0458: Muhammad Rivai dkk.
KO-205
SISTIM DIAGNOSA UDARA PERNAPASAN MENGGUNAKAN HIDUNG ELEKTRONIK Muhammad Rivai1), Slamet Hariadi2), Winariani Koesoemoprodjo2), Hari Agus Sujono1), Muhammad Taufiqurrohman3)
Jurusan Teknik Elektro, FTI, Institut Teknologi Sepuluh Nopember, Surabaya Departemen Ilmu Penyakit Paru, Fakultas Kedokteran, UniversitasAirlangga, Surabaya 3)CV. Arif Jaya, Surabaya e-Mail:
[email protected] 1)
2)
Disajikan 29-30 Nop 2012
ABSTRAK Saat ini untuk mendiagnosa penyakit paru biasanya dilakukan pemeriksaan mikroskopik dari contoh jaringan, dahak, darah, rontgen dada dan Computerized-Aided Tomography. Teknik diagnose ini biasanya memerlukan prosedur yang rumit, lama, dan mahal, sehingga masyarakat enggan untuk memeriksakan sesegera mungkin untuk mengetahui penyakit paru yang dideritanya. Untuk itu sangatlah perlu dilakukan penelitian pembuatan alat diagnose udara pernapasan untuk mengetahui secara dini jenis penyakit paru secara non-invasive. Pasien akan merasakan proses pemeriksaan yang mudah, cepat, dan murah. Pada riset ini telah dilakukan pembuatan prototip hidung elektronik untuk mendeteksi jenis penyakit. Metoda Hidung Elektronik terdiri dari deret sensor semikonduktor dan sensor resonator kuarsa yang masing-masing resonator dilapis dengan material pelapis sensor yang sangat peka terhadap uap tertentu. Field Programmable Gate Array digunakan agar menghasilkan ukuran peralatan yang kecil. Metoda Principal Component Analysis sangat efektif digunakan sebagai algoritma klasifikasi yang secara visual dapat menunjukkan tingkat pengenalan jenis uap yang terdeteksi. Pada percobaan telah dilakukan pengujian sistim Hidung Elektronik terhadap uap pernapasan dari pasien penderita penyakit paru. Sistim ini dapat membedakan antara udara pernapasan dari orang sehat, perokok, efusi pleura, Penyakit Paru Obstruksi Kronik, Tuberculosis dan Tumor. Dari hasil penelitian tersebut telah menunjukkan bahwa sistim Hidung Elektronika mampu membedakan pasien penderita penyakit paru. Untuk itu sangat perlu dilakukan penyempurnaan prototip tersebut sehingga dapat diaplikasikan pada dunia kedokteran. Pada tahap penelitian berikutnya adalah miniaturisasi sistim elektronik menggunakan komputer tablet berbasis sistim Android. Metode ini menawarkan ukuran dimensi dan konsumsi daya yang kecil dibanding komputer konvensional serta pengoperasian yang mudah. Kemudian dilakukan rancang bangun algoritma kecerdasan buatan Neural Network untuk pengenalan secara otomatis jenis penyakit paru. Kata Kunci: JenisPenyakitParu, UdaraPernapasan, HidungElektronik, Principal Component Analysis, Neural Network
I.
PENDAHULUAN
Penyakit paru merupakan salah satu masalah kesehatan bagi bangsa Indonesia saat ini. Berdasarkan survey kesehatan rumah tangga (SKRT) yang diselenggarakan oleh Departemen Kesehatan, sekitar 30-40 persen penyakit dan penyebab kematian di Indonesia adalah penyakit paru dengan berbagai bentuknya. Buku SEAMIC Health Statistic menunjukkan bahwa setidaknya ada tiga penyakit paru merupakan bagian dari 10 penyebab kematian utama di Indonesia, yakni tuberkolosis (TBC), pneumonia, dan kanker paru. Jenis penyakit paru lainnya adalah asma, Penyakit Paru Obstruksi Kronis (PPOK) atau Chronic Obstructive Pulmonary Disease (COPD), Cystic Fibrosis (CF), Obstructive Sleep Apnea (OSA), Efusi pleura dan Acute Respiratory Distress Syndrome (ARDS).
