Bayangkan doktor di hospital daerah Kelantan atau Sabah boleh mendapat peta kanser yang terperinci — butiran yang sebelum ini hanya ada di makmal canggih bernilai jutaan ringgit — hanya dengan menggunakan slaid patologi murah berharga lebih kurang RM22. Itulah janji besar Microsoft GigaTIME, model AI terbaru yang diumumkan terus oleh Ketua Pegawai Eksekutif Microsoft, Satya Nadella, pada 15 Mac 2026.
n
n
Pendedahan: Artikel ini mengandungi pautan affiliate. Jika anda mendaftar melalui pautan kami, kami mungkin menerima komisyen kecil — tanpa sebarang kos tambahan kepada anda. Ini membantu kami terus menghasilkan panduan percuma dalam Bahasa Melayu.
n
📖 Baca juga: AI untuk Kanser Malaysia: Pengesanan Awal dan Rawatan Pintar
nn
nnn
Dalam dunia perubatan moden, maklumat pada peringkat protein di dalam sel kanser adalah sangat kritikal untuk menentukan rawatan yang tepat. Tetapi kaedah tradisional untuk mendapatkan maklumat ini — dikenali sebagai spatial proteomics — memerlukan peralatan mahal dan kos ujian yang boleh mencecah RM4,500 hingga RM22,000 atau lebih bagi setiap sampel. GigaTIME menukar semua itu dengan satu lompatan besar dalam dunia AI kesihatan.
nn
Apa Itu GigaTIME?
nn
GigaTIME ialah model AI multimodal yang dibangunkan oleh Microsoft untuk bidang patologi kanser. Secara ringkas, GigaTIME adalah sistem AI yang boleh membaca slaid patologi biasa — jenis yang sudah digunakan di hampir semua hospital di seluruh dunia — dan menukarnya kepada peta protein spatial yang terperinci. Peta ini membantu doktor memahami susunan protein di dalam dan di sekeliling sel kanser, maklumat yang amat penting untuk diagnosis tepat dan perancangan rawatan peribadi.
nn
Apa yang menjadikan GigaTIME revolusioner bukan sekadar keupayaannya, tetapi kos input yang diperlukan. Slaid Hematoxylin and Eosin (H&E) — jenis slaid yang digunakan GigaTIME — adalah sejenis pewarnaan patologi standard yang telah wujud lebih 100 tahun. Harganya? Lebih kurang USD$5, atau kira-kira RM22. Hampir setiap hospital di dunia sudah menggunakan slaid jenis ini secara rutin.
nn
Bagaimana GigaTIME Berfungsi?
nn
Proses GigaTIME boleh dibahagikan kepada beberapa peringkat utama:
nnPeringkat 1 — Input Slaid H&En
Slaid patologi biasa yang sudah diwarnakan dengan H&E diimbas menggunakan pengimbas slaid digital piawai. Ini bukan peralatan baru — ramai hospital sudah memilikinya.
nnPeringkat 2 — Pemprosesan Multimodal AIn
GigaTIME menggunakan seni bina model multimodal yang dilatih untuk mengenali corak visual yang sangat halus dalam tisu. Model ini belajar memahami hubungan antara penampilan visual sel dengan corak protein yang wujud di dalamnya.
nnPeringkat 3 — Jangkaan Ekspresi Proteinn
Daripada imej slaid semata-mata, GigaTIME meramalkan corak ekspresi protein spatial — iaitu protein mana yang aktif, di mana letaknya dalam tisu, dan bagaimana ia berinteraksi dengan sel-sel jiran.
nnPeringkat 4 — Peta Kanser Terperincin
Hasilnya ialah peta digital yang menunjukkan susunan protein di seluruh sampel tisu — setara dengan maklumat yang biasanya hanya diperoleh melalui ujian spatial proteomics mahal.
nn
Mengapa Ini Penting: Masalah Kos Patologi
nn
Kos adalah halangan terbesar dalam diagnosis kanser moden. Ujian spatial proteomics tradisional bukan sekadar mahal dari segi peralatan — ia juga memerlukan kepakaran teknikal yang tinggi, masa pemprosesan yang lama, dan sering kali hanya tersedia di pusat penyelidikan utama atau hospital universiti di bandar besar.
nn
Akibatnya, terdapat jurang besar dalam kualiti diagnosis kanser antara pesakit yang mendapat rawatan di hospital awam besar di Kuala Lumpur dengan pesakit di hospital daerah di kawasan luar bandar.
nn
GigaTIME berpotensi menutup jurang ini. Jika model ini berjaya digunapakai secara klinikal, hospital yang hanya mampu membeli slaid H&E murah boleh mendapat maklumat yang setara dengan maklumat daripada ujian mahal — tanpa perlu membeli peralatan tambahan yang menelan belanja jutaan ringgit.
nn
Data Latihan: 40 Juta Sel, 14,256 Pesakit
nn
Skala latihan GigaTIME adalah antara faktor terbesar yang membezakannya daripada model sebelumnya.
