Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar Belakang/Tujuan. Angka kematian dan kejadian metastasis kanker payudara cukup tinggi. Faktor metabolik termasuk resistensi insulin mempunyai peranan terhadap progresivitas kanker payudara namun terdapat hanya sedikit penelitian yang menilai hubungan resistensi insulin dengan kejadian metastasis kanker payudara. Terdapat hubungan yang erat antara beberapa variabel dalam kelompok pasca-menopause terhadap kejadian metastasis, pemberian terapi hormonal aromatase inhibitor dan kemoterapi terhadap nilai HOMA-IR. Mengetahui hubungan resistensi insulin yang dinilai menggunakan nilai homeostatic model assessment for insulin resistance (HOMA-IR) dengan kejadian metastasis kanker payudara.

Metode. Studi potong lintang yang meneliti 150 pasien kanker payudara di Rumah Sakit Cipto Mangunkusumo (RSCM) dan Rumah Sakit Siloam Mochtar Riady Comprehensive Cancer Centre (MRCCC) Jakarta dalam rentang waktu agustus 2019-april 2020. Terdapat 150 subjek penelitian, nilai titik potong HOMA-IR ditentukan dengan kurva receiver operating curve (ROC). Dilakukan analisis subgrup kelompok pasca menopause terhadap metastasis, terapi hormonal dan kemoterapi terhadap HOMA-IR.

Hasil. Tidak didapatkan nilai titik potong optimal HOMA-IR terhadap kejadian metastasis (Area under curve (AUC) 0,50, P : >0,05, interval kepercayaan (IK) 95% : 0,406-0,593). Tidak terdapat hubungan bermakna variabel pasca-menopause dengan kejadian metastasis dan kemoterapi terhadap nilai HOMA-IR. Terdapat hubungan bermakna pemberian terapi hormonal aromatase inhibitor terhadap peningkatan nilai HOMA-IR, P : <0,01

Simpulan. Tidak terdapat hubungan yang bermakna antara resistensi insulin dengan kejadian metastasis pada pasien kanker payudara. ......Background/Purpose. Mortality and incidence rate of metastatic breast cancer is quite high. Metabolic factors including insulin resistance have a role in the progression of breast cancer, but there are only a few studies that assess the relationship of insulin resistance with the incidence of breast cancer metastases. There is a close relationship between variables in the postmenopausal group for the occurrence of metastases, administration of hormonal aromatase inhibitors and chemotherapy to the value of HOMA-IR. Knowing the relationship of insulin resistance which was assessed using the value of the homeostatic model assessment for insulin resistance (HOMA-IR) with the incidence of metastatic breast cancer.

Method. A cross-sectional study examining 150 breast cancer patients at Cipto Mangunkusumo General Hospital and Siloam Hospital Mochtar Riady Comprehensive Cancer Center Jakarta in August 2019-April 2020. There are 150 subjects research, the HOMA-IR cutoff value is determined by the receiver operating curve (ROC) curve. Postmenopausal subgroups were analyzed for metastases, hormonal therapy and chemotherapy for HOMA-IR.

Results. There was no optimal HOMA-IR cut off value for metastatic events (Area under curve (AUC) 0.50, P:> 0.05, 95% confidence interval (IK): 0.406-0.593). There was no significant relationship between postmenopausal variables with the incidence of metastasis and chemotherapy on the value of HOMA-IR. There was a significant relationship between the administration of hormonal aromatase inhibitor therapy to the increase of HOMA-IR value, P: <0.01

Abstrak :
ABSTRAK
Kanker payudara merupakan kanker yang umum terjadi pada wanita baik di Indonesia ataupun di dunia. Pemeriksan tingkat sebaran sel kanker perlu dilakukan agar pengobatan yang diberikan tepat. Biopsi jaringan getah bening dan pemeriksaan ahli patologi adalah salah satu metode untuk menentukan tingkat penyebaran kanker. Kendala pada pemeriksaan manual membutuhkan waktu untuk memeriksa bagian perbagian dengan kemungkinan ada bagian yang terlewati, kesalahan dalam klasifikasi dan unsur subjektifitas saat memeriksa. Penggunaan kecerdasan buatan dalam prapemeriksaan akan membantu dokter dalam memeriksa dan menghilangkan unsur subjektifitas. Proses klasifikasi yang didapat diharapkan membantu ahli patologi memeriksa dengan lebih cepat dan mengurangi tingkat kesalahan pemeriksaan. Proses dimulai dengan terlebih dahulu menentukan antara daerah kosong dan daerah yang terdapat jaringan. Selanjutnya menentukan tingkat metastasis berdasarkan hasil klasifikasi. Metode yang digunakan adalah dengan menggunakan teknik ambang gambar dalam menentukan batas gambar yang berisi jaringan. Proses klasifikasi menggunakan jaringan saraf konvolusi (Convolution Neural Network (CNN)) dengan banyak klasifikasi sebanyak 5 kelompok sel normal dan 1 kelompok tumor. Hasil dari penggunaan metode ambang adaptif dapat memisahkah antara daerah kosong dan daerah berisi sel-sel. Metode jaringan saraf konvolusi ini dapat mengklasifikasikan dengan hasil sampai 86% dan tes dengan validasi data 80% untuk keseluruhan klasifikasi dan mencapai 93% untuk sel tumor dan sel kanker. Hasil dari penentuan tingkat ditentukan oleh akurasi dari proses klasifikasi. Metode ambang gambar adaptif dapat menentukan area kosong dan berisi jaringan sesuai dengan yang diharapkan dan mempercepat proses pemeriksaan. Hasil klasifikasi dan menentukan tingkat dapat ditingkatkan dengan memperbaiki pembagian data-data pada dataset dan mengembangkan konfigurasi dari jaringan saraf konvolusi dengan merubah struktur atau menambahkan dengan metode lain.

---

ABSTRACT
Breast cancer is the most common cancer in women worldwide and the second most common cancer in Indonesia. Metastasis is the medical term for cancer that spreads to a different part of the body from where it started. Information from the lymph node biopsy can help doctor that treatment decisions depend on stage of metastases. Normaly pathologist makes a diagnosis of the prepared sample slide from sample biopsy with manual visual inspection. Manual diagnosis has the possibility to miss some section not checked, classification errors and subjectivity result. The classification process with AI will help the pathologist check faster, reduce the error level and eliminate the subjectivity. The proposed Method using adaptive thresholding method in whole slide image is to determine the area to be processed. And Convolution Neural Network (CNN) for image classification. Adaptive thresholding have ability to separating the blank slide area and tissue area. CNN is superior in image classification . Classification data for this thesis using 6 classification, five class normal cell and one tumor. Adaptive thresholding method in whole slide image can separate empty tissue and tissue with cell area. The result CNN Method for overall accuracy 86% and accuracy for tumor cell is 93%. Classification and staging result can be improved by improving dataset for training and developing, change the configuration of CNN architecture or adding new method.