dengan anamnesis pasien. Penelitian ini menggunakan model BERT, terkhusus pada model BERT yang sebelumnya sudah dilatih dengan dataset MIMIC-III, yakni merujuk pada klasifikasi kesehatan, lalu selanjutnya dilatih kembali menggunakan real dataset  sejumlah 9241 data anamnesis dan ICD-10 dari salah satu fasilitas kesehatan. Hasil menunjukkan bahwa model mampu melakukan prediksi diagnosis menggunakan kode ICD-10 pada top 10 dengan tingkat akurasi sebesar 43% dan nilai F1 Score adalah 44%. Penelitian ini menegaskan bahwa kinerja model sangat berpengaruh terhadap jumlah data yang digunakan untuk training dan dapat memengaruhi hasil akhir dari nilai akurasi prediksi. Kemampuan untuk memprediksi diagnosis berdasarkan catatan klinis pasien sebelum dan saat berkunjung akan sangat efektif untuk membantu dokter atau tenaga medis menentukan pengobatan yang tepat.