• LATEST
    • A PHP Error was encountered

      Severity: Notice

      Message: Undefined variable: latest

      Filename: views/_header.php

      Line Number: 48

      A PHP Error was encountered

      Severity: Warning

      Message: Invalid argument supplied for foreach()

      Filename: views/_header.php

      Line Number: 48


Diagnosa Diabetes Melalui App Kamera Ponsel (HP)

Kini aplikasi HP (ponsel) dapat mengukur detak jantung (heart rate) dengan menggunakan kamera yang terpateri dalam ponsel dapat mendeteksi diabetes. Begitu hasil riset tim peneliti Robert Avram et al (2019) dari University of California, San Francisco (UCSF) di Amerika Serikat yang menguji deteksi diabetes melalui aplikasi sinyal photoplethysmography (PPG) kamera dan flash ponsel. Aplikasi HP ini merekam perubahan vaskular berdasarkan perubahan-perubahan dalam aliran darah (American College of Cardiology/ACC, 6/3/2019).

Aplikasi sinyal PPG menggunakan kamera dan flash ponsel. “It's a measurement that's already readily obtained from smartphones and wearable devices to track heart rate. We've demonstrated that by using deep learning and a smartphone camera alone, we can also detect vascular changes associated with diabetes and with reasonable discrimination,” ungkap Robert Avram, MD, mahasiswa pasca-doktoral pada Medical Center, UCSF, dan lead-author studi ilmiah ini (ACC, 6/3/2019).

Pada tahap-tahap awal, diabetes dapat memicu perubahan-perubahan pada pembuluh darah (blood vessels) – saluran bahan bakar tubuh – dan bagaimana darah mengalir melalui pembuluh darah (vascular changes).  Hasil uji-coba Avram et al (2019) menunjukkan bahwa perubahan volume darah pada tiap detak-jantung, dapat diambil melalui penyinaran senter  HP pada ujung-jari.  Tiap konstraksi jantung, tekanan darah meningkat dalam pembuluh darah sehingga pembuluh darah mengembang dan meningkatkan jumlah pantulan cahaya dari kulit ke sensor optik kamera ponsel. Data ini dapat dikonversi ke  bentuk gelombang perubahan volumetrik darah dalam pembuluh darah (Science Daily, 6/3/2019).

Robert Avram, MD dan koleganya meneliti 54.269 orang yang terdaftar secara online dalam Health eHeart Study—studi UCSF yang telah disetujui oleh IRB—yang memakai aplikasi ponsel Azumio Instant Heart Rate di Amerika Serikat. Aplikasi Azumio paling banyak diunduh dan digunakan untuk mengukur denyut jantung. Pengguna usia lebih dari 18 tahun dan dengan alamat email, dapat memilih bergabung dengan Health eHeart Study. Partisipan studi ini rata-rata berusia 45 tahun, 53% adalah laki-laki dan 7% partisipan melaporkan, mengidap diabetes (Science Daily, 6/3/2019).

“Diabetes can be asymptomatic for a long period of time, yet adverse vascular changes still occur silently, which can lead to cardiovascular complications. This makes it especially important for us to examine low-cost, noninvasive opportunities that make it easy to screen millions of people. To date, a noninvasive, widely-scalable screening tool for diabetes has been lacking. Based on our findings, this strategy could become a low-cost way to screen for diabetes at home because it can be derived from any optical system that has a camera and a flashlight, and most people have a smartphone,” papar Robert Avram, MD (ACC, 6/3/2019).

Robert Avram, MD dan koleganya mengembangkan algoritma deep-learning rekaman sinyal PPG berbasis ponsel partisipan guna mengidentifikasi pasien diabetes. Secara umum, model ini mengidentifikasi secara tepat pengidap diabetes untuk lebih dari 72 kasus penggunaan sinyal PPG dan nilai perkiraan negatif 97%. Artinya, dari 100 partisipan yang diprediksi tidak memiliki diabetes, 97 benar-benar tidak mengidap penyakit itu (Science Daily, 6/3/2019).

Ketika menggabungkan skor diabetes dengan faktor risiko umum lainnya, seperti usia, jenis kelamin, indeks massa tubuh dan ras  atau suku, kemampuan mengidentifikasi seseorang mengidap diabetes atau tidak, meningkat ke 81%. Sasaran penggabungan ini ialah menentukan apakah aplikasi teknologi ponsel ini sebanding dengan skor risiko diabetes menurut perkiraan teknologi klinis lainnya selama ini (Science Daily, 6/3/2019).

Fokus riset Avram ialah aplikasi dan uji-coba intervensi teknologi ponsel seperti Fitbits, Apple Watches, dan lain-lain, untuk meningkatkan diagnosa penyakit. Untuk validasi riset dan uji-cobanya, Avram dan koleganya menguji algoritma baru dengan klinik pencegahan kardiovaskular.  “The potential to transition screening that's normally done by physicians or nurses to the patient themselves through a smartphone app is a very novel concept and gives us a glimpse into how health care might work in the future. We are hopeful this technology will assist with early diabetes detection. A positive screening test would still require a physician to confirm the diabetes diagnosis and establish appropriate treatment,” ungkap Robert Avram, MD (American College of Cardiology, 6/3/2019).

Hasil riset itu telah dipresentasi pada Sesi Sains Tahunan American College of Cardiology di New Orleans, Amerika Serikat (AS), pada 16-18 Maret 2019 (Avram, “Predicting Diabetes from Photoplethysmography Using Deep Learning,” on Sunday, March 17, at 3:45 p.m. CT in Poster Hall, Hall F., New Orleans, USA).

Oleh: Servas Pandur