Hasil Pencarian  ::  Simpan CSV :: Kembali

"Latar Belakang: Insiden kanker sel skuamosa rongga mulut (KSSRM) tercatat meningkat pada dekade terakhir, sebagian besar kasus datang dengan stadium lokal lanjut. Kemoterapi induksi merupakan rekomendasi pada sebagian besar kasus stadium lokal lanjut, dengan harapan tumor mengecil sehingga dapat dioperasi lebih baik dan dapat dilakukan preservasi organ. Namun tercatat, 40 % pasien tidak berespon baik terhadap kemoterapi induksi, sehingga berpeluang menambah morbiditas bahkan mengubah status tumor menjadi unresectable. Nilai Apparent Diffusion Coefficient (ADC) pada Diffusion Weighted - MRI (DW-MRI) merupakan parameter fungsional MRI yang berhubungan dengan densitas sel jaringan kondisi matriks ekstraseluler. Sehingga pemeriksaan ini dapat digunakan untuk memprediksi respon kemoterapi pasien.Tujuan: mengetahui hubungan nilai ADC pra pengobatan dengan respon kemoterapi pada pasien KSSRM stadium lokal lanjut.Metode: Desain studi ini adalah kohort retrospektif. Subjek berasal dari pasien KSSRM lokal lanjut yang menjalani kemoterapi induksi di Divisi Bedah Onkologi RSCM periode 2020- 2023). Dilakukan penilaian ADC pada MRI pra pengobatan, selanjutnya dilakukan penilaian respon kemoterapi pada pasien.Hasil: Terdapat 43 subjek dengan nilai median ADC pra pengobatan 1172.49 mm2/s, dan 17 (40%) subjek berespon baik terhadap kemoterapi berbanding 26(60%) subjek tidak respon. Dilakukan analisis hubungan nilai ADC pra pengobatan dengan respon kemoterapi, dengan median nilai ADC pada kelompok responder dibanding non-responder, 1244.04 berbanding 1163.30, nilai p 0.172.Kesimpulan: nilai ADC pra pengobatan tidak berhubungan dengan respon kemoterapi pada kasus KSSRM stadium lokal lanjut.

---

Background: The incidence of oral squamous cell carcinoma (OSCC) has been noted to increase in the last decade, most cases come with locally advanced stages. Induction chemotherapy is a recommendation treatment in most cases of this stage, with purpose that the tumor will shrink so that surgery can be performed better with favourable organ preservation. However, it was noted that 40% of patients did not respond well to induction chemotherapy, most patient would face additional morbidity, tumor progression and worse case became unresectable. The value of the Apparent Diffusion Coefficient (ADC) in Diffusion Weighted - MRI (DW-MRI) is a functional parameter of MRI related to the density of tumor cells and extracellular matrix. So that this examination can be used to predict the patient's chemotherapy response.

Aim: to find association between pretreatment ADC with chemotherapy response of advance stage OSCC patient.

Methods: this is a retrosective cohort study. The subjects are advace stage OSCC patient that undergoing induction chemothrapy at Surgical Oncology Division of Ciptomangukusumo Hospital from 2020 to 2023. Subject’s ADC value was determined at pretreatment MRI and then chemoterapy response was assesed for each subject.

Results: there were 43 subjects, with median pre treatment ADC value was 1172.49 mm2/s, 17 (40%) subjects respond well to chemotherapy and 26(60%) subject were not respond. Further analysis to find association between variables found the median ADC value was 1244.04 for responder subjects vs 1163.30 for non-responder (p 0.172).

Conclusion: pre-treatment ADC value is not associated with chemotherapy response of advance stage OSCC patient."

