Penelitian ini berhasil mengembangkan metode integrasi antara Convolutional Neural Network (CNN) dan Deep Gaussian Process (DGP) secara nonsimultan untuk meminimalkan biaya komputasi. Integrasi ini terbukti meningkatkan kinerja model dibandingkan penggunaan CNN atau DGP secara terpisah, karena CNN dapat mengoptimalkan ekstraksi fitur yang kemudian menjadi masukan bagi DGP. Model yang lebih kompleks dan kuantitas titik induksi yang lebih besar menghasilkan performa yang lebih baik, dengan kemampuan memprediksi permasalahan medis secara akurat dan dengan tingkat kepercayaan yang tinggi, yang ditunjukkan dengan metrik False Confidence Rate (FCR) yang mencapai 0. Metode ini, yang menggabungkan kemampuan ekstraksi fitur CNN dan prediksi DGP, berpotensi untuk diterapkan pada kasus medis lainnya, serta bidang bisnis dan keamanan, dengan tujuan mendukung pengambilan keputusan yang lebih baik.