Ringkasan
Saya terlibat dalam publikasi yang mereview secara komprehensif bagaimana teknologi pelacakan mata (eye tracking) yang dipadukan dengan kecerdasan buatan (AI) dapat menjadi alat bantu diagnosis untuk berbagai gangguan otak.
Publikasi ini terbit di jurnal internasional terindeks Scopus Q2, Applied Sciences (MDPI), dan menjadi bagian dari Special Issue Eye Tracking Technology and Its Applications.
Latar Belakang Riset
"Gerakan mata adalah jendela menuju kondisi kognitif dan neurologis seseorang."
Pernyataan itulah yang menjadi fondasi riset ini. Selama ini, diagnosis gangguan seperti autisme (ASD), Parkinson, Alzheimer, disleksia, hingga cedera otak seringkali bersifat subjektif dan membutuhkan waktu lama. Melalui review ini, kami mengeksplorasi potensi eye tracking sebagai solusi non-invasif dan objektif.
Fokus Utama Publikasi
Dalam review ini, saya dan tim menganalisis puluhan studi relevan (2015–2025) dan merangkumnya ke dalam tiga pilar utama:
-
Gangguan yang Diteliti:
- Neurodevelopmental (ASD, ADHD, Disleksia)
- Neurodegenerative (Parkinson, Alzheimer, ALS)
- Neurologis (Stroke, Cedera Otak, Vertigo)
-
Parameter Gerakan Mata yang Digunakan:
- Fiksasi, Sakad, Scanpath, hingga dinamika pupil.
-
Pendekatan Kecerdasan Buatan (AI/ML) :
- Support Vector Machine (SVM), Random Forest (RF), Convolutional Neural Network (CNN), hingga LSTM.
Kontribusi Saya dalam Publikasi Ini
Dalam proyek review ini, kontribusi utama saya meliputi:
- Analisis komparatif model ML/DL yang paling efektif untuk setiap jenis gangguan.
- Menyusun taksonomi tugas eye tracking (misalnya: free-viewing, anti-saccade, reading task) yang relevan dengan disfungsi kognitif tertentu.
- Identifikasi kesenjangan riset terutama terkait kecilnya ukuran sampel, kurangnya standarisasi protokol, dan minimnya validasi eksternal.
- Merumuskan rekomendasi untuk penelitian ke depan, termasuk penggunaan explainable AI (XAI) dan multimodal data integration.
Dampak & Temuan Utama
| Aspek | Temuan |
|---|---|
| Akurasi Diagnosis | Model AI berbasis gerakan mata mencapai akurasi 80–90% untuk beberapa gangguan (ADHD, Disleksia, Vertigo). |
| Keunggulan Utama | Tidak invasif, biaya relatif murah, dan bisa menangkap kelainan halus yang tak terlihat secara kasat mata. |
| Tantangan Utama | Belum adanya standar internasional untuk fitur ekstraksi & protokol eksperimen. |
| Rekomendasi Saya | Perlu pengembangan dataset terbuka yang besar dan validasi multisenter sebelum diadopsi di klinik. |
Link
- 🔗 Akses publikasi: https://www.mdpi.com/2076-3417/16/5/2548
- 📄 DOI: 10.3390/app16052548