Untuk mengatasi berbagai masalah tersebut, suatu algoritme digital yang menganalisis suara batuk dan gejala yang dilaporkan pasien mulai dikembangkan. Penelitian awal menunjukkan bahwa analisis suara batuk untuk diagnosis penyakit saluran napas memiliki sensitivitas 94% dan spesifisitas 88%.[2-4]

Pengembangan Aplikasi Analisis Batuk untuk Diagnosis Pneumonia

Pengembangan aplikasi analisis batuk untuk diagnosis pneumonia didasarkan pada prinsip yang mirip dengan teknologi pengenalan suara. Deteksi otomatis dan analisis suara batuk memerlukan sejumlah piranti lunak yang memiliki tiga karakteristik penting.

Pertama, aplikasi harus mampu mengenali suara batuk dan membedakannya dari suara napas lain (cough recognition). Kedua, apabila terdapat beberapa segmen batuk (batuk terjadi lebih dari satu kali dalam rentang waktu tertentu), aplikasi harus mampu membagi segmen batuk (cough segmentation). Ketiga, aplikasi memiliki fitur analisis suara batuk dan menghubungkannya dengan diagnosis tertentu.

Setelah segmen batuk dipisahkan, piranti lunak menghitung secara matematik dengan menggunakan algoritme machine learning, sehingga dapat memprediksi karakteristik batuk dengan diagnosis tertentu.[2,5,6]

Tantangan yang mungkin dihadapi adalah tidak semua penyakit saluran napas memiliki tipe batuk yang mudah dibedakan, seperti batuk rejan pada pertusis. Selain itu, terdapat heterogenitas suara batuk yang tinggi di populasi dan terdapat proporsi pasien yang mungkin memiliki >1 penyakit saluran napas dengan karakteristik suara batuk yang mirip. Contohnya adalah asma eksaserbasi akut yang disertai pneumonia.[5]

Akurasi Diagnosis Pneumonia Komunitas dengan Aplikasi Analisis Batuk

Porter, et al., melakukan studi prospektif terhadap 585 anak untuk mengetahui apakah algoritme analisis batuk akurat untuk diagnosis penyakit saluran napas yang umum diderita anak. Suara batuk anak di lingkungan klinik direkam dan lima batuk pertama digunakan dalam analisis. Selain itu, lima gejala (demam, hidung berair, mengi, suara parau, dan durasi gejala) juga dikumpulkan berdasarkan laporan orang tua pasien.

Hasil studi ini menunjukkan bahwa positive percentage agreement (PPA) dan negative percentage agreement (NPA) antara algoritme dan penilaian klinis dokter untuk diagnosis pneumonia mencapai 87% dan 85%. Studi ini menyimpulkan bahwa algoritme analisis suara batuk tidak inferior dibandingkan diagnosis konvensional.[4]

Dalam studi kohort prospektif lanjutan terhadap 322 pasien, Porter, et al., juga menguji performa algoritme yang dirancang untuk mendiagnosis pneumonia komunitas pada populasi remaja dan dewasa di klinik layanan primer atau situasi layanan akut lainnya. Lima segmen suara batuk direkam dan empat data anamnesis gejala yang dilaporkan pasien (demam, batuk akut, batuk produktif, dan usia) dicatat dan disimpan dalam algoritme smartphone.

Kesesuaian diagnosis oleh algoritme dibandingkan dengan diagnosis akhir oleh dokter spesialis. Dari total 322 partisipan, PPA dan NPA diagnosis pneumonia komunitas adalah 86,2% dan 86,5%. Persentase kesesuaian diagnosis relatif tetap sama pada pasien dengan derajat keparahan pneumonia yang berbeda-beda, yakni 85,1% untuk partisipan dengan skor 1–2 menurut kriteria CURB-65 dan 87,7% untuk partisipan dengan skor 0 pada CURB-65.[2]

Adanya komorbiditas berupa gagal jantung dapat menjadi penyulit saat membedakan manifestasi gangguan napas akibat gagal jantung atau akibat pneumonia pada orang lanjut usia. Namun, hasil penelitian menunjukkan bahwa akurasi diagnosis aplikasi analisis batuk pada kelompok usia >65 tahun masih tetap baik.[2,4]

Potensi Manfaat Aplikasi Analisis Batuk untuk Praktik Klinis

Algoritme dalam aplikasi analisis batuk dapat membedakan pneumonia dari penyakit respirasi lain, seperti asma, croup, dan penyakit saluran napas atas. Hal ini memiliki dua manfaat klinis penting. Pertama, algoritme dapat mencegah kesalahan klasifikasi asma dan mencegah pemakaian antibiotik yang tidak perlu.

Kedua, kemampuan algoritme untuk membedakan penyakit saluran napas atas dari penyakit saluran napas bawah dapat berguna untuk triase, layanan telemedicine, dan pelayanan kesehatan di negara dengan sumber daya terbatas seperti Indonesia, sehingga eskalasi rujukan yang tepat dapat dilakukan. Hal ini diharapkan mengurangi beban biaya medis akibat pemeriksaan, terapi, dan rujukan yang kurang tepat.[4]

Kesimpulan

Aplikasi analisis batuk dikembangkan untuk memudahkan proses diagnosis pneumonia komunitas karena metode diagnosis konvensional memiliki sensitivitas dan spesifisitas yang kurang tinggi. Selain itu, diagnosis konvensional dengan pemeriksaan klinis dan radiografis kadang sulit dilakukan di fasilitas kesehatan yang terbatas dan di layanan telemedicine.

Bukti menunjukkan bahwa algoritme analisis batuk dan sistem pelaporan gejala tertentu dari pasien memiliki kesesuaian diagnosis yang baik dengan kriteria diagnosis konvensional pneumonia. Selain itu, algoritme analisis batuk bersifat superior terhadap pemeriksaan konvensional seperti rontgen toraks. Aplikasi ini juga memiliki potensi untuk membedakan pneumonia dari penyakit saluran napas lain.

Manfaat-manfaat tersebut membuat aplikasi analisis batuk menjadi opsi diagnosis yang potensial di berbagai tempat, termasuk di Indonesia. Aplikasi analisis batuk berpotensi digunakan dalam layanan telemedicine dan dalam praktik klinis di negara dengan sumber daya terbatas seperti Indonesia. Penggunaan aplikasi ini diharapkan dapat mempercepat diagnosis, mengurangi risiko kekeliruan diagnosis dan terapi, serta mengurangi biaya medis yang tidak diperlukan.