Penyakit paru obstruktif kronik (PPOK) adalah penyakit yang saat ini masih menjadi masalah kesehatan di Dunia. penyakit paru progresif yang dipicu oleh paparan asap rokok, bahan kimia dan partikel inhalasi yang berbahaya. Penyakit ini dapat mempengaruhi saluran napas dan menyebabkan gangguan napas. Kejadian PPOK makin meningkat dengan semakin meningkatnya juga kasus perokok dan polusi udara.
Pasien laki-laki usia lebih dari 40 tahun dengan riwayat merokok yang lama berisiko menderita PPOK. Pasien tersebut sering mengalami sesak napas, batuk, dahak yang kronis. Diagnosis PPOK bergantung pada spirometri, namun metode ini mungkin tidak nyaman bagi pasien dan dapat mempengaruhi keakuratan hasil. Pemeriksaan spirometri harus dilakukan dengan maksimal agar hasilnya didapatkan yang terbaik. Pasien PPOK kadang sulit melakukan pemeriksaan spirometri sehingga hasilnya kurang maksimal.
Para peneliti telah mengeksplorasi penanda alternatif untuk PPOK, termasuk menganalisis napas yang dihembuskan. Metode hidung elektronik (e-nose) telah muncul sebagai pendekatan non-invasif untuk mendeteksi PPOK berdasarkan sampel napas. Dalam penelitian ini, Dava Aulia dan rekannya dari Institute Teknologi Sepuluh Nopember (ITS) Surabaya menyelidiki penggunaan jaringan konvolusional grafik (GCN) yang dikombinasikan dengan sistem e-nose untuk membedakan antara individu sehat dan pasien Penyakit paru obstruktif kronik. Penelitian ini dilakukan di Poli Paru Rumah Sakit Universitas Airlangga Surabaya.
Berikut adalah poin-poin penting dari penelitian menggunakan Sistem Hidung Elektronik (E-nose). Pasien PPOK dan control diminta melakukan hembusan nafas ke dalam kantong udara sekitar 1 liter lalu keduanya juga diminta melakukan pemeriksaan spirometri. Sistem e-nose terdiri dari dua puluh sensor gas semikonduktor. Sensor ini dirancang untuk mendeteksi senyawa organik volatil (VOC) tertentu yang ada dalam napas yang dihembuskan. Sistem e-nose menyediakan metode non-invasif dan mudah digunakan untuk mengumpulkan sampel napas.
Peneliti menggunakan metode analisis komponen utama (Primary Component Analysis / PCA) untuk mengekstraksi fitur yang relevan dari respons sensor. Peneliti menggabungkan PCA dengan jaringan konvolusional grafik (Graphical Convolutional Network / GCN) untuk meningkatkan kinerja deteksi sistem e-nose. GCN adalah jenis jaringan saraf yang beroperasi pada data terstruktur grafik, sehingga cocok untuk menganalisis respons sensor. Fitur frekuensi yang diekstraksi oleh PCA dikombinasikan dengan GCN mencapai akurasi yang mengesankan yaitu sebesar 97,5% dalam membedakan antara individu sehat dan subjek PPOK. Akurasi tinggi ini menunjukkan potensi penggunaan teknologi e-nose untuk diagnosis PPOK. Sistem E-nose, bila dikombinasikan dengan teknik pembelajaran mesin canggih seperti GCN, dapat meningkatkan deteksi Penyakit paru obstruktif kronik.
E-nose menawarkan cara yang mudah dan akurat untuk mengidentifikasi PPOK tanpa ketidaknyamanan dan ketidakmaksimalan teknik menghembus napas yang terkait dengan spirometri. Singkatnya, penelitian ini menyoroti efektivitas penggunaan jaringan konvolusional grafik bersama dengan sistem hidung elektronik untuk identifikasi PPOK. Pendekatan non-invasif ini secara signifikan dapat meningkatkan diagnosis dini dan penatalaksanaan pasien PPOK.
Penulis: Alfian Nur Rosyid
Baca Juga: Analisis Komparatif Stabilitas Perbankan Indonesia
