Medical Machine Learning: Pada Sindrom Metabolik dan Terapi Komplementer

Sindrom metabolik bukanlah satu penyakit tunggal, melainkan suatu kumpulan kondisi klinis yang mencakup obesitas sentral, hipertensi, dislipidemia, dan gangguan metabolisme glukosa. Kombinasi faktor-faktor ini secara signifikan meningkatkan risiko diabetes melitus tipe 2 dan penyakit kardiovaskular. Dalam praktik sehari-hari, pendekatan penanganan sindrom metabolik masih sering bersifat reaktif, bergantung pada ambang batas nilai laboratorium, serta kurang mampu menangkap kompleksitas dan dinamika risiko individual. Di sisi lain, dunia medis kini berada di tengah ledakan data—mulai dari rekam medis elektronik, hasil laboratorium, hingga data perilaku dan citra tubuh—yang belum sepenuhnya dimanfaatkan secara optimal untuk pengambilan keputusan klinis yang lebih presisi.

Buku ini mencoba menjembatani dua dunia tersebut: dunia kesehatan klinis dan dunia machine learning. Dengan memadukan perspektif medis dan teknologi, buku ini membahas bagaimana data klinis multivariat dapat diolah untuk melakukan deteksi dini dan stratifikasi risiko sindrom metabolik, serta bagaimana computer vision dan pose estimation dapat digunakan untuk mendukung terapi komplementer seperti akupresur secara lebih akurat dan terpersonalisasi. Pendekatan ini tidak dimaksudkan untuk menggantikan peran dokter atau terapis, melainkan untuk memperkuat pengambilan keputusan klinis melalui dukungan sistem cerdas yang berbasis data

Penulis:

Egga Asoka, S.SI., M.M.S.I.

Dr. Fathoni, S.T., MMSI.

Hadipurnawan Satria, S.Kom., M.Sc. Ph.D.

dr. Edith Anggina, Sp.Ak

Editor:

Sulthon Ibrahim, S.S., M.M