Telaah Sistematis Terhadap Analisis Penggunaan Algoritma Machine Learning untuk Acute Kidney Injury pada Pasien dengan Infark Miokard

Abstract

Acute kidney injury (AKI) merupakan kondisi yang umum terjadi dan memiliki kontribusi terhadap morbiditas dan mortalitas yang tinggi pada pasien yang mengalami infark miokard. Identifikasi dini dan intervensi yang tepat pada pasien berisiko AKI sangat penting, terutama dalam konteks prosedur kardiovaskular seperti angiografi koroner dan bedah jantung. Machine learning (ML) tentunya berpotensi besar dalam mendukung deteksi dini AKI pada pasien dengan cedera miokard. Oleh karena itu, telaah sistematis ini bertujuan untuk menganalisis studi-studi terkini mengenai penggunaan machine learning untuk deteksi dini AKI pada pasien yang mengalami infark miokard dalam konteks angiografi koroner hingga bedah jantung. Dengan memahami peran teknologi ini, diharapkan dapat ditemukan cara-cara baru untuk meningkatkan deteksi dan pengelolaan AKI, serta mengurangi komplikasi yang terkait dengan cedera ginjal pada pasien kardiovaskular. Tinjauan sistematis ini dibuat berdasarkan dari panduan Preferred Reporting Items for Systematic Review and Meta-Analysis (PRISMA). Basis data didapatkan dari Pubmed, Cochrane Central (Wiley), Embase (Elsevier), serta ClinicalTrials.gov menggunakan operator Boolean AND dan OR dimana dibatasi pencarian dari tahun 2014-2024. Penilaian kualitas studi menggunakan skor QUADAS. Teknologi machine learning dan AI menawarkan alat yang menjanjikan untuk meningkatkan akurasi prediksi, memungkinkan pengawasan yang lebih baik, dan intervensi yang lebih tepat waktu. Namun, beragam jenis algoritma dengan pendekatan yang berbeda dilibatkan dalam studi ini.Penelitian lebih lanjut diperlukan untuk mengintegrasikan teknologi ini ke dalam praktik klinis sehari-hari dan meningkatkan penanganan pasien dengan risiko tinggi AKI.