Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar belakang: Kanker payudara merupakan kanker paling umum yang terjadi pada wanita dan urutan kedua paling umum terjadi secara umum (2.089.000 kasus per tahun 2018), dengan salah satu mortalitas tertinggi (627.000 kematian per tahun 2018). Namun begitu, metode diagnosis histopatologi, standar baku emas penemuan kanker payudara, masih bersifat subjektif terhadap operator peneliti yang mengakibatkan rawannya terjadi diagnosis negatif palsu dan positif palsu. Beberapa studi kemudian meneliti aplikasi dari metode spektrofotometri autofluoresensi sebagai alat diagnosis tambahan dari beragam kanker dengan hasil yang memiliki sensitivitas tinggi dan periode akuisisi data yang singkat. Terlepas hasilnya yang menjanjikan, hingga saat ini belum ada studi aplikasi spektrofotometri autofluoresensi dalam klasifikasi derajat lesi kanker payudara. Penelitian ini dilakukan untuk mengetahui potensi spektrofotometer autofluoresensi sebagai metode klasifikasi jaringan payudara mencit normal, prekanker, dan kanker dalam sediaan blok parafin. Metode: Dalam penelitian ini diukur 640 panjang gelombang mulai dari 420.2–762.9nm terhadap 30 total sampel blok parafin jaringan payudara mencit normal, prekanker, dan kanker. Data autofluoresensi kemudian dianalisis melalui perangkat lunak SPSS untuk uji komparatif dan Orange Data Mining untuk analisis machine learning. Hasil: Terdapat 583 dari 640 panjang gelombang yang dapat menunjukan perbedaan intensitas cahaya antar derajat lesi, dengan 3 di antaranya dapat menunjukkan perbedaan yang bermakna. Logistic Regression merupakan machine learning dengan performa terbaik untuk mengklasifikasi derajat lesi jaringan kanker payudara berdasarkan skor AUC (91,2%), akurasi (83,3%), presisi (83,3%), recall (83,3%), F1 (82.9%), spesifisitas (77,8-100%), dan sensitivitas (87,5%-100%). Kesimpulan: Spektrofotometri autofluoresensi menunjukan performa yang cukup baik dalam aplikasinya mengklasifikasi jaringan payudara mencit normal, prekanker, dan kanker. ......Introduction: Being the most common cancer in women and the second most common in general (2,089,000 cases on 2018), Breast cancer also has one of the highest mortality rate (627,000 deaths on 2018). However, despite the histopathological diagnosis method being the gold standard for breast cancer detection, it is still very subjective to the operator, making it prone to false negative and false positive diagnoses. Several studies investigating the application of the autofluorescence spectrophotometric method as an additional diagnostic tool for various cancers shows high sensitivity results with short data acquisition period. Despite the promising results, until today, there has not been a study of the application of autofluorescence spectrophotometry in the classification of the breast cancer lesions. This study was conducted to determine the potential of the autofluorescence spectrophotometer as a method of classifying normal, precancerous, and cancerous mice breast tissue in paraffin block samples. Method: In this study, 640 wavelengths ranging from 420.2–762.9nm were measured against a total of 30 paraffin block samples of normal, precancerous, and cancer mice breast tissue. The autofluorescence data was then analyzed using SPSS software for comparative testing and Orange Data Mining for machine learning analysis. Result: There are 583 of 640 wavelengths that able to show differences in light intensity between the degrees of lesions, with 3 of them showing significant differences. Logistic Regression is a machine learning with the best performance to classify the degree of breast cancer tissue lesions based on the AUC score (91.2%), accuracy (83.3%), precision (83.3%), recall (83.3%), F1 (82.9%), specificity (77.8-100%), and sensitivity (87.5%- 100%). Conclusion: Autofluorescence spectrophotometry shows a fairly good performance in its application to classify normal, precancerous, and cancerous mice breast tissue.

Abstrak :
ABSTRAK
Latar belakang dan tujuan: Kanker payudara merupakan kanker yang menempati urutan pertama dari keseluruhan kanker pada perempuan di Indonesia dan menurut data dari Indonesia Journal of Cancer 2012 menyebabkan kematian sebesar 458.000 perempuan. Kepadatan payudara merupakan salah satu faktor resiko terjadinya kanker payudara yang dipicu oleh adanya estrogen yang menjadi prekursor jaringan fibrogladular menjadi padat. Pada perempuan dengan kanker payudara dan densitas payudara yang tinggi ditemui juga adanya perlemakan hati yang tinggi. Hubungan antara pasien dengan kanker payudara dengan densitas payudara yang tinggi dan perlemakan hati masih belum banyak diteliti. Penelitian ini bertujuan mengevaluasi kepadatan jaringan payudara yang diperiksa dengan mammografi dan perlemakan hati yang diperiksa dengan ultrasonografi serta melihat hubungannya dengan estrogen reseptor yang diperiksa dengan immunohistokimia. Metode: Penelitian potong lintang menggunakan data sekunder ultrasonografi abdomen dan mammografi dari sistem PACS RS Kanker Dharmais. Penilaian yang dilakukan dengan melihat derajat kepadatan payudara yang diperiksa dengan mammografi dan derajat perlemakan hati yang diperiksa dengan ultrasonografi serta melihat status estrogen reseptor dari immunohistokimia pada pasien kanker payudara tersebut. Analisa data dilakukan dengan mengelompokan kepadatan payudara sampai 50 % dan kelompok lain dengan kepadatan lebih dari 50% dan membandingkan dengan perlemakan hati ringan dan berat. Hasil: Pengelompokan pasien dengan kepadatan payudara sampai 50% menunjukkan terdapat banyak perlemakan hati berat, demikian juga pada kepadatan payudara yang lebih besar dari 50% menunjukkan terdapat lebih banyak lagi perlemakan hati derajat berat namun secara statistik tidak terdapat hubungan yang signifikan dengan Nilai Odds Ratio (OR) = 0.60 dengan 95% Interval Kepercayaan 0.12 – 3.01. Kesimpulan: Hasil penelitian ini menunjukkan adanya kecenderungan hubungan antara kepadatan jaringan payudara yang tinggi dengan perlemakan hati yang juga tinggi walaupun secara statistik tidak menunjukkan hasil yang signifikan.

---

ABSTRACT
Background and Objectives: Breast cancer are the most common cancer and the first in all cancer that affected women in Indonesia and the data from Indonesian Journal of Cancer 2012 said, it cause death for about 458.000 women. Breast density are one of the risk factor that cause breast cancer and estrogen are the precursor for high density of the fibroglandular tissue. Women with breast cancer and high breast density are found to have a high degree of fatty liver. The relationship between breast cancer with high breast density and high fatty liver was unknown. The aim of these research wants to evaluation the breast density on mammography and fatty liver on ultrasound and the relationship with estrogen reseptor which was examined with immunohistochemistry. Method: A cross sectional research is perform using mammography and ultrasound from PACS system. These research wants to evaluation the high breast density with mammograms and fatty liver with ultrasound and their relationship with estrogen receptor by immunohistochemistry. Data was merged in to two groups, one group with breast density until 50% and the other group was breast density more than 50% and compared it with mild and severe fatty liver. Result: Patient with breast density until 50% showed more severe fatty liver as well as patient with breast density more than 50% had more severe fatty liver, although statistically had no significant relationship with Odds Ratio (OR) = 0,60 and confidence interval 0,12-3.01. Conclusion: There are tendency relationship between higher breast density and higher fatty liver although statistically showed no significant relationship.