Saat ini ada berbagai cara untuk diagnose penyakit paru, yaitu Anamnesis, Pemeriksaan fisik, FotoToraks/ Rontgen, Computerized Aided Tomography (CT) Scan, Magnetic Resonance Imaging (MRI) Scan, Positron Emission Tomography (PET) Scan, Pemeriksaan Sel Dahak dengan mikroskop, Bronskoskopi, Transtoracal Needle Aspiration (TTNA), Pembedahan danTes Darah. Pada udara pernapasan kebanyakan terdiri dari campuran dari nitrogen (N2), oksigen (O2), karbon dioksida (CO2), uap air (H2O) dan ratusan sampai ribuan senyawa yang mudah menguap atau Volatile Organic Compounds (VOC) dengan konsentrasi dalam orde ppm sampai ppb. Material VOC ini dapat dihasilkan di dalam tubuh (endogenous) atau pun terserap sebagai pencemar dari lingkungan (exogenous).
KO-206
0458: Muhammad Rivai dkk.
Terjadi kenaikan konsentrasi pentane dan etana pada kandungan udara pernapasan pasien yang menderita asma, COPD, OSA, pneumonia, dan ARDS.Nitric Oxide (NO) digunakan sebagai petanda penyakit asma dan COPD. Carbon Monoxide (CO) digunakan sebagai petanda penyakit asma, COPD dan CF. Hydrogen peroxide (H2O2) digunakan sebagai petanda penyakit asma, COPD, dan CF. Isoprostanes digunakan sebagai petanda penyakit asma, COPD, dan CF. Secara umum dapat dinyatakan bahwa beberapa gas atau uap senyawa dapat digunakan sebagai parameter atau petanda pengukuran dalam udara pernapasan atau breath marker untuk analisa penyakit [1-4]. Kristal kuarsabiasanyadifungsikan sebagai resonator yang dapat menghasilkan frekuensi yang stabil terhadap adanya perubahan suhu. Terdapat fenomena penurunan frekuensi resonansi kristal kuarsa secara linier terhadap penambahan massa materi pada permukaannya [5]. Rugi friksi pada permukaan kristal mempengaruhi kestabilan frekuensi resonansi yang terjadi [6].Pergesaran frekuensi, F, yang disebabkan oleh massa yang mengendap dipermukaan, M, dapat dinyatakan dengan persamaan Saurbreysehingga kristal kuarsa ini sering disebut dengan Quartz Crystal Microbalance (QCM). Untuk material kristal kuarsa, hubungan antara variabel tersebut dinyatakan dengan
ΔF 2.3 x 10 6 Fo2
ΔM A
sensor ini mempunyai ukuran yang ringkas, murah, sensitivitas yang tinggi, dan tingkat keterulangan yang stabil [8]. Material sensor berupa kristal Metal Oxide Semiconductor (MOS) yang biasanya berupa lapisan tebal material SnO2 yang dicetak pada elektroda emas dan dipanaskan dengan material RuO2. Saat kristal dipanaskan pada suhu antara 300 dan 450C, oksigen terserap pada permukan kristal dengan muatan negatip, dinyatakan
1 * O2 SnO 2 O ad SnO 2 (2) 2 Oksigen yang terserap membentuk penghalang potensial terhadap aliran elektron, ditunjukkan pada Gambar 2. Resistansi sensor digambarkan sebagai penghalang potensial ini. Kehadiran suatu gas tertentu dapat mengakibatkan penurunan jumlah oksigen yang terserap, sehingga penghalang potensial menurun, dinyatakan * CO O ad SnO2 CO2 SnO2 (3)
Penurunan penghalang potensial akan menurunkan resistansi sensor. Sensor ini mempunyai karakteristik tanggapan terhadap beberapa jenis gas atau uap senyawa organik.
(1)
dengan FO adalah frekuensi resonansi dasar kristal, dan A adalah luasan permukaan sensor. Untuk meningkatkan sensitivitas dan selektifitas terhadap uap tertentu, maka permukaan QCM biasanya dilapis dengan material kimia tertentu, ditunjukkan pada Gambar 1. Tingkat serapan uap tergantung dari ukuran dan kepolaran di antara uap dan material pelapis [7].
Gambar 2. Penghalang potensial yang terbentuk oleh oksigen yang terserap.
