Text

Klasifikasi Jaringan Kolorektal Mencit Normal, Radang, dan Prekanker pada Sediaan Preparat dengan Pewarnaan HE Menggunakan Spektrofotometri Reflektansi Near Infrared (NIR).

Latar belakang: Kanker kolorektal merupakan salah satu kanker yang sering muncul di dunia dan menyumbang sebagai urutan keempat dari kanker yang menyebabkan kematian terbanyak. Kasus kanker kolorektal sering bermunculan pada negara berkembang yang akhirnya menimbulkan double burden. Umumnya kanker ini ditemukan apabila seseorang rutin melakukan screening. Teknik diagnosis yang dilakukan adalah dengan melakukan kolonoskopi yang kemudian diikuti dengan biopsi. Berbagai penelitian yang ada telah melakukan teknik diagnosis kanker dengan penggunaan streptoskopi, sehingga penggunaan spektrofotometri reflektans NIR diharapkan dapat mendiagnosis kanker kolorektal. Metode: Reflektansi preparat jaringan kolorektal mencit yang diberikan pewarnaan HE dengan penggunaan spektrofotometri reflektans near infrared (NIR) pada panjang gelombang 599.6-1020.9 nm. Kemudian hasil dari reflektansi ini akan dievaluasi dengan machine learning untuk melihat klasifikasi lesi jaringan. Hasil: Pada Principal Component Analysis (PCA) ditemukan bahwa adanya penumpukan dari hasil lesi jaringan prekanker dan radang. Kemudian digunakan metode SVM pada dua kelompok jaringan yaitu normal dan tidak normal dengan hasil sensitivitas sebesar 75% dan spesifisitas sebesar 73.07%. SVM juga memiliki angka presisi serta akurasi yang lebih baik apabila dibandingkan dengan logistic regression dan Random Forest yaitu 0.737 dan 0.733. Kesimpulan: Metode spektrofotometri reflektans pada gelombang NIR masih kurang baik dalam membedakan lesi normal, radang, dan prekanker pada preparat yang diberikan pewarnaan HE kolorektal mencit.
Kata kunci: Kanker kolorektal, reflektansi, spektrofotometri, NIR


Introduction: Colorectal cancer is one of the most common cancers in the world, and it is the fourth most common cancer-causing death. Cases of colorectal cancer often appears in developing countries that leads to double burden. Generally, this cancer could be diagnosed through routine screening. One of the diagnosis methods that widely used are colonoscopy followed by biopsy. Various existing techniques have carried out cancer diagnosis using spectroscopy, so that the use of NIR reflectance Spectrophotometry is expected to be able to diagnose colorectal cancer. Method: Reflectance of colorectal tissue preparate of mice treated with HE stains using near infrared (NIR) reflectance spectrophotometry at a wavelength of 599.6-1020.9 nm. The result of this reflectance will be evaluated by machine learnings to see the classification of tissue lesions. Result: In Principal Component Analysis (PCA) it was found there was a resemblance of precancerous and inflammatory tissue lesions. Then the SVM method was used in two groups of tissue lesion, namely normal and abnormal with the result of a sensitivity of 75% and a specificity of 73.07%. SVM also has a better precision and accuracy when compared to logistic regression and random forest namely 0.737 and 0.733. Conclusion: The reflectance spectrophotometry method on NIR waves is still not good at distinguishing normal, inflammatory, and precancerous lesions on preparates treated with mouse colorectal HE stains.
Keywords: colorectal cancer, reflectance, spectrophotometry, NIR