Perangkat kecerdasan buatan dari Australia dapat mengenali nyamuk melalui suara kepakan sayap dalam hitungan detik. Teknologi ini ditujukan untuk mempercepat pemantauan nyamuk pembawa penyakit, termasuk demam berdarah dengue.
Prototipe tersebut mencapai akurasi identifikasi sekitar 88,3% dalam pengujian berbasis rekaman suara. Hasil itu membuka peluang pemeriksaan awal tanpa harus menunggu sampel diperiksa di laboratorium.
Berjalan Langsung di Perangkat Kecil
Sistem ini dikembangkan oleh dr Kiran Trivedi dari University of Wollongong, Australia. Perangkatnya diperkenalkan dalam United Nations AI for Good Global Summit di Jenewa sebagai penerapan AI untuk kesehatan masyarakat.
Teknologi utama yang digunakan adalah TinyML, yaitu pembelajaran mesin yang dapat bekerja langsung pada perangkat berdaya rendah. Dengan pendekatan ini, proses pengenalan tidak memerlukan komputer besar maupun layanan komputasi awan.
| Komponen | Keterangan |
|---|---|
| Perangkat prototipe | Papan Arduino, mikrofon, dan layar bawaan |
| Metode identifikasi | Analisis suara kepakan sayap |
| Teknologi pemrosesan | TinyML langsung di chip kecil |
| Akurasi pengujian | Sekitar 88,3% |
Perangkat mendengarkan frekuensi suara yang timbul ketika nyamuk mengepakkan sayapnya. Setiap spesies memiliki pola frekuensi berbeda yang dapat dianalisis sebagai sidik jari akustik.
Target pengenalannya mencakup Aedes, Anopheles, dan Culex. Tiga kelompok tersebut berkaitan dengan penyakit seperti dengue, malaria, dan virus West Nile.
Nilai Penting untuk Wilayah Terpencil
Kemampuan bekerja tanpa internet menjadi salah satu keunggulan utama perangkat ini. Sistem tidak perlu mengirim data ke layanan jarak jauh dan tidak menimbulkan biaya komputasi awan.
Menurut Trivedi, perangkat semacam ini relevan bagi wilayah dengan keterbatasan tenaga ahli, fasilitas uji, dan infrastruktur digital. Pemantauan dapat dilakukan secara mandiri di lokasi yang membutuhkan pengawasan nyamuk.
“Ketika orang berpikir tentang AI, mereka membayangkan sistem besar yang berjalan di cloud. TinyML memungkinkan kami menempatkan kecerdasan langsung ke perangkat,” ujar Trivedi.
Ia menyatakan teknologi itu dapat mengenali nyamuk dalam hitungan detik tanpa internet, biaya cloud, maupun persoalan privasi. Kemampuan tersebut membuat perangkat lebih praktis untuk kebutuhan surveilans awal.
Pelengkap Pemeriksaan Laboratorium
Pemantauan konvensional umumnya dilakukan dengan mengambil sampel jentik dari lokasi perkembangbiakan. Sampel kemudian dibawa ke laboratorium untuk diperiksa menggunakan mikroskop oleh tenaga ahli.
Pemeriksaan laboratorium tetap memiliki tingkat akurasi tinggi, tetapi membutuhkan waktu dan sumber daya lebih besar. Pendekatan akustik melalui AI pendeteksi nyamuk ditawarkan sebagai pelengkap untuk mempercepat penentuan lokasi yang perlu ditindaklanjuti.
Akurasi perangkat masih berpeluang ditingkatkan melalui penggunaan mikrofon yang lebih sensitif dan rekaman suara berkualitas lebih baik. Prototipe saat ini dilatih memakai kumpulan rekaman kepakan sayap nyamuk yang tersedia secara terbuka.
Peluang Membuat Peta Aktivitas Nyamuk
Jika perangkat dipasang di banyak titik, jaringan sensor dapat memantau aktivitas nyamuk sepanjang 24 jam. Hasil identifikasi kemudian dapat dikirim ke sistem pemetaan untuk menunjukkan area dengan peningkatan aktivitas nyamuk pembawa penyakit.
Beritasatu.com melaporkan pendekatan itu ditujukan untuk memperkuat pengawasan penyakit menular di daerah yang sulit mengakses laboratorium. Informasi lokasi dapat membantu petugas memprioritaskan langkah pengendalian sebelum penularan meluas.
WHO menyebut nyamuk sebagai hewan paling mematikan bagi manusia karena penyakit yang ditularkannya menyebabkan ratusan ribu kematian setiap tahun. Organisasi itu juga memperkirakan sekitar 4 miliar orang tinggal di wilayah berisiko dengue, dengan angka yang diproyeksikan mencapai 5 miliar pada 2050.
Secara global, WHO mencatat sekitar 100 juta hingga 400 juta infeksi dengue terjadi setiap tahun. Pemantauan yang lebih cepat dapat mendukung surveilans, pengendalian populasi nyamuk, dan pencegahan wabah.