Gambar 1.QCM sebagai sensor uap. Sensor gas semikonduktor telah digunakan secara luas di berbagai bidang aplikasi. Hal ini disebabkan karena jenis
Metoda fisik, bio-kimia dan biologi molekuler untuk monitoring dan diagnose medic telah berkembang secara pesat. Kebanyakan pengembangan teknologi monitoring dan metoda diagnostic difokuskan pada analisa darah dan urin. Diagnosa berbasis analisa udara pernapasan masih jarang untuk dikembangkan dan jarang digunakan pada pengguna kan praktis di bidang kesehatan. Kelebihan analisa udara
0458: Muhammad Rivai dkk.
KO-207
pernapasan adalah non-invasive, dapat diulang lebih mudah, senyawa yang terkandung dalam udara pernapasan lebih sederhana disbanding dalam serum atauurin, dan realtime monitoring. Sebuah deret sensor yang elemen sensornya mempunyai tanggapan yang berlainan dapat digunakan sebagai pengenal jenis uap. Hal ini meniru sistim penciuman mamalia dalam membedakan jenis uap yang dihirupnya. Pola tanggapan sensor akan membentuk pola yang khas untuk setiap jenis uap, ditunjukkan pada Gambar 3.
Gambar 3. Pola sidik jari sebuah deret sensor
sampel. Dengan demikian masing-masing elemen sensor akan mewakili dimensi ruang, sehingga untuk deret sensor yang terdiri dari 8 elemen sensor akan mempunyai 8 dimensi ruang, sehingga penyelesainnya menjadi lebih kompleks. PCA dapat digunakan untuk mengevaluasi tanggapan dari sebuh deret sensor menjadi komponen tunggal maupun majemuk. Pada dasarnya metode ini mengekspresikan tanggapan vektor X dalam kombinasi linier vektor ortogonal (yang disebut principal vector atau eigenvector), yang masingmasing merupakan sebuah varian di dalam data. Perkalian skalar antara principal vector dengan vektor tanggapan X akan memberikan harga principal component (atau eigenvalue). Principal component yang pertama, dengan eigenvalue yang terbesar, mewakili varian terbesar di dalam data; principal component kedua, dengan eigenvalue yang terbesar kedua, mewakili varian terbesar kedua di dalam data, dan seterusnya. Secara sederhana, PCA merupakan proses mencari sumbu baru melalui titik-titik data tanggapan sensor sedemikian hingga sumbu baru tersebut mengandung varian terbesar diantara kelompok data. Gambar 4 mengilustrasikan tanggapan dua elemen sensor terhadap tiga buah jenis uap. Setiap uap tidak dapat dikenali oleh masing-masing detektor. Terdapat tumpang tindih diantara data A dan B untuk sensor 1 dan data B dan C untuk sensor 2. Tetapi, sebuah vektor baru dapat digambar melalui titiktitik data sedemikian hingga semua kelompok data dapat dipisahkan saat diproyeksikan pada vektor tersebut.
Metoda Principal Component Analysis (PCA) sangat efektif digunakan sebagai algoritma klasifikasi yang secara visual dapat menunjukkan tingkat pengenalan jenis uap yang terdeteksi [9-11].Sebuah deret (array) sensor terdiri dari elemen sensor i yang masing-masing menghasilkan tanggapan terhadap sebuah sampel uap j. Tanggapan deret sensor terhadap sebuah paparan uap dapat dinyatakan dengan sebuah vektor X, dengan masing-masing elemen sensor mempunyai tanggapan terhadap uap tersebut dinyatakan dengan xij, sehingga
X x1 j , x2 j , x3 j ....., xnj
(4)
Tanggapan sebuah deret sensor terhadap sejumlah uap m dapat dinyatakan:
x11 , x 21 , x 31 ........, x n 1 Y x12 , x 22 , x 32 ......., x n 2 (5) x1 m , x 2 m , x 3 m ...., x nm dengan kolom mewakili elemen sensor dan baris mewakili paparan uap. Jika elemen sensor adalah ortogonal, maka elemen di luar diagonal mempunyai harga 0. Namun kenyataannya tidaklah demikian, masing-masing elemen sensor mempunyai tanggapan terhadap lebih dari satu
Gambar 4. Ilustrasi metoda PCA. Tujuan penelitian ini adalah mengimplementasikan metoda baru berupa pengembangan peralatan Hidung Elektronik untuk diagnose udara pernapasan secara noninvasive sehingga dapat mendeteksi secara dini penyakit paru.
