FK-KMK UGM. Dosen Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan Universitas Gadjah Mada (FK-KMK UGM) bersama tim peneliti memublikasikan penelitian tentang pentingnya pemanfaatan profil sel imun untuk memprediksi secara dini sepsis-associated acute kidney disease (SA-AKD), salah satu komplikasi paling serius pada pasien sepsis. Penelitian ini dilakukan untuk menjawab tantangan keterbatasan biomarker konvensional dalam mendeteksi risiko kerusakan ginjal sejak tahap awal, serta mendorong penerapan inovasi berbasis data dalam praktik klinis.
Penelitian tersebut dimuat dalam Biomarker Research, Volume 13, artikel nomor 160 (2025), dengan judul “Immune cell profiling supports early prediction of sepsis-associated acute kidney disease using a decision tree algorithm.” Artikel ini ditulis oleh Mei-Yi Wu, Chun-Hao Lai, Yen-Ling Chiu, Po-Chun Tseng, Josephine Diony Nanda, Chiou-Feng Lin, dan Mai-Szu Wu, dipublikasikan secara terbuka pada 30 Desember 2025. Keterlibatan peneliti dari FK-KMK UGM menegaskan kontribusi institusi akademik Indonesia dalam pengembangan riset kesehatan berkelas internasional.
Sepsis diketahui sebagai salah satu penyebab utama terjadinya cedera ginjal akut yang dapat berkembang menjadi SA-AKD dengan tingkat kematian yang tinggi. Selama ini, prediksi dini kondisi tersebut masih mengandalkan indikator seperti blood urea nitrogen (BUN) dan kreatinin serum, yang kerap kurang sensitif dalam mendeteksi perubahan awal fungsi ginjal. Melalui pendekatan baru, penelitian ini mengombinasikan data klinis dengan analisis profil sel imun untuk meningkatkan ketepatan prediksi.
Studi ini melibatkan 138 pasien sepsis dengan analisis mendalam terhadap ekspresi dan fenotipe sel imun, termasuk subset sel T dan sel natural killer (NK). Hasil penelitian menunjukkan bahwa penurunan jumlah naïve regulatory T cells (Treg) serta peningkatan sel NK CD56 dim berkaitan erat dengan terjadinya kerusakan ginjal. Ketika variabel imun tersebut diintegrasikan dengan parameter klinis menggunakan algoritma decision tree, tingkat akurasi prediksi mencapai 89,62 persen, dengan sensitivitas 94,4 persen dan spesifisitas 87,1 persen.
Temuan ini menunjukkan bahwa integrasi biomarker imun dan teknologi machine learning berpotensi menjadi alat bantu klinis yang lebih presisi dalam pengambilan keputusan medis. Pendekatan ini diharapkan dapat membantu tenaga kesehatan melakukan intervensi lebih cepat, sehingga mencegah perburukan kondisi pasien sepsis. Penelitian ini menegaskan bahwa pemanfaatan profil sel imun yang dikombinasikan dengan analisis berbasis algoritma dapat meningkatkan prediksi dini SA-AKD secara signifikan. Inovasi ini membuka peluang penerapan teknologi analitik canggih dalam layanan kesehatan, sekaligus memperkuat peran perguruan tinggi dalam menghasilkan solusi berbasis bukti untuk tantangan klinis yang kompleks.
Riset ini berkontribusi pada SDG 3: Kehidupan Sehat dan Sejahtera, SDG 4: Pendidikan Berkualitas, serta SDG 17: Kemitraan untuk Mencapai Tujuan melalui pengembangan inovasi medis untuk menurunkan angka kematian akibat penyakit kritis, serta mendukung penguatan sistem kesehatan yang berkelanjutan dengan pemanfaatan ilmu pengetahuan, teknologi, dan kolaborasi riset internasional. (Kontributor: Josephine Diony Nanda).
