Diabetes tipe 2 (T2D) telah muncul sebagai salah satu penyakit kronis yang paling rentan dialami orang. Orang dengan penyakit ini menjadi semakin rentan terhadap infeksi dan penyakit rumit akibat aspek gaya hidup yang tidak sehat, terutama kebiasaan makan yang buruk dan kurang olahraga. Ketika itu terjadi, glukosa darah menjadi tidak terkelola dengan baik, yang menyebabkan sejumlah kesulitan, seperti penglihatan kabur, kesulitan mendengar, masalah kesehatan mulut, masalah hati, dan lain-lain. Penyakit hati berlemak non-alkohol (NAFLD) sangat mungkin terjadi pada orang dengan T2D. Diabetes tipe 2 adalah salah satu faktor risiko NAFLD, tetapi bisa juga sebaliknya.
Penyakit hati berlemak non-alkohol berpotensi menjadi faktor T2D (pradiabetes dan diabetes), karena hati sangat penting dalam mengendalikan kadar gula darah dalam tubuh. Selain itu, meningkatkan resistensi tubuh terhadap insulin, menempatkan pankreas dan sel beta di bawah tekanan dan mempercepat timbulnya T2D. Oleh karena itu, T2D dan NAFLD berkorelasi satu sama lain, dan umumnya terjadi bersama. Ketika ini terjadi, berpotensi menyebabkan kondisi kronis dan komplikasi, seperti perkembangan penyakit kardiovaskular (CVD), penyakit ginjal kronis (CKD), dan stroke, yang dapat mengakibatkan risiko yang lebih tinggi, yaitu kematian.
Seiring dengan tingginya dan peningkatan jumlah T2D dan NAFLD, analisis dan penilaian skor skrining T2D pada orang dengan NAFLD perlu dilakukan. Untuk mencegah kasus potensial ini, model prediksi dini yang efektif juga perlu dikembangkan, yang dapat membantu pasien terhindar dari bahaya kedua penyakit yang ada. Selain analisis dan penilaian skor skrining penyakit menggunakan analisis statistik, metode lain yang banyak digunakan untuk menilai skor skrining adalah analisis berbasis pembelajaran mesin (machine learning) yang telah banyak dan berhasil digunakan dalam informatika medis.
Dalam penelitian ini, penulis mengusulkan model prediksi T2D menggunakan model pembelajaran mesin berbasis multilayer perceptron (MLP) yang dikombinasikan dengan metode pemilihan fitur berbasis regresi logistik yang bertujuan untuk menganalisis dan menilai skor skrining T2D di antara pasien dengan NAFLD.
Hasil analisis menunjukkan bahwa prevalensi T2D di antara pasien dengan NAFLD adalah 8,13% (untuk pradiabetes) dan 37,19% (untuk diabetes) dalam dua kumpulan data NAFLD berbasis populasi. Variabel yang terkait dengan uji klinis, seperti alanine aminotransferase (ALT), aspartate aminotransferase (AST), alkaline phosphatase (ALP), gamma-glutamyl transferase (GGT), dan tekanan darah sistolik (SBP), ditemukan sebagai prediktor yang signifikan secara statistik (p-value <0,001) yang menunjukkan hubungan yang kuat dengan T2D di antara pasien dengan NAFLD baik pada dataset pradiabetes dan diabetes NAFLD.
Akhirnya, model yang kami usulkan menunjukkan kinerja terbaik dalam hal semua metrik evaluasi kinerja dibandingkan dengan berbagai model pembelajaran mesin yang ada dan juga model yang menggunakan variabel yang direkomendasikan oleh WHO/CDC/ADA, dengan akurasi yang dicapai sebanyak 92,11% dan 83,05% dan skor peningkatan setelah pemilihan fitur masing-masing sebesar 1,35% dan 5,35%, untuk dataset pertama dan kedua.
Penulis:
Siti Maghfirotul Ulyah
Sumber: Performance Analysis and Assessment of Type 2 Diabetes Screening Scores in Patients with Non-Alcoholic Fatty Liver Disease.
