Pantau Diabetes Tanpa Jarum dengan Teknologi Sinyal Photoplethysmography dan AI

KOMPAS.com - Dr. Ernia Susana, mahasiswa Program Doktor Teknik Elektro, Fakultas Teknik (FT), Universitas Indonesia (UI) telah mengembangkan metode baru untuk memantau kadar gula darah tanpa menggunakan jarum.

Metode ini memanfaatkan teknologi cahaya yang disebut sinyal Photoplethysmography (PPG) dan kecerdasan buatan atau Artificial Intelligence (AI).

Baca juga: Apakah Anda Mengalami Gula Darah Rendah? Ini Ciri-cirinya...

Melansir rilis FTUI pada Selasa (16/7/2024), Ernia mengharapkan dengan inovasi di bidang kesehatan ini orang dapat memantau kadar gula darah pasien diabetes dengan lebih mudah, nyaman, dan terjangkau.

Teknik PPG mengukur perubahan volume darah di pembuluh darah menggunakan cahaya.

Tantangan terbesar dari metode ini adalah gangguan sinyal akibat gerakan dan faktor lainnya.

Untuk mengatasi masalah ini, Ernia menggunakan teknik analisis waktu-frekuensi (Time Frequency Analysis atau TFA) yang berbasis pada transformasi Fourier jangka pendek (Short Time Fourier Transform atau STFT) untuk meningkatkan kualitas sinyal.

Dalam penelitian ini, Ernia melakukannya dalam tiga tahap, yaitu Pengembangan Sistem Pemantauan, Implementasi Teknik TFA, dan Pengujian pada Data Sekunder.

Baca juga: Siapa yang Berisiko Mengalami Gula Darah Tinggi? Ini Penjelasannya...

Dalam mengembangkan sistem pemantauan, Ernia menggabungkan filter elektronik dan AI untuk menciptakan sistem pemantauan gula darah yang lebih akurat.

Pada tahap ini, digunakan data dari 80 orang dewasa yang dikumpulkan selama pandemi Covid-19. Model terbaik yang ditemukan adalah Ensemble Bagged Trees (EBTA) dengan akurasi 97,8 persen.

Kemudian, tahap implementasi teknik TFA digunakan untuk meningkatkan kualitas sinyal yang diinput ke model kecerdasan buatan.

Dari hasil penelitian, model Support Vector Machine (SVM) mampu mencapai akurasi 91,3 persen dengan waktu pelatihan 9,25 detik, sedangkan model Bidirectional Long Short Term Memory (BLSTM) mencapai akurasi 87 persen dengan waktu pelatihan 15 detik.

Erna menjelaskan, pengembangan lebih lanjut dari penelitian ini menggunakan rekomendasi penggunaan algoritma deep learning berbasis BLSTM dengan teknik optimasi yang dapat meningkatkan akurasi dan mengurangi waktu pelatihan.

Baca juga: 10 Makanan yang Baik dan Buruk Saat Gula Darah Tinggi

Selain itu, penelitian ini juga menyarankan pengembangan aplikasi pemantauan BGL berbasis Android untuk pemrosesan data yang lebih cepat dan responsif.

“Pengembangan teknik pemantauan BGL non-invasif ini menawarkan solusi potensial untuk meningkatkan kepatuhan pasien dalam memantau kadar glukosa darah secara rutin," kata Dekan FTUI, Prof. Dr. Ir. Heri Hermansyah, S.T., M.Eng., IPU.

"Dengan akurasi yang tinggi dan waktu pelatihan yang efisien, teknologi ini dapat menjadi alat penting dalam deteksi dini dan manajemen diabetes di masa depan. Penelitian lanjutan diharapkan dapat lebih mengoptimalkan teknologi ini melalui kombinasi algoritma dan pengembangan aplikasi berbasis perangkat mobile,” lanjutnya.