Mahasiswa ITS Kembangkan Aplikasi Asisten Virtual untuk Pasien Gagal Ginjal Kronis

07 Februari, 2022 06:05 WIB

Penulis:Bunga NurSY

Editor:Bunga NurSY

Tampilan-aplikasi-SahabatCAPD-karya-tim-mahasiswa-ITS-untuk-bantu-pasien-Gagal-Ginjal-Kronis-GGK-2.jpeg
Tampilan aplikasi SahabatCAPD karya tim mahasiswa ITS untuk bantu pasien Gagal Ginjal Kronis (GGK) (ITS)

Eduwara.com, SURABAYA—Tim mahasiswa Institut Teknologi Sepuluh Nopember (ITS) Surabaya mengembangkan aplikasi asisten virtual SahabatCAPD untuk membantu pengawasan mandiri para pasien gagal ginjal kronis yang memilih pengobatan metode Continuous Ambulatory Peritoneal Dialysis (CAPD). Aplikasi ini juga berfungsi sebagai deteksi dini risiko komplikasi pada pasien.

Ketua Tim Pengembangan Aplikasi Fiqey Indriati Eka Sari, menjelaskan, pemerintah telah menetapkan solusi untuk pemerataan treatment stadium akhir GGK, yakni melalui terapi Peritoneal Dialysis, khususnya lewat metode CAPD. 

“Metode CAPD menjadi alternatif karena pasien bisa memiliki kualitas hidup 90 persen lebih baik daripada metode terapi lainnya,” terangnya seperti dikutip dari situs resmi ITS, Jumat (04/02/2022).

Dia melanjutkan prinsip kerja CAPD adalah dengan menyalurkan cairan dialisat steril ke rongga peritoneum melalui kateter permanen sebagai pengganti fungsi ginjal. Hal ini dilakukan secara rutin oleh pasien sebanyak tiga hingga lima kali dalam sehari. “Karenanya, pasien dituntut memiliki disiplin dan self-monitoring yang tinggi,” ujarnya.

Namun dalam praktiknya, lanjut Fiqey, penelitian pada 2016 dan 2020 menunjukkan tingkat kelalaian pasien mencapai 74 persen. Selain itu, pasien mengaku sulit mengenali gejala komplikasi yang berdampak keterlambatan penanganan. 

“Kondisi terkini, pasien juga kurang mem-follow up data penggantian cairan, sehingga tenaga medis kesulitan untuk mendiagnosis komplikasi lebih dini,” ungkapnya.

Setelah mengkaji puluhan jurnal mengenai Peritoneal Dialysis, Fiqey dan tim menemukan bahwa perubahan warna cairan buangan pasien CAPD dapat digunakan sebagai salah satu indikator awal untuk diagnosa komplikasi. Hal ini juga ditunjukkan berdasarkan tingkat kekeruhan cairan buangan pasien.

“Oleh karena itu, kami mengusung judul penelitian Mobile Virtual Assistant Pendeteksi Dini Risiko Komplikasi Continuous Ambulatory Peritoneal Dialysis pada Penyandang Gagal Ginjal Kronis Berbasis Machine Learning, yang juga kami sebut sebagai SahabatCAPD,” tutur Fiqey.

Aplikasi SahabatCAPD memiliki tiga konsep fungsionalitas utama. Pertama, logbook sebagai pengganti buku catatan dialisis pada pasien yang lebih efektif dan sistematis dalam memberikan follow up data ke tenaga medis. 

Kedua, chatbot sebagai sistem virtual assistant ketika pasien membutuhkan edukasi mengenai CAPD. Ketiga, model deteksi dini komplikasi berbasis machine learning.

Aplikasi SahabatCAPD memungkinkan pasien terhubung dengan tenaga medis, sehingga follow up data penggantian cairan akan lebih mudah diawasi. Hal ini ditujukan untuk memudahkan tenaga medis mencegah komplikasi sedini mungkin. 

“Yang mulanya pasien harus membawa buku catatan ke rumah sakit, sekarang monitoring dapat ditinjau langsung dari jauh,” paparnya.

Kesesuaian solusi image processing terhadap indikasi dan komplikasi model inimemiliki akurasi mencapai 94,7 persen. Selain itu, SahabatCAPD juga telah diujikan kepada lima pasien GGK sesuai dengan standar System Usability Scale (SUS) dan mendapat skor 80. 

“Selama tujuh hari penggunaan aplikasi, pasien secara rutin meng-update data penggantian cairan dengan lancar,” ungkapnya.

Menurut Fiqey, timnya juga menguji aplikasi berdasarkan salah satu standar medis yang ada, yaitu uji laboratorium dari Nilai Cells Count Leukosit. “Hasilnya, perbandingan antara diagnosis hasil aplikasi dan uji lab memiliki kecocokan yang sesuai,” bebernya.

Aplikasi SahabatCAPD ini memiliki potensi hak cipta dan pengembangan yakni terintegrasi dengan website rumah sakit sebagai bentuk real time sistem monitoring.

Selain Fiqey, tim ini juga beranggotakan Muchamad Maroqi Abdul Jalil dari Departemen Teknik Informatika, Nabilla Alvania Nurwardani dari Departemen Biologi, Shinta Ulwiya dari Departemen Perencanaan Wilayah dan Kota (PWK), dan Millads Anwary Fandiaz dari Departemen Teknik Fisika. Adapun selama merancang aplikasi, mereka dibimbing oleh dosen pendamping Dini Adni Navastara SKom MSc.