Journal Reading

Predicting Glaucoma before Onset Using

Deep Learning
Anshul Thakur, PhD, Michael Goldbaum, MD, MSc, Siamak Yousefi, PhD

Dipresentasikan Oleh:

Frilly Deyana Zelika, S.Ked

Muhammad Alvi Syahrin, S.Ked

KEPANITERAAN KLINIK BAGIAN ILMUPENYAKIT MATA

FAKULTAS KEDOKTERANUNIVERSITAS RIAU
RUMAH SAKIT UMUM DAERAH ARIFINACHMAD
PROVINSI RIAU
2021

RESUME JURNAL
Nama Jurnal dan edisi : American Academy of Ophtalmology
Judul Artikel : Predicting Glaucoma before Onset Using Deep
Learning
Tanggal/Bulan/Tahun : 29 April 2020
Latar Belakang : Sebagian besar penerapan model deep learning
telah berpusat di sekitar diagnosis glaukoma untuk
tujuan skrining. Glaukoma adalah kelompok
kelainan yang heterogen mewakili penyebab utama
kebutaan kedua secara keseluruhan mempengaruhi
hingga 91 juta orang di seluruh dunia. Glaukoma
memiliki beberapa faktor risiko yang diketahui,
termasuk usia tua usia, etnis Afrika-Amerika,
peningkatan tekanan intraocular sure (IOP), dan
ketebalan kornea sentral yang lebih tipis. Karena
glaukoma bisa jadi asimtomatik, sangat penting
mendeteksinya sebelum kehilangan penglihatan
secara signifikan. Dengan demikian, metode untuk
memprediksi glaukoma bisa berdampak signifikan
terhadap kesehatan masyarakat.
Tujuan : Untuk menilai akurasi model pembelajaran
mendalam dalam memprediksi perkembangan
glaukoma dari foto fundus beberapa tahun sebelum
onset penyakit.
Metodologi : Penelitian ini merupakan penelitian kohort yang
melibatkan 139 mata dari 77 anak miopia sekolah
bulu tangkis di Yogyakarta pada bulan September
2016 - Juli 2017. Subjek dibagi menjadi 2
kelompok yaitu 73 anak pada bulu tangkis dan 66
pada kelompok kontrol. Perkembangan miopia
antara baseline dan follow up 6 bulan di setiap
kelompok dibandingkan dengan menggunakan
Analisis Paired T-Test.Perbedaan perkembangan
miopia pada kedua kelompok dibandingkan dengan
menggunakan Analisis Uji-T Sampel
Independen.Risiko relatif perkembangan miopia
dengan bermain bulu tangkis dianalisis dengan
menggunakan analisis tabel 2x2

Hasil : Penelitian ini mendapatkan hasil rata-rata kelainan

refraksi subjek penelitian -1.03 ± 0.62 D pada
kelompok bulu tangkis dan -1.11 ± 0.66 D pada
kelompok kontrol. Progresivitas myopia diukur
dengan menghitung perbedaan kelainan refraksi
pada awal dan bulan ke-6 pemeriksaan. Terdapat
perbedaan yang signifikan dalam progresivitas
myopia pada kedua kelompok kasus. Terdapat hasil
yang bermakna secara statistik bahwa bulu tangkis
 menjadi faktor pelindung terhadap progresivitas
myopia. Penelitian ini juga mendapatkan hasil
bahwa aktivitas melihat dekat satu-satunya yang
bermakna secara statistik dapat meningkatkan
progresivitas myopia.
Kesimpulan : Model pembelajaran mendalam cukup sensitif
memprediksi mata yang akan berubah menjadi
gambaran awal dari glaucoma. Menjadi contoh
bagaimana metode ini dapat memprediksi tanda-
tanda preklinis dari sebuah penyakit yang dapat
melengkapi uji medis rutin lainnya dan metode-
metode tersebut dapat membuka era baru dalam
pengembangan model pembelajaran mendalam
untuk memprediksi glaukoma yang lebih akurat
serta merupakan suatu kemajuan untuk
mengidentifikasi penyakit kebutaan mata lainnya
pada populasi beresiko.