Perkembangan Ilmu Histologi Hingga Masa Artificial Intelligence Pada Darah Secara Normal Maupun Abnormal/Patologis

Roro Dewi Sekar Ayu Wicaksono (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Allief Rahman (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Aninnur Qotrunnada F.Z (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Lega Rahmadani (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Arras Puspawati (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Ragil Nurmuhammad B (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Zuhro Aribatun Rosydah (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Fazrin Rahma Anggrainy (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Raja Ibrahim Ramadhan W (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Ruwaidah Khoirun Niswah (Fakultas Kedokteran Universitas Muhammadiyah Surabaya)
Nur Mujaddidah Mochtar (Departemen Histologi, Fakultas Kedokteran Universitas Muhammadiyah Surabaya)

Proceeding UMSurabaya
Vol 1 No 2 (2026): Proceeding Series LSPID UMSURA

Perkembangan histologi sel darah dengan menggunakan teknik apusan darah tepi yang berlangsung sejak abad ke-18 hingga di zaman artificial intelligence (AI) memberikan dampak yang signifikan terhadap perkembangan ilmu kedokteran klinik dalam menganalisis morfologi abnormal/kelainan sel darah atau histopatologi darah. Tujuan dari jurnal ini, untuk mengkaji perkembangan teknologi dalam identifikasi morfologi sel darah, normal dan abnormal/patologis, hingga pada masa AI. Dengan menggunakan metode analisis beberapa jurnal yang berkaitan dengan modernisasi teknologi hemato-histopatologi, didapatkan beberapa penemuan antara lain, Generative Adversarial Networks (GAN) yang mampu mengatasi perbedaan pewarnaan, Cella Vision Proficiency Software yang merupakan sebuah sistem digital untuk menjamin kesesuaian klasifikasi sel darah, teknologi Convolutional Neural Networks (CNN) memungkinkan proses pembelajaran karakteristik sel dilakukan secara otomatis dan mendalam, serta CLARITY dan metode serupa yang memungkinkan visualisasi jaringan utuh tanpa perlu pemotongan berulang.