Assalamualaikum temen-temen dan sahabat Whitecyber di seluruh penjuru tanah air. Kali ini Team Whitecyber diminta untuk membuatkan Research Penelitian : Pengembangan Sigaga (Sistem Deteksi Gagal Ginjal Awal) Berbasis Artificial Intelegent (Al) dan Biomarker Non-Invasif pada Remaja di Kabupaten Karawang.
Penyakit ginjal menjadi masalah kesehatan global, termasuk pada remaja, dan deteksi dini sangat krusial untuk mencegah progresivitasnya. Kesadaran masyarakat yang rendah, keterbatasan akses skrining medis (biaya, fasilitas, dan ketidaknyamanan tes invasif), serta peningkatan faktor risiko pada remaja, menuntut inovasi. Penelitian ini mengusulkan pengembangan Sigaga, sebuah sistem skrining dan edukasi kesehatan ginjal berbasis AI dan biomarker non-invasif. Tujuannya adalah mengembangkan sistem tersebut untuk deteksi dini risiko penyakit ginjal pada remaja di Kabupaten Karawang, menggunakan pendekatan Research and Development (R&D). Luaran yang ditargetkan adalah publikasi di jurnal nasional bereputasi terindeks Sinta 2.
Gagal ginjal meningkat pada remaja, dengan 60% kasus baru terdiagnosis pada tahap lanjut. Data dari Indonesian Renal Registry (IRR) menunjukkan lebih dari 100.000 pasien hemodialisis setiap tahun di Indonesia. Pola makan tidak sehat, kurang aktivitas fisik, dan dehidrasi kronis menjadi penyebab utama. Di Karawang, faktor risiko diperparah oleh polusi, serta prevalensi hipertensi (8,4%) dan diabetes melitus (6,2%) pada remaja yang mempercepat kerusakan ginjal. Deteksi dini penting, namun metode skrining saat ini masih invasif dan kurang nyaman. Kemajuan AI dan biomarker non-invasif menawarkan peluang baru. Penelitian ini bertujuan mengembangkan Sigaga, aplikasi berbasis AI untuk skrining ginjal mandiri, non-invasif, dan mudah diakses oleh remaja, serta membantu tenaga kesehatan dalam pencegahan primer. Rumusan masalahnya adalah bagaimana efektivitas pengembangan Sigaga sebagai sistem deteksi gagal ginjal awal berbasis AI dan biomarker non-invasif.
.
Solusi yang ditawarkan adalah pengembangan deteksi dini berbasis biomarker non-invasif dan kecerdasan buatan (AI). Strateginya meliputi:
- Pendekatan Teknologi AI untuk Deteksi Biomarker Non-Invasif :
Menggunakan kuesioner AI berbasis data kesehatan dan gaya hidup, pengenalan suara untuk mendeteksi gangguan pernapasan akibat retensi cairan, analisis citra wajah berbasis AI untuk mengidentifikasi edema (pembengkakan), dan pemantauan pola tidur. - Pendekatan Pengembangan Sistem Berbasis Digital :
Pembuatan prototipe aplikasi Sigaga, integrasi AI berbasis machine learning, dan desain antarmuka yang ramah pengguna. - Hasil Deteksi dan Tindak Lanjut :
Rekomendasi edukasi yang disesuaikan dengan hasil deteksi (normal, risiko rendah, risiko berat).
State of The Art dan Kebaruan:
Penelitian sebelumnya tentang deteksi gagal ginjal berbasis digital menggunakan model Machine Learning berbasis rekam medis elektronik atau mendeteksi napas untuk diagnosis pasien yang sudah mengalami gangguan ginjal. Ada juga penelitian tentang aplikasi keperawatan berbasis digital untuk meningkatkan kesejahteraan pasien gagal ginjal. Kebaruan Sigaga terletak pada penggunaan AI dan biomarker non-invasif dengan mempertimbangkan pola hidup dan riwayat kesehatan, serta memberikan rekomendasi edukasi kesehatan. Keunggulannya adalah deteksi non-invasif dengan biaya murah, mampu menjangkau banyak remaja, dan kolaborasi dengan sekolah serta tenaga kesehatan.
Peta Jalan Penelitian:
Penelitian ini adalah proyek jangka panjang 5 tahun.
- 2022-2023: Analisis Faktor Risiko Gagal Ginjal
- 2023-2024: Tingkat depresi terhadap kualitas hidup pasien gagal ginjal (sudah dilakukan)
- 2024-2025: Terapi Mindfulness berbasis web untuk penanganan gagal ginjal (sudah dilakukan). Deteksi gagal ginjal awal berbasis AI dan biomarker non-invasif pada remaja (penelitian yang diusulkan).
- 2025-2026: Implementasi Skrining dan Edukasi kesehatan ginjal berbasis AI dan biomarker non-invasif pada populasi luas.
Metode:
Penelitian ini menggunakan pendekatan Research and Development (R&D) dengan model pengembangan Waterfall atau Prototype.
- Populasi:
Remaja berusia 14-18 tahun di wilayah penelitian yang belum memiliki riwayat penyakit ginjal. - Sampel:
- Uji Coba dan Validasi: Pengujian algoritma AI menggunakan dataset biomarker, User Acceptance Test (UAT) pada 50-100 remaja, dan validasi oleh tim ahli.
- Teknik Sampling: Stratified random sampling.
- Tahapan Deteksi Dini:
Registrasi & input data pengguna, penggunaan kuesioner AI berbasis data kesehatan dan gaya hidup (termasuk Pittsburgh Sleep Quality Index – PSQI), penggunaan pengenalan suara untuk mendeteksi gangguan pernapasan, analisis citra wajah berbasis AI untuk mengidentifikasi edema, analisis data dengan AI untuk memprediksi kategori risiko (Rendah, Sedang, Tinggi), serta hasil dan rekomendasi edukasi kesehatan. - Tim Peneliti:
Ketua Tim (bidang ilmu kesehatan dan keperawatan), Anggota 1 (ilmu kesehatan dan keperawatan), dan Anggota Tim 2 (Dosen Sistem Informatika).
Hasil yang Diharapkan:
Prototipe aplikasi Sigaga yang memungkinkan remaja melakukan skrining mandiri tanpa pemeriksaan laboratorium, menggunakan analisis biomarker non-invasif dan machine learning untuk deteksi risiko gagal ginjal yang akurat, cepat, dan rekomendasi pencegahan yang dipersonalisasi.
- Luaran Dijanjikan:
Publikasi di jurnal nasional Sinta 2 (Jurnal Ilmu Kesehatan: Jurnal Aisyah). - Luaran Tambahan:
Prototipe Aplikasi Digital Sigaga, Hak Kekayaan Intelektual (HKI), dan modul edukasi digital.