Text

Klasifikasi Sediaan Preparat Jaringan Kolorektal Mencit Normal, Radang, dan Prekanker Menggunakan Spektrofotometri Reflektans Cahaya Tampak = Classification of Normal, Inflammatory, and Precancerous Mice Colorectal Tissue Preparations Using Visible Light Reflectance Spectrophotometry.

Latar belakang: Kanker kolorektal terus menyumbang jumlah kasus kanker dan kematian yang tinggi setiap tahunnya. Kanker kolorektal merupakan penyakit yang berprogresi secara kronis. Salah satu metode diagnosis progresi kanker kolorektal adalah dengan interpretasi biopsi dari ahli patologi anatomi. Akan tetapi, seringkali terjadi ketidaksesuaian diagnosis yang berdampak pada inefektivitas pengobatan. Maka dari itu, perlunya ada alat bantu yang dapat menunjang pekerjaan ahli patologi anatomi dalam menginterpretasi progresi kanker kolorektal. Metode: Data yang sudah diklasifikasikan menurut ahli PA diuji menggunakan cahaya tampak yang akan dibaca oleh