"Latar Belakang: Kanker kepala dan leher (KKL) termasuk kanker yang paling umum, menempati urutan keenam secara global. Kanker rongga mulut termasuk dalam entitas KKL, yaitu sekitar 75% kasus. Salah satu modalitas terapi onkologi, yaitu radioterapi (RT) dapat menyebabkan efek samping di oral, contohnya seperti berkurangnya fungsi mengunyah dan menelan, serta penurunan nafsu makan yang kemudian berkaitan dengan penurunan berat badan kritis. Penurunan berat badan kritis (PBBK) didefinisikan sebagai penurunan berat badan yang tidak disengaja sebesar 5% pada 1 bulan atau 10% pada 6 bulan sejak dimulainya RT. Tujuan: Mengetahui faktor yang berhubungan dengan PBBK pada pasien RT kepala dan leher di Rumah Sakit Kanker Dharmais. Metode Penelitian: Analisis observasional retrospektif dengan menggunakan data sekunder (rekam medis) dari 125 pasien kanker mulut di Rumah Sakit Kanker Dharmais periode 2018-2022. Hasil: Rata-rata usia pasien adalah 50,2±14,5 tahun terdiri dari laki-laki sebanyak 68 orang (54,4%) dan perempuan sebanyak 57 orang (45,6%). Pasien yang mengalami PBBK pada satu bulan sejak RT selesai sebanyak 69 orang (72,6%). Analisis bivariat untuk melihat faktor yang berpengaruh terhadap PBBK menunjukkan hanya variabel xerostomia selama RT yang signifikan (p = 0,006). Kesimpulan: Xerostomia selama RT merupakan faktor yang berpengaruh terhadap PBBK. Kolaborasi multidisipliner tim onkologi diperlukan untuk mencegah PBBK, termasuk dokter gigi untuk memantau komplikasi oral selama RT.

---

Introduction: Head and neck cancer (HNC) is the sixth most common cancer worldwide. 75% of HNCs are oral cancer. Radiotherapy (RT) is generally an oncology therapy that can develop side effects associated with oral complications due to RT. These complications can interfere with chewing and swallowing, which subsequently cause a decrease in appetite. Furthermore, patients may experience critical weight loss (CWL) defined as involuntary weight loss of 5% at one month or 10% at six months from the start of RT. Objective: To investigate the factor which correlates with CWL in head and neck RT patients treated in Dharmais Cancer Hospital. Methods: A retrospective observational analysis using secondary data (medical records) of 125 oral cancer patients at Dharmais Cancer Hospital in 2018-2022. Results: The mean age of patients was 50,2±14,5 years, with 68 (54,4%) male and 57 (45,6%) female. Sixty-nine patients (72,6%) developed CWL one month after RT, and the only significant factor in CWL was xerostomia during RT (p = 0,006). Conclusion: Xerostomia during RT is an influencing factor of CWL. Multidisciplinary collaboration of the oncology team is needed to prevent CWL, including the dentist to monitor oral complications during RT."

"Pendahuluan: Dalam pembentukan kanker mulut, ada banyak faktor yang memiliki peran besar, salah satunya protein epidermal growth factor receptor atau EGFR. EGFR merupakan gen yang sangat polimorfik dan rentan terhadap mutasi. Mutasi ini menyebabkan reseptor EGFR yang lebih aktif dan sensitif terhadap ligan EGF (epidermal growth factor) sehingga menyebabkan aktivitas persinyalan EGFR yang terus meningkat, proliferasi sel kanker yang tidak terkendali, resistensi terhadap apoptosis, hingga terjadi proses angiogenesis. Indonesia memiliki keanekaragaman hayati yang melimpah, salah satunya adalah tanaman akar manis atau disebut juga Glycyrrhiza glabra. Pada tanaman ini, terdapat delapan jenis flavonoid yang memiliki potensi antikanker yang besar, yaitu isoliquiritigenin, glyzaglabrin, prunetin, shinpterocarpin, licochalcone A, glabridin, glisoflavone, dan isoangustone A. Kedelapan senyawa flavonoid ini berpotensi untuk berikatan dengan reseptor EGFR serta berkompetisi dengan ligan EGF untuk menghasilkan efek antikanker. Tujuan: Mengingat mayoritas penduduk Indonesia yang tinggal jauh dari perkotaan, tanaman ini dapat menjadi salah satu tanaman yang berpotensi untuk pengobatan kanker mulut. Oleh karena itu, penelitian ini diharapkan bisa menggali potensi yang dimiliki oleh Glycyrrhiza glabra sebagai kandidat obat kanker mulut. Metode: Studi in silico melalui penambatan molekuler dengan program AutoDockTools v.1.5.6 digunakan untuk menguji potensi kedelapan senyawa flavonoid yang terkandung dalam Glycyrrhiza glabra untuk berikatan dengan protein target EGFR. Hasil: Penambatan molekuler kedelapan senyawa flavonoid menunjukkan bahwa seluruh senyawa yang diuji memiliki ikatan yang sangat stabil karena lebih rendah dari -7 kcal/mol. Selain itu, stabilitas dari interaksi ini juga diperkuat oleh keberadaan ikatan Van der Waals, ikatan hidrogen, serta ikatan hidrofobik. Kesimpulan: Dari kedelapan senyawa yang diuji, dapat disimpulkan bahwa senyawa yang memiliki afinitas ikatan terbaik dengan protein EGFR adalah senyawa glabridin, dengan nilai ΔG = -10.53 kcal/mol dan Ki = 19.23 nM.