KO-208
0458: Muhammad Rivai dkk.
II. METODOLOGI Bahan sensor QCM mempunyai frekuensi resonansi 20 MHz. Material pelapis sensor QCM terdiridari material fasa diam pada kolom kromatografi gas. Pada penelitian ini menggunakan material sensor yang mempunyai kepolaran yang berbeda mulai dari non-polar atau yang mempunyai konstanta McReynolds rendah sampai polar.
maka pada penelitian ini digunakan Field Programmable Gate Array (FPGA). FPGA Spartan 3E merupakan salah satu keluarga FPGA yang diproduksi oleh Xilinx. Spartan 3E tipe Xc3S500E yang digunakan dalam penelitian ini memiliki 500000 gerbang logika. IC Xilinx ini dapat diprogram dan dihapus dengan waktu yang tidak terbatas, dengan VHDL sebagai bahasa pemrogramannya pada perangkat lunak Xilinx Development System. Sistim elektronik yang diimplementasikan pada FPGA dapat dilihat pada Gambar 7. Udara pernapasan ditampung dalam plastic sampel, kemudian dilakukan pengukuran menggunakan peralatan Hidung Elektronik.
Gambar 5. Desain peralatan eksperimental. Untuk melakukan pelapisan material kimia ke permukaan QCM dapat dilakukan dengan menggunakan ultrasonic atomizer. Larutan kimia yang terdiri dari bahan pelarut dan bahan pelapis diubah menjadi kabut dengan cara memberi energy ultrasonic dengan frekuensi 3,4MHz. Kabut tersebut dibawa oleh aliran udara kering ke permukaan QCM. Ketebalan lapisan dapat diamati dengan pengamatan pergeseran frekuensi resonansi dengan menggunakan network analyzer. Jenis sensor lain yang digunakan adalah MOS dari FIGARO Engineering Inc. Jenis sensor ini sangat sensitif, kuat dan tahan terhadap kelembaban udara. Sensor sensitive terhadap Volatile Organic Compounds (VOCs), carbon dioxide, ammonia (berkenaan dengan penyakit ginjal), nitric oxide (berkenaan dengan penyakit bronchiectasis, airway inflammation, dan chronic obstructive pulmonary), sulphides (berkenaan dengan penyakit liver), dan hydrogen. Sistem pengujian yang dibuat dalam penelitian ini ditunjukkan pada Gambar 5. Udara kering digunakan untuk membawa uap sampel ke ruang sensor dan untuk melepaskan molekul uap yang terserap pada lapisan sensor. Suhu dan kelembaban ruang pengujian diamati dan dijaga konstan. Data masing-masing elemen sensor ditransfer ke komputer dengan rangkaian antarmuka melalui komunikasi Universal Serial Bus (USB).
III. HASIL DAN PEMBAHASAN Gambar 6 menunjukkan prototip peralatan Hidung Elektronik yang telah dibuat. Untuk tujuan miniaturisasi,
Gambar 6. PrototipHidungElektronik
Gambar 7. Program VHDL pada FPGA Pada percobaan ini dilakukan pengujian udara pernapasan antara orang sehat, perokok, efusi pleura, PPOK, TBC dan Tumor. Gambar 8 menunjukkan respon Hidung Elektronik saat pemaparan udara pernapasan, sedangkan Gambar 9 menunjukkan respon ternormalisasi udara pernapasan. Masing-masing pola terlihat mempunyai pola yang berbeda. Hal ini terlihat juga bahwa kandungan gas hydrogen pada orang perokok mempunyai taraf yang lebih tinggi disbanding dengan orang yang bukan perokok. Hal ini berkesesuaian dengan hasil penelitian lain yang menggunakan metoda spectro-fluorimetric bahwa rerata kandungan hydrogen peroksida orang perokok lima kali lebih tinggi dari pada orang yang bukan perokok [12].
0458: Muhammad Rivai dkk.
KO-209
Gambar 8. Respon e-Nose saat pemaparan udara pernapasan
Gambar 10. Diagram sebaran udara pernafasan menggunakan PCA Hal ini menandakan bahwa e-Nose yang digunakan dapat membedakan antara orang yang sehat dan jenis penderita penyakit paru.
