Epilepsi merupakan penyakit jaringan saraf yang menyerang banyak pasien di seluruh dunia, termasuk di negara berkembang. Seseorang yang mengidap epilepsi dapat dengan mudah mengalami serangan secara tiba-tiba dan kapan saja sehingga menyulitkan dalam melakukan aktivitas sehari-hari. Diagnosis dan pengobatan medis dini sangat penting untuk membantu penderita epilepsi. Sistem yang dikembangkan pada penelitian ini sangat membantu dalam pengumpulan data kondisi saraf pasien untuk mendapatkan data yang akurat sebagai dasar diagnosis medis oleh dokter.
Sebelumnya, hal ini sulit dilakukan dalam sistem saat ini, di mana mendeteksi serangan epilepsi memerlukan observasi manual terhadap video pasien. Perangkat EEG yang dapat dipakai dan dikombinasikan dengan aplikasi seluler mengurangi beban pasien karena mereka tidak harus berada di satu tempat selama pengumpulan data EEG. Selain itu, metode pembelajaran mesin yang dikembangkan dalam penelitian ini membantu dokter mengidentifikasi prediksi waktu dan pola serangan epilepsi dengan lebih akurat dan menyeluruh.
Sistem yang dikembangkan dalam penelitian ini terdiri dari beberapa komponen utama yang saling berkaitan. Pertama, perangkat EEG wearable merupakan perangkat perekam sinyal EEG yang dapat dipakai dan terhubung dengan jaringan internet. Kedua, algoritma pembelajaran mesin yang dapat memprediksi serangan epilepsi dari sinyal EEG. Ketiga, server dapat menyimpan data yang dikirim oleh perekam EEG yang dapat dipakai dan menampilkan data pasien serta hasil diagnosis otomatisnya kepada dokter dan keluarga pasien, terhubung dengan aplikasi smartphone (android) untuk memantau kondisi pasien secara terus menerus.
Keseluruhan sistem dijelaskan pada Gambar 1 Dalam mendiagnosis penyakit neurologis menggunakan sinyal EEG, umumnya diperlukan perekaman beberapa saluran sinyal EEG, masing-masing dari lokasi berbeda di kulit kepala. Ditambah dengan lemahnya kekuatan sinyal yang dihasilkan oleh jaringan saraf otak dan sampai ke kulit kepala, maka diperlukan alat perekam yang berkualitas untuk keperluan tersebut.
Seperti pada sistem pengukuran sinyal ECG dan EMG, elektroda untuk mengukur sinyal EEG juga harus menangkap sinyal listrik yang lemah. Oleh karena itu, elektroda jenis ini umumnya menggunakan bahan baku tertentu yaitu Ag/AgCl, yang lebih efektif dalam menangkap sinyal biomedis dibandingkan elektroda yang terbuat dari logam lain. Dalam penggunaannya, elektroda EEG biasanya dibantu dengan pasta gel konduktif sehingga mengurangi impedansi antara kulit dan elektroda. Tutup elektroda EEG digunakan untuk menempatkan setiap elektroda pada posisi tetap selama pengukuran, seperti yang ditunjukkan pada Gambar 2.
Pemilihan sistem mikroprosesor harus mempertimbangkan dua hal utama: pertama, harus mempunyai konsumsi energi yang rendah, sehingga dapat dijalankan dalam waktu yang relatif lama dengan menggunakan sumber energi baterai. Kedua: kemampuan komputasi yang memadai untuk menjalankan algoritma pembelajaran mesin berbasis Python dan memproses data EEG yang ekstensif.
Digunakan sistem mikroprosesor berbasis Raspberry Pi yang sudah banyak digunakan pada sistem wearable yang membutuhkan komputasi relatif tinggi, seperti terlihat pada Gambar 3. Keuntungan menggunakan sistem berbasis Raspberry Pi adalah bersifat open source sehingga memudahkan untuk pengembangan sistem lebih lanjut. Selain itu, sistem Raspberry Pi juga telah diuji secara ekstensif baik oleh pabrikannya sendiri maupun oleh peneliti lain di seluruh dunia, sehingga kualitasnya dapat diandalkan.
Sistem deteksi otomatis berbasis machine learning memudahkan dokter dalam memilah data pasien untuk mendiagnosis kondisi kesehatan pasien dengan cepat dan akurat. Hal ini juga membantu meringankan beban pikiran keluarga karena kesehatan pasien dapat dipantau melalui aplikasi smartphone yang terhubung dengan server.
Terakhir, perangkat wearable EEG pada akhirnya dapat membantu pemerintah dalam mendistribusikan kualitas layanan kesehatan bagi masyarakat dengan menghilangkan batasan geografis yang menghambat layanan medis, terutama bagi pasien yang tinggal di daerah atau pulau terpencil. Perangkat kesehatan berbasis IoT memungkinkan pasien di wilayah tersebut mendapatkan diagnosis berkualitas dari dokter atau tenaga medis di rumah sakit besar di kota-kota besar tanpa harus melakukan perjalanan jauh yang menyita waktu, biaya, dan tenaga.
Penulis: Erwin Sutanto, S.T., M.Sc.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Fahmi Fahmi, Wervyan Shalannanda, Muhammad Yazid, Erwin Sutanto.
Konferensi Internasional Ilmu Komputer dan Teknologi Informasi (ICOSNIKOM) 2023. 10-11 November 2023. Binjia, Indonesia.
26-Desember-2023