---

Introduction: In the formation of oral cancer, there are many factors that play a significant role, one of which is the epidermal growth factor receptor protein, or EGFR. EGFR is a highly polymorphic gene and is susceptible to mutations. These mutations lead to a more active EGFR receptor that is sensitive to the EGF (epidermal growth factor) ligand, resulting in increased EGFR signaling activity, uncontrolled proliferation of cancer cells, resistance to apoptosis, and the occurrence of angiogenesis. Indonesia is rich in biodiversity, including the licorice plant, also known as Glycyrrhiza glabra. This plant contains eight types of flavonoids with significant anticancer potential, namely isoliquiritigenin, glyzaglabrin, prunetin, shinpterocarpin, licochalcone A, glabridin, glisoflavone, and isoangustone A. These eight flavonoid compounds have the potential to bind to the EGFR receptor and compete with the EGF ligand to produce anticancer effects. Objective: Given that the majority of Indonesia's population resides far from urban areas, this plant has the potential to be used in the treatment of oral cancer. Therefore, this research aims to explore the potential of Glycyrrhiza glabra as a candidate for oral cancer treatment. Method: In silico studies using molecular docking with AutoDockTools v.1.5.6 were conducted to test the potential of the eight flavonoid compounds found in Glycyrrhiza glabra to bind to the target protein EGFR. Results: Molecular docking of the eight flavonoid compounds showed that all the tested compounds had highly stable bindings, with binding energies lower than -7 kcal/mol. Additionally, the stability of these interactions was reinforced by the presence of van der Waals forces, hydrogen bonds, and hydrophobic interactions. Conclusion: From the eight compounds tested, it can be concluded that the compound with the best binding affinity to the EGFR protein is glabridin, with a ΔG value of -10.53 kcal/mol and a Ki value of 19.23 nM.

"

"This book brings about important research in the field of oral cancer realting to its prognosis and treatment. Oral cancer is a crucial public health problem on a global scale."

"Kanker rongga mulut memiliki prevalensi tinggi di banyak negara berkembang, termasuk Indonesia. Diagnosis dini kanker rongga mulut sangat penting untuk meningkatkan peluang keberhasilan pengobatan. Namun, saat ini banyak kasus terdiagnosis pada stadium lanjut akibat keterbatasan akses terhadap metode diagnosis konvensional. Penelitian ini bertujuan merancang model deep learning dengan transfer learning menggunakan arsitektur Convolutional Neural Network, antara lain DenseNet201, EfficientNet-b4, dan InceptionResNetV2 untuk mengklasifikasikan lesi oral menjadi empat kelas: tanpa lesi (healthy), lesi jinak (benign), lesi pra-kanker (OPMD), dan kanker (malignant). Hasil terbaik didapat dari model DenseNet201 dengan penerapan augmentasi data dan focal loss, yang mencapai rata-rata performa akurasi 87.2%, presisi 87.4%, recall 87.4%, dan f1-score 87.2%. Penelitian ini juga mengimplementasikan Explainable AI (XAI) menggunakan metode Grad-CAM dan Score-CAM untuk menghasilkan visualisasi hasil prediksi dan meningkatkan interpretabilitas. Hasil visualisasi menunjukkan bahwa model mampu memfokuskan perhatian pada area lesi di dalam rongga mulut.

---

Oral cancer has a high prevalence in many developing countries, including Indonesia. Early diagnosis of oral cancer is very important to increase the chances of successful treatment, but currently many cases of oral cancer are diagnosed at an advanced stage because of limited access to conventional diagnostic methods. This research aims to develop a deep learning model with transfer learning using Convolutional Neural Network architectures, including DenseNet201, EfficientNet-b4, and InceptionResNetV2 to classify oral lesions into four classes: healthy, benign, Oral Potentially Malignant Disorder (OPMD), and cancer. The best model was achieved by the DenseNet201 model using data augmentation and focal loss, which achieved an average performance of 87.2% accuracy, 87.4% precision, 87.4% recall, and 87.2% f1-score. This research also implemented Explainable AI (XAI) using Grad-CAM and Score-CAM methods to generate visualization of prediction results and improve interpretability. The visualization results show that the model was able to focus its attention on the lesion area in the oral cavity."