IV. KESIMPULAN Pada riset ini telah dilakukan rancang bangun sistim diagnosa udara pernapasan untuk deteksi dini penyakit paru secara non-invasive menggunakan Hidung Elektronik. Metoda Hidung Elektronik terdiri dari deret sensor MOS dan QCMyang masing-masing mempunyai respon yang berbeda yang saling tumpnag tindih. FPGA digunakan agar menghasilkan ukuran peralatan yang kecil. MetodaPCA sangat efektif digunakan sebagai algoritma klasifikasi yang secara visual yang dapat menunjukkan tingkat pengenalan jenis uap yang terdeteksi. Pada pengujian udara pernapasan, sistim ini dapat membedakan antara udara pernapasan orang sehat, perokok, efusi pleura, PPOK, TBC danTumor.
DAFTAR PUSTAKA [1] Gambar 9. Respon ternormalisasi udara pernapasan Gambar 10 menunjukkan diagram sebaran udara pernafasan menggunakan PCA. Terlihat bahwa antara udara pernapasan orang sehat, perokok, effusiparu, PPOK, TBC dan Tumor masing-masing menempati posisi yang berbeda.
[2]
C.E. Davis, M.J. Bogan, S.Sankaran, M.A. Molina, B.R. Loyola, W.Zhao, W.H. Benner, M. Schivo, G.R. Farquar, N.J. Kenyon, and M. Frank, (2010), Analysis of Volatile and Non-Volatile Biomarkers in Human Breath Using Differential Mobility Spectrometry (DMS),, IEEE Sensors Journal, Vol. 10, No. 1, pp. 114122. C. Wang, Armstrong Mbi, and M. Shepherd, (2010), A Study on Breath Acetone in Diabetic Patients Using a Cavity Ringdown Breath Analyzer: Exploring Correlations of Breath Acetone With Blood Glucose and Glycohemoglobin A1C, IEEE Sensors Journal, Vol.
KO-210 10, No. 1, pp. 54-63. A.D. Aguilar, E.S. Forzani, L.A. Nagahara, I. Amlani, R. Tsui, and N.J. TaoA, (2008), Breath Ammonia Sensor Based on Conducting Polymer Nano junctions, IEEE Sensors Journal, VOL. 8, NO. 3,pp. 269-273. [4] Cao W, Duan Y., (2006), Breath Analysis: Potential for Clinical Diagnosis and Exposure Assessment, Clinical Chemistry52:5, pp 800–811. [5] M. Rivai, T. Mujiono, Tasripan, (2012), Chemically Coated Quartz Crystal Sensors for Fragrance Recognition, International Journal of Scientific & Engineering Research, Volume 3, Issue 6. [6] N. Liu, J. Yang, and W. Chen, (2011), Effects of Mass Layer Non uniformity on a Quartz-Crystal Microbalance, IEEE Sensors Journal, Vol. 11, No. 4, pp. 934-938. [7] A.D. Wilson, and M. Baietto, (2009), Applications and Advances in Electronic-Nose Technologies, Sensors, 9, pp. 5099-5148 [8] C. Wang, L. Yin, L. Zhang, D. Xiang and R. Gao, (2010), Metal Oxide Gas Sensors: Sensitivity and Influencing Factors, Sensors, 10, pp. 2088-2106 [9] H.P. Hsu and J.S. Shih, (2006), Multi-Channel Surface Acoustic Wave Sensors Based on Principal Component Analysis (PCA) and Linear Discriminate Analysis (LDA) for Organic Vapors, Journal of the Chinese Chemical Society, vol. 53, no.4, pp. 815-824. [10] M. Castro, B. Kumar, J.F. Feller, Z. Haddib A. Amari, and B. Bouchikhi, (2011), Novel e-nose for the discrimination of volatile organic biomarkers with an array of carbon nanotubes (CNT) conductive polymer nano composites (CPC) sensors, Sensors and Actuators B, 159, pp. 213– 219 [11] W. Hidayat, A.Y.M. Shakaff, M.N. Ahmad, and A.H. Adom, (2010), Classification of Agarwood Oil Using an Electronic Nose, Sensors, 10, pp. 4675-4685 [12] Nowak D, Antczak A, Krol M, Pietras T, Shariati B, Bialasiewicz P, Jeczkowski K, Kula P, (1996), Increased content of hydrogen peroxide in the expired breath of cigarette smokers. EurRespir J, 9, pp. 652–657. [3]
0458: Muhammad Rivai dkk.
