Mahasiswa UB Bikin Alat Deteksi Dini Penyakit Stroke Berbasis IoT

E-dection untuk deteksi dini stroke
Sumber :
  • Humas UB

Malang – Lima mahasiswa Universitas Brawijaya (UB) melalui Program Kreativitas Mahasiswa Karsa Cipta (PKM-KC) membuat prototipe bernama E-dection untuk deteksi dini hipertensi dan hiperkolesterolemia bagi penderita stroke. E-dection merupakan prototipe berbasis IoT menggunakan metode machine learning. 

Simak! Ini Jadwal dan Tema Debat Paslon di Pilkada Kota Batu

Lima mahasiswa ini adalah M. Dwi Nur Afini, M. Romadhoni P, Made Ananta W, Ayu Cetiya M, dan Abimanyu Awanda R. Mereka dibimbing oleh Ir. Nurussa’adah M.T. 

E-dection terdiri dari smart band dan smart pillow yang dapat memberikan fungsi pemantauan serta intervensi mandiri secara dini. Indikator yang dapat dimonitor dengan menggunakan E-dection adalah tekanan darah dan kadar kolesterol serta glukosa darah secara non-invasive. Intervensi mandiri yang digunakan dalam prototipe ini adalah terapi panas untuk mengurangi jumlah kolesterol dalam darah.

Kampanye Kesehatan Rambut ke Mahasiswa UB Ala Ellips Shine Sister

Pasien yang pertamakali menggunakan alat ini adala Dewa Gede Raka Wiadnya. Dia mengatakan E-dection berpotensi jika diterapkan pada masyarakat umum terutama pada orang yang memilki riwayat stroke ringan. E-dection dapat menekan biaya pemeriksaan karena dilengkapi dengan sistem pemantauan secara non-invasive dan terapi untuk menurunkan kadar kolesterol.

Selain itu pada aplikasi E-Dection juga terdapat telemonitoring pada dokter penanggung jawab untuk memudahkan konsultasi terkait kondisi pengguna.

Telkomsel Cari Talenta Digital Masa Depan di Kampus Lewat IndonesiaNEXT Season 8

“Penggunaan smart pillow nyaman saat digunakan, cukup menghangatkan bagian leher, saya suka dengan bentuknya yang ergonomis, semoga bisa menurunkan prevalensi stroke berat dengan menggunakan alat ini,” katanya, Rabu, 31 Agustus 2022. 

E-dection merupakan prototipe berbasis IoT yang terhubung dengan aplikasi. Aplikasi bermanfaat untuk mengkategorikan keadaan pasien menggunakan metode machine learning serta mempermudah penggunaan prorotipe sehari-hari. Inovasi ini diharapkan dapat mengurangi prevalensi morbiditas serta mortalitas yang diakibatkan oleh stroke. 

Stroke merupakan kejadian klinis akut yang berhubungan dengan gangguan sirkulasi otak. Faktor risiko utama penyebab stroke adalah tekanan darah tinggi, kadar kolesterol darah tinggi, dan kadar glukosa darah tinggi. Peningkatan mortalitas dan morbiditas stroke disebabkan karena kurangnya pemantuan dan intervensi dini pada penderitanya.