TRIBUNNEWS.COM, SURABAYA - Mahasiswa Institut Teknologi Sepuluh Nopember (ITS) ciptakan aplikasi SahabatCAPD.

Aplikasi tersebut dilengkap dengan teknologi machine learning membantu pasien GGK mendeteksi dini risiko komplikasi serta meningkatkan self-monitoring pasien.

Pasien Gagal Ginjal Kronis (GGK) yang menggunakan metode Continuous Ambulatory Peritoneal Dialysis (CAPD) seringkali menemui masalah self-monitoring yang berakibat komplikasi.

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

“Metode CAPD menjadi alternatif karena pasien bisa memiliki kualitas hidup 90 persen lebih baik daripada metode terapi lainnya,” ujar Fiqey kepada SURYA.co.id, Jumat (4/2/2022).

Baca juga: Viral di Media Sosial, Gadis Amerika Diputus Usai Sumbang Ginjal untuk Kekasihnya

Lebih lanjut, Fiqey menjelaskan 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, Fiqey menyebut penelitian di tahun 2016 dan 2020 menunjukkan tingkat kelalaian pasien mencapai 74 persen.

Selain itu, pasien mengaku sulit mengenali gejala komplikasi yang berdampak keterlambatan penanganan.

Baca juga: Usai Dipecat dari Perangkat Desa, Warga Sumut Ini Berniat Jual Ginjal Biaya ke Pengadilan

“Kondisi terkini, pasien juga kurang mem-follow up data penggantian cairan, sehingga tenaga medis kesulitan untuk mendiagnosis komplikasi lebih dini,” ungkap mahasiswi yang juga anggota tim Robotic Ichiro ITS ini.

Setelah mengkaji puluhan jurnal mengenai Peritoneal Dialysis, Fiqey dan tim menemukan 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 mahasiswi Departemen Teknik Informatika ini.