Namun dalam praktiknya, lanjut Fiqey, penelitian di tahun 2016 dan 2020 menunjukkan tingkat kelalaian pasien mencapai 74 persen. Selain itu, pasien mengaku sulit mengenali gejala komplikasi yang berdampak keterlambatan penanganan. “Kondisi terkini, pasien juga kurang mem-follow up data penggantian cairan, sehingga tenaga medis kesulitan untuk mendiagnosis komplikasi lebih dini,” ungkap mahasiswi yang juga anggota tim Robotic Ichiro ITS ini.
Setelah mengkaji puluhan jurnal mengenai Peritoneal Dialysis, Fiqey dan tim menemukan bahwa perubahan warna cairan buangan pasien CAPD dapat digunakan sebagai salah satu indikator awal untuk diagnosa komplikasi. Hal ini juga ditunjukkan berdasarkan tingkat kekeruhan cairan buangan pasien.
“Oleh karena itu, kami mengusung judul penelitian Mobile Virtual Assistant Pendeteksi Dini Risiko Komplikasi Continuous Ambulatory Peritoneal Dialysis pada Penyandang Gagal Ginjal Kronis Berbasis Machine Learning, yang juga kami sebut sebagai SahabatCAPD,” tutur mahasiswi Departemen Teknik Informatika ini.
Aplikasi SahabatCAPD memiliki tiga konsep fungsionalitas utama. Pertama, logbook sebagai pengganti buku catatan dialisis pada pasien yang lebih efektif dan sistematis dalam memberikan follow up data ke tenaga medis. Kedua, chatbot sebagai sistem virtual assistant ketika pasien membutuhkan edukasi mengenai CAPD. Ketiga, model deteksi dini komplikasi berbasis machine learning.