nn
Model ini dilatih menggunakan data daripada:
n
- n
- 40 juta sel yang dianalisis dan dilabel
- 14,256 pesakit daripada pelbagai kajian dan dataset
- Pelbagai jenis kanser, termasuk kanser payudara, kanser kolon, kanser paru-paru, dan lain-lain
n
n
nn
n
Kepelbagaian data ini penting. Kanser bukan satu penyakit — ia adalah ribuan penyakit berbeza yang berkongsi ciri tertentu. Dengan 14,256 pesakit dari pelbagai kohort kajian, GigaTIME mempunyai asas data yang jauh lebih kukuh berbanding kebanyakan model AI perubatan yang pernah dibangunkan sebelum ini.
nn
Satya Nadella, semasa mengumumkan GigaTIME pada 15 Mac 2026, menekankan bahawa skala latihan ini adalah kunci kepada keupayaan model untuk membuat generalisasi merentas pelbagai konteks klinikal.
nn
Potensi untuk Malaysia
nn
Malaysia mencatatkan kira-kira 45,000 kes kanser baru setiap tahun berdasarkan data Pendaftaran Kanser Kebangsaan. Ini bermakna puluhan ribu rakyat Malaysia memerlukan diagnosis dan rawatan kanser setiap tahun — satu beban besar untuk sistem kesihatan awam negara.
nn
Antara cabaran utama dalam pengurusan kanser di Malaysia ialah:
nnJurang kemudahan antara bandar dan luar bandar. Hospital besar di Kuala Lumpur, Pulau Pinang, dan Johor Bahru mempunyai akses kepada teknologi perubatan terkini. Tetapi hospital daerah di Kelantan, Sabah, Sarawak, dan kawasan pedalaman lain sering kali tidak mempunyai peralatan patologi canggih.nnKekurangan pakar patologi. Malaysia menghadapi kekurangan pakar patologi, terutama di luar bandar. GigaTIME boleh bertindak sebagai alat sokongan untuk membantu doktor am dan pakar lain membuat interpretasi awal hasil patologi.nnKos rawatan kanser yang tinggi. Mengurangkan kos ujian patologi adalah satu langkah penting dalam membuat rawatan kanser lebih mampu milik.nn
Setakat tarikh penulisan, GigaTIME belum tersedia secara komersial. Namun, trajektori perkembangan AI perubatan menunjukkan bahawa teknologi macam ini selalunya mencapai penggunaan klinikal dalam tempoh dua hingga lima tahun selepas pengumuman penyelidikan.
nn
Perbandingan dengan Teknologi Sedia Ada
nn
Untuk menghargai sepenuhnya apa yang GigaTIME capai, kita perlu faham jurang teknologi yang wujud dalam bidang patologi kanser sebelum ini.
nnHistologi H&E Tradisional (Teknologi Sedia Ada)nn
Slaid H&E yang digunakan GigaTIME bukan teknologi baharu — ia telah digunakan dalam patologi sejak tahun 1800-an. Doktor dan ahli patologi telah lama menggunakan pewarnaan H&E untuk mengenal pasti sel kanser berdasarkan penampilan visual mereka di bawah mikroskop. Namun, kaedah ini hanya dapat memberikan maklumat morfologi — bentuk dan susunan sel — bukan maklumat tentang protein yang aktif di dalamnya.
nnSpatial Transcriptomics (Teknologi Mahal)nn
Spatial transcriptomics adalah kaedah yang membolehkan penyelidik memetakan ekspresi gen dalam tisu dengan ketepatan spatial yang tinggi. Ia sangat berkuasa, tetapi kos setiap ujian boleh mencecah RM10,000 hingga RM22,000 atau lebih, dan memerlukan peralatan khusus yang tidak ada di kebanyakan hospital.
nnMass Spectrometry Imaging (Lebih Mahal Lagi)nn
Mass spectrometry imaging boleh mengesan protein dan metabolit terus dalam tisu dengan resolusi spatial yang baik. Namun kos peralatan boleh mencecah jutaan ringgit, dan setiap ujian memerlukan kepakaran teknikal yang tinggi.
nnGigaTIME: Merapatkan Jurangnn
GigaTIME secara efektifnya membolehkan doktor mendapat maklumat yang hampir setara dengan spatial proteomics — tetapi dengan menggunakan slaid H&E biasa yang kosnya sekitar RM22. Ini adalah perbezaan kos yang sangat dramatik: daripada RM10,000+ kepada RM22.
nn
Walaupun jangkaan GigaTIME tidak sempurna dan tidak boleh sepenuhnya menggantikan ujian langsung, ia boleh menjadi alat triage yang sangat berguna — membolehkan doktor mengenal pasti kes-kes yang memerlukan ujian lanjut yang lebih mahal, manakala kes-kes lain dapat diurus dengan maklumat yang dihasilkan oleh AI sahaja.
