Terobosan FKUI: Machine Learning Prediksi Keberhasilan Terapi Epilepsi Resisten Obat pada Anak

FKUI mengembangkan model Machine Learning untuk memprediksi keberhasilan terapi epilepsi resisten obat pada anak, meningkatkan akurasi penilaian klinis dan keputusan penanganan. Penasaran bagaimana inovasi ini bekerja?

Depok, 16 Januari 2026 – Fakultas Kedokteran Universitas Indonesia (FKUI) kembali menunjukkan inovasinya dalam dunia medis. Seorang doktor dari Program Studi Ilmu Kedokteran FKUI, Achmad Rafli, berhasil mengembangkan sebuah model Machine Learning Epilepsi Anak untuk memprediksi keberhasilan tata laksana pada anak dengan epilepsi resisten obat (ERO).

Pengembangan ini diharapkan dapat membawa dampak signifikan dalam penanganan kondisi neurologis yang kompleks ini. Model kecerdasan buatan tersebut dirancang untuk meningkatkan akurasi penilaian klinis, sekaligus mendukung pengambilan keputusan terapi yang lebih tepat dan personalisasi.

Inovasi ini menjadi angin segar bagi para dokter dan keluarga pasien, mengingat tantangan besar dalam pemilihan obat antiepilepsi (OAE) yang efektif. Variasi karakteristik intrinsik pasien seringkali menyebabkan respons pengobatan yang sangat beragam, sehingga memerlukan pendekatan yang lebih canggih.

Tantangan Penanganan Epilepsi Resisten Obat pada Anak

Epilepsi merupakan gangguan neurologis yang sering kali muncul pada tahun pertama kehidupan, dengan insidensi tertinggi pada masa bayi. Kondisi ini dapat berkembang menjadi epilepsi resisten obat (ERO) pada sekitar 6–14 persen anak yang mengalaminya.

ERO didefinisikan sebagai kegagalan mengendalikan kejang, meskipun pasien telah diberikan dua jenis obat antiepilepsi (OAE) yang sesuai dengan dosis maksimal yang masih dapat ditoleransi. Pemilihan OAE yang tepat menjadi aspek krusial, namun sulit karena respons pengobatan sangat bervariasi antar individu.

Achmad Rafli, dosen Ilmu Kesehatan Anak FKUI, menyoroti bahwa pemeriksaan biomarker untuk memprediksi respons individu terhadap OAE masih sulit dilakukan. Selain itu, penatalaksanaan ERO pada anak juga menghadapi berbagai kendala.

Keterbatasan fasilitas pemeriksaan genetik, waktu tunggu yang panjang untuk pemeriksaan magnetic resonance imaging (MRI), serta pemilihan atau kombinasi OAE yang belum optimal, seringkali menyebabkan frekuensi kejang belum terkontrol secara maksimal.

Inovasi Machine Learning dalam Terapi Epilepsi Anak

Menjawab tantangan tersebut, Dr. Achmad Rafli mengembangkan pemanfaatan kecerdasan buatan (AI), khususnya Machine Learning Epilepsi Anak. Teknologi ini memiliki kemampuan untuk mempelajari pola kompleks dari data klinis pasien.

Melalui penelitiannya yang berjudul "Pengembangan Model Machine Learning dalam Memprediksi Keberhasilan Tata Laksana pada Anak dengan Epilepsi Resisten Obat", Rafli berupaya menciptakan alat prediksi yang lebih akurat. Model ini diharapkan dapat memberikan panduan yang lebih baik bagi klinisi.

Keberhasilan pengobatan dalam penelitian ini dinilai melalui pemantauan frekuensi kejang selama tiga bulan. Kategori terkontrol ditetapkan apabila terjadi penurunan frekuensi kejang sebesar 75 persen atau lebih.

Penerapan Machine Learning Epilepsi Anak ini memungkinkan identifikasi faktor-faktor yang mempengaruhi respons terapi secara lebih mendalam. Ini akan membantu dokter dalam merancang strategi pengobatan yang lebih personal dan efektif untuk setiap anak.

Dampak dan Harapan untuk Pasien Anak

Pengembangan model Machine Learning Epilepsi Anak oleh FKUI ini membawa harapan besar bagi peningkatan kualitas hidup anak-anak penderita ERO. Dengan prediksi yang lebih akurat, intervensi medis dapat dilakukan lebih cepat dan tepat.

Inovasi ini tidak hanya mempercepat proses diagnosis dan penentuan terapi, tetapi juga berpotensi mengurangi beban emosional dan finansial bagi keluarga. Penanganan yang lebih efektif dapat meminimalkan komplikasi jangka panjang akibat kejang yang tidak terkontrol.

Kehadiran teknologi kecerdasan buatan dalam bidang kedokteran, khususnya pediatri, menunjukkan kemajuan signifikan dalam pendekatan perawatan. Harapannya, model ini dapat segera diimplementasikan secara luas.

Dengan demikian, lebih banyak anak dengan epilepsi resisten obat dapat menerima penatalaksanaan yang optimal, menuju kualitas hidup yang lebih baik dan masa depan yang lebih cerah.

Sumber: AntaraNews