FK-KMK UGM. Dosen Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan (FK-KMK) UGM bersama tim peneliti memublikasikan artikel ilmiah dengan judul “Prediction of In-hospital Mortality in Patients with Acute Myocardial Infarction Following Primary Percutaneous Coronary Intervention: A Machine Learning Approach” pada jurnal Heart & Lung tahun 2025. Artikel yang dipublikasikan pada tahun 2026 tersebut ditulis oleh Bayu Fandhi Achmad, S.Kep., Ns., M.Kep., Ph.D. bersama kolaborator internasional dari National Cheng Kung University, Taiwan, yaitu Jun-Neng Roan, M.D., Ph.D., Chao-Hung Wang, M.D., Ph.D., Mei-Ling Tsai, M.S., Ph.D., Shan-Tair Wang, Ph.D., dan Hsing-Mei Chen, Ph.D., RN. Penelitian ini mengembangkan model kecerdasan buatan (Artificial Intelligence/AI) berbasis machine learning untuk memprediksi risiko kematian pasien serangan jantung akut (Acute Myocardial Infarction/AMI) yang menjalani tindakan primary percutaneous coronary intervention (pPCI) di salah satu rumah sakit rujukan di Indonesia.
Penelitian ini dilatarbelakangi oleh masih tingginya angka kematian akibat penyakit kardiovaskular yang menjadi salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Meskipun tindakan pPCI telah menjadi standar terapi untuk membuka kembali aliran darah pada pasien AMI, risiko komplikasi dan kematian selama perawatan di rumah sakit masih cukup tinggi. Oleh karena itu, diperlukan sistem prediksi yang mampu membantu tenaga kesehatan mengidentifikasi pasien dengan risiko tinggi secara lebih cepat dan akurat.
Dalam penelitian ini, tim peneliti menganalisis data klinis sebanyak 1.968 pasien AMI yang menjalani pPCI selama periode 2019–2023. Hasil analisis menunjukkan bahwa angka kematian selama perawatan di rumah sakit mencapai 17,68 persen. Berdasarkan berbagai model machine learning yang diuji, algoritma Random Forest menunjukkan performa terbaik dengan tingkat akurasi yang sangat tinggi, ditunjukkan oleh nilai Area Under Curve (AUC) sebesar 0,976.
Model prediksi tersebut memanfaatkan sejumlah parameter klinis penting, seperti tekanan darah, kondisi syok kardiogenik, fungsi ginjal, serta fungsi jantung pasien. Dengan mengintegrasikan berbagai variabel tersebut, sistem mampu memberikan gambaran risiko kematian secara lebih komprehensif dibandingkan metode konvensional. Temuan ini membuka peluang penerapan teknologi kecerdasan buatan sebagai alat bantu pengambilan keputusan klinis yang dapat meningkatkan efektivitas pelayanan kesehatan.
Menurut tim peneliti, penerapan model AI ini sangat relevan dengan kondisi sistem kesehatan Indonesia yang masih menghadapi berbagai tantangan, mulai dari keterbatasan akses terhadap layanan PCI, jarak fasilitas rujukan yang jauh, hingga rendahnya kesadaran masyarakat terhadap gejala awal serangan jantung. Dengan adanya sistem prediksi dini, tenaga kesehatan dapat melakukan prioritas penanganan pada pasien berisiko tinggi sehingga peluang keselamatan pasien menjadi lebih besar.
Selain memberikan manfaat klinis, penelitian ini juga menunjukkan bagaimana teknologi digital dapat dimanfaatkan untuk mendukung transformasi layanan kesehatan yang lebih modern dan berbasis data. Kolaborasi antara peneliti Indonesia dan Taiwan dalam penelitian ini turut memperlihatkan pentingnya kerja sama internasional dalam mengembangkan solusi inovatif untuk menghadapi tantangan kesehatan global.
Penelitian ini memiliki keterkaitan erat dengan SDG 3: Kehidupan Sehat dan Sejahtera melalui upaya menurunkan angka kematian akibat penyakit kardiovaskular dan meningkatkan kualitas layanan kesehatan berbasis bukti. Selain itu, penelitian ini mendukung SDG 9: Industri, Inovasi, dan Infrastruktur melalui pengembangan serta penerapan teknologi kecerdasan buatan dalam sistem pelayanan kesehatan. Kolaborasi antara FK-KMK UGM dan National Cheng Kung University Taiwan juga mencerminkan implementasi SDG 17: Kemitraan untuk Mencapai Tujuan. (Kontributor: Bayu Fandhi Achmad, S.Kep., Ns., M.Kep., PhD).
