Bau Napas, Petunjuk Senyap dari Penyakit Ginjal

tirto.id - Selama bertahun-tahun, Penyakit Ginjal Kronis (PGK) dikenal sebagai silent killer. Di Indonesia, penyakit ini terus meningkat tanpa banyak disadari. Data Kementerian Kesehatan menunjukkan lebih dari 700.000 orang hidup dengan PGK, dan banyak dari mereka baru mengetahui kondisinya ketika ginjal sudah berada pada tahap lanjut, saat pilihan penanganan tinggal dialisis atau transplantasi.

Saya melihat persoalan besar bukan hanya pada penyakitnya, tetapi pada cara kita mendeteksinya. Saat ini, diagnosis fungsi ginjal masih bergantung pada pemeriksaan darah dan urine untuk menghitung estimated Glomerular Filtration Rate (eGFR). Metode ini akurat, tetapi tidak selalu mudah diakses. Prosesnya mahal, memakan waktu, dan bagi masyarakat di daerah terpencil yang minim laboratorium dan dokter spesialis sering kali menjadi penghalang.

Dari kegelisahan itulah riset saya bermula.

Bersama tim di BINUS University, saya mencoba melihat tubuh manusia dari sudut yang lebih sederhana. Kami bertanya: apakah tubuh memberi sinyal lebih awal, yang selama ini kita abaikan? Jawabannya kami temukan pada sesuatu yang sangat dekat dengan keseharian: napas.

Amonia dan Sinyal yang Terlewatkan

Ketika fungsi ginjal menurun, tubuh tidak lagi mampu menyaring zat sisa nitrogen secara optimal. Salah satu hasilnya adalah peningkatan kadar amonia dalam darah. Sebagian dari amonia ini kemudian keluar melalui napas, meninggalkan bau kimiawi samar yang sering dianggap sepele.

Dengan kata lain: amonia menjadi biomarker. Kami dapat mendeteksi stadium gagal ginjal hanya dengan menganalisis konsentrasinya di dalam mulut.

Dari titik inilah kami mengembangkan sistem diagnostik non-invasif berbasis napas. Ide dasarnya sederhana: jika amonia dapat diukur secara presisi, maka ia bisa menjadi petunjuk awal kondisi ginjal seseorang, tanpa jarum, tanpa laboratorium besar.

Prototipe yang kami kembangkan memadukan sensor gas MQ137, microcontroller Raspberry Pi, dan sistem pengenalan pola berbasis kecerdasan buatan (AI). Pasien hanya perlu menghembuskan napas selama lima detik, lalu menunggu sekitar tiga menit. Dari sana, sistem membaca konsentrasi amonia dan mengaitkannya dengan kondisi fungsi ginjal.

Pertanyaan paling penting tentu soal akurasi. Seberapa jauh napas bisa “berbicara” dibandingkan tes medis konvensional?

Dalam uji klinis di rumah sakit, parameter amonia khusus pria yang kami kembangkan menunjukkan akurasi hingga 92% berdasarkan data 22 pasien di tiap stadium gagal ginjal. Bahkan, dalam pengujian lanjutan, akurasi mencapai 95% untuk identifikasi stadium gagal ginjal pada pasien pria. Untuk pasien perempuan, parameter khusus masih terus kami validasi.

Namun, kami juga belajar bahwa tubuh tidak bekerja dalam ruang hampa. Konsumsi makanan tinggi protein, misalnya, dapat meningkatkan kadar amonia. Paparan alkohol dari lingkungan juga dapat mengganggu pembacaan sensor. Karena itu, persiapan pasien sebelum tes menjadi faktor krusial agar hasil tetap akurat.

Peran AI dalam Membaca Tubuh

Kecerdasan buatan memainkan peran sentral dalam riset ini. Kami menggunakan algoritma machine learning, khususnya Convolutional Neural Network (CNN), untuk mempelajari hubungan antara kadar amonia dan skor eGFR.

AI dilatih menggunakan data rumah sakit internasional, mencakup individu sehat hingga pasien gagal ginjal. Dari ribuan data tersebut, sistem belajar mengenali threshold amonia untuk setiap stadium penyakit.

Model ini membantu kami memahami “bahasa tubuh” ginjal. Seperti yang sering saya katakan, machine learning membantu melihat pola ketika ginjal mulai berjuang, sesuatu yang sulit ditangkap hanya dengan intuisi manusia.

Saya tidak pernah membayangkan sistem ini sebagai pengganti diagnosis medis konvensional. Tujuan kami adalah menyediakan alat skrining awal, terutama bagi masyarakat yang selama ini sulit menjangkau layanan kesehatan. Perangkat yang ringkas dan berbiaya rendah ini berpotensi digunakan di klinik pedesaan, layanan kesehatan keliling, bahkan di rumah. Di situlah dampak terbesarnya: membawa pencegahan lebih dekat ke masyarakat.

Lebih jauh lagi, riset ini membuka kemungkinan pemanfaatan biosensor untuk mendeteksi penyakit lain, mulai ddari paru-paru, diabetes, hingga gangguan metabolik, melalui napas, keringat, atau cairan tubuh lain yang selama ini luput dari perhatian.

Saya membayangkan suatu hari, pemantauan kesehatan bisa semudah bernapas.

Proyek ini merupakan kolaborasi antara BINUS University dan UCSI University Malaysia. Sejauh ini, kami telah menghasilkan publikasi terindeks Scopus, hak kekayaan intelektual terdaftar, serta prototipe yang diuji di RS An-Nisa Tangerang dan RSUD Cilacap. Ke depan, kami terus menyempurnakan algoritma agar mampu membaca variasi populasi dan perbedaan gender dengan lebih akurat.

Karena tubuh kita selalu berbicara: kita hanya perlu belajar mendengarkannya.