Iwan Dwiprahasto: Perbedaan antara revisi

 

Selain faktor genetik yang juga dikonfirmasi Iwan dkk. di atas, faktor risiko lain seperti usia, [[hormon]], [[Diet|diet makan]], dan merokok juga turut memicu kanker. Dalam hal diet makanan, beberapa penelitian mengobservasi korelasi risiko kanker payudara dengan rendahnya konsumsi ikan. [[Asam lemak omega-3]] yang terkandung dalam ikan bermanfaat bagi pencegahan dan penanggulangan kanker payudara. Jenis ikan yang memiliki kandungan tinggi asam lemak omega-3 adalah [[salmon]], [[Makerel|mekarel]], [[tuna]], [[kakap merah]], [[Haring atlantik|herring]], dsb. Akan tetapi, penelitian lanjutan memperlihatkan temuan yang berkebalikan sehingga keberlanjutan riset-riset yang ada melahirkan temuan yang tidak konsisten. Iwan Dwiprahasto dan tiga peneliti lain lantas ingin mengetahui bagaimana efek pelindungan atas zat omega-3 khusus pasien-pasien orang Asia. Hal ini dianggap perlu karena faktor geografis dan pasar pangan menghasilkan pola diet yang berbeda-beda di tiap kawasan. Sebanyak 11 artikel jurnal, yang sesuai dengan identifikasi riset ini, ditelaah kembali dengan metode meta-analisis. Riset Iwan dkk. tersebut menemukan bahwa dalam kasus orang Asia, asam lemak omega-3 dalam kandungan ikan memproduksi efek pelindungan terhadap kanker payudara (OR = 0.80 [95% CI 0.73-0.87, p<0.00001]).<ref>{{Cite journal|last=Nindrea|first=Ricvan Dana|last2=Aryandono|first2=Teguh|last3=Lazuardi|first3=Lutfan|last4=Dwiprahasto|first4=Iwan|date=2019-02-01|title=Protective Effect of Omega-3 Fatty Acids in Fish Consumption Against Breast Cancer in Asian Patients: A Meta-Analysis|url=http://journal.waocp.org/article_82369.html|journal=Asian Pacific Journal of Cancer Prevention|language=en|volume=20|issue=2|pages=327–332|doi=10.31557/APJCP.2019.20.2.327|issn=2476-762X|pmc=PMC6897018|pmid=30803190}}</ref> Adanya inkonsistensi hasil riset-riset yang juga meneliti topik ini diyakini disebabkan oleh perbedaan kebiasaan konsumsi ikan di tiap wilayah. Orang Asia didapati lebih banyak mengkonsumsi ikan dibandingkan orang-orang Eropa dan Amerika Utara.<ref>{{Cite journal|last=Fabian|first=Carol J.|last2=Kimler|first2=Bruce F.|last3=Hursting|first3=Stephen D.|date=2015-05-04|title=Omega-3 fatty acids for breast cancer prevention and survivorship|url=https://doi.org/10.1186/s13058-015-0571-6|journal=Breast Cancer Research|volume=17|issue=1|pages=62|doi=10.1186/s13058-015-0571-6|issn=1465-542X|pmc=PMC4418048|pmid=25936773}}</ref>

Penyebab kanker payudara memang dipacu oleh berbagai faktor. Dari sinilah muncul gagasan bagaimana ''machine learning'' ([[pemelajaran mesin]]) dapat membantu menghitung faktor-faktor risiko sehingga dapat membantu seseorang dalam mengambil keputusan untuk melakukan deteksi dini kanker payudara. Perhitungan risiko penyakit melalui ''machine learning'' dianggap dapat memperlihatkan apakah seseorang punya risiko yang aman dari kanker payudara, masuk dalam kriteria aksi pencegahan kanker payudara, atau bahkan masuk dalam risiko tinggi memiliki kanker payudara.<ref>{{Cite book|url=https://www.worldcat.org/oclc/742421886|title=Data mining : concepts and techniques|last=Han, Jiawei.|date=2012|publisher=Elsevier/Morgan Kaufmann|others=Kamber, Micheline., Pei, Jian (Computer scientist)|isbn=978-0-12-381480-7|edition=3rd ed|location=Amsterdam|oclc=742421886}}</ref><ref>{{Cite journal|last=Chapman|first=W. W.|last2=Fizman|first2=M.|last3=Chapman|first3=B. E.|last4=Haug|first4=P. J.|date=2001-02|title=A comparison of classification algorithms to automatically identify chest X-ray reports that support pneumonia|url=https://pubmed.ncbi.nlm.nih.gov/11376542/|journal=Journal of Biomedical Informatics|volume=34|issue=1|pages=4–14|doi=10.1006/jbin.2001.1000|issn=1532-0464|pmid=11376542}}</ref> Iwan kembali berkolaborasi dengan tiga penelitian lain untuk mengulas ''machine learning'' mana yang memiliki akurasi paling tinggi dalam mendeteksi kanker payudara, yakni melalui pendekatan: Naive Bayes, Neural Network, Decision Tree, Logistic Regression, Linear Discriminant Analysis, Super Vector Machine (SVM), K-Nearest Neighbor. [[Penelitian kuantitatif]] dengan desain riset meta-analisis ini meneliti jurnal ilmiah dari 2000-2018 yang menggunakan tiap ''machine learning'' di atas untuk mendeteksi kanker payudara, dan berdasarkan pembatasan riset, terdapat sebelas studi yang sesuai dengan desain penelitian. Uji analisa diagnostik dilakukan dengan menghitung skala sensitivitas dan spesifisitas dari ''dataset'' penelitian yang bersangkutan ke dalam kriteria akurasi nilai Area Under Curve (AUC) melalui kurva Receiver Operating Characteristic (ROC)''.'' Dari olahan perbandingan skala nilai yang ada, dihasilkan bahwa pendekatan SVM menggambarkan perhitungan risiko kanker payudara dengan klasifikasi akurasi yang sangat baik dibandingkan algoritma ''machine learning'' lainnya (AUC > 90%)''.'' Para penelitinya, termasuk Iwan, berkata bahwa ''machine learning'' membantu mengurangi kemungkinan kesalahan yang dapat disebabkan oleh tenaga medis ataupun sebagai data medis yang dapat dimanfaatkan sesuai kebutuhan. Sistem ini juga potensial untuk dikembangkan dalam bentuk [[aplikasi seluler]] sehingga para perempuan dapat menggunakannya dengan mudah.<ref>{{Cite journal|last=Nindrea|first=Ricvan Dana|last2=Aryandono|first2=Teguh|last3=Lazuardi|first3=Lutfan|last4=Dwiprahasto|first4=Iwan|date=2018-07|title=Diagnostic Accuracy of Different Machine Learning Algorithms for Breast Cancer Risk Calculation: a Meta-Analysis|url=http://doi.org/10.22034/APJCP.2018.19.7.1747|journal=Asian Pacific Journal of Cancer Prevention|volume=19|issue=7|doi=10.22034/APJCP.2018.19.7.1747|pmc=PMC6165638|pmid=30049182}}</ref>

<br />