nn
Konteks Global: AI dalam Onkologi
nn
GigaTIME bukanlah satu-satunya usaha untuk menggunakan AI dalam diagnosis kanser. Beberapa perkembangan selari yang penting perlu diketahui:
nnGoogle DeepMind — Kanser Payudaran
Google DeepMind telah membangunkan sistem AI untuk mengesan kanser payudara dari mamografi dengan ketepatan yang setanding atau melebihi ahli radiologi manusia dalam beberapa kajian. Ini menunjukkan potensi besar AI dalam saringan kanser.
nnPathAIn
PathAI adalah syarikat yang mengkhususkan diri dalam AI patologi, membangunkan alat untuk membantu ahli patologi membuat diagnosis yang lebih tepat dan lebih cepat. Mereka telah bermitra dengan beberapa syarikat farmaseutikal besar untuk menggunakan AI patologi dalam pembangunan ubat.
nnMicrosoft Research — Lebih Luas dari GigaTIMEn
GigaTIME adalah sebahagian daripada pelaburan Microsoft yang lebih luas dalam AI kesihatan. Microsoft telah bermitra dengan pelbagai institusi perubatan terkemuka untuk membangunkan model AI yang boleh membantu dalam pelbagai aspek penjagaan kanser, dari diagnosis hingga pemilihan rawatan.
nn
Konteks global ini penting untuk memahami bahawa GigaTIME bukan berlaku dalam vakuum — ia adalah satu titik dalam trajektori yang lebih besar di mana AI semakin menjadi komponen penting dalam onkologi moden.
nn
Limitasi dan Langkah Seterusnya
nn
Walaupun GigaTIME menunjukkan potensi yang luar biasa, terdapat beberapa limitasi penting:
nnJangkaan bukan pengesahan. GigaTIME meramalkan corak protein — ia tidak mengukurnya secara langsung. Dalam konteks klinikal kritikal, jangkaan AI perlu disahkan dengan kaedah lain.nnKeperluan pengawalseliaan. Sebelum digunakan secara klinikal di Malaysia, GigaTIME perlu mendapat kelulusan daripada pihak berkuasa berkaitan, termasuk penilaian oleh Bahagian Peranti Perubatan Kementerian Kesihatan Malaysia.nnInfrastruktur digital. Walaupun slaid H&E murah, pengimbas slaid digital dan infrastruktur rangkaian yang diperlukan untuk memproses data mungkin masih memerlukan pelaburan di sesetengah hospital luar bandar.nn
Soalan Lazim (FAQ)
nnApakah perbezaan antara GigaTIME dengan AI patologi lain yang sudah ada?n
Kebanyakan model AI patologi yang sudah ada hanya membuat klasifikasi — contohnya, menentukan sama ada sel itu malignan atau bukan. GigaTIME melangkah lebih jauh dengan meramalkan corak spatial proteomics — maklumat tentang protein mana yang aktif dan di mana letaknya dalam tisu.
nnAdakah GigaTIME boleh digunakan untuk semua jenis kanser?n
Berdasarkan maklumat yang diumumkan, GigaTIME dilatih merentas pelbagai jenis kanser. Namun, prestasinya mungkin berbeza-beza bergantung pada jenis kanser. Ujian klinikal lanjut diperlukan untuk menentukan jenis kanser mana yang paling sesuai.
nnBilakah GigaTIME akan tersedia untuk hospital di Malaysia?n
Setakat tarikh penulisan, GigaTIME belum tersedia secara komersial. Tiada tarikh rasmi diumumkan oleh Microsoft. Hospital dan pihak berkepentingan di Malaysia boleh memantau perkembangan melalui saluran rasmi Microsoft Health and Life Sciences.
nnAdakah data pesakit selamat jika GigaTIME digunakan?n
Soalan privasi data adalah kritikal dalam konteks perubatan. Sebarang penggunaan di Malaysia perlu mematuhi Akta Perlindungan Data Peribadi 2010 (PDPA) dan garis panduan privasi data perubatan Kementerian Kesihatan Malaysia.
nnn
Rujukan
n
- n
- MDEC — Malaysia Digital Economy Corporation
- Digital Nasional Berhad — 5G Malaysia
- SME Corp Malaysia — Sokongan PKS Digital
n
n
n
n
🔤 Rekomendasi: Grammarly
n
Sebelum hantar apa-apa tulisan dalam Bahasa Inggeris — semak dulu dengan Grammarly. Pelan percuma dah cukup untuk kegunaan harian. Premium (RM35/bulan) tambah cadangan gaya penulisan + penjana ayat AI.
n
n
n
n
Artikel Berkaitan
nn
- n
- AI untuk Kesihatan Malaysia: Revolusi Penjagaan Perubatan
- Microsoft Copilot Cara Guna: Panduan Lengkap Malaysia 2026
- NVIDIA GTC 2026: Jensen Huang Umumkan Era Baru Komputer Fizikal AI
- AI untuk Bisnes Malaysia: Panduan Lengkap 2026
- Model AI Terbaru 2026: Semua Pelancaran Penting
- Claude AI Harga dan Cara Guna di Malaysia 2026
n
n
n
n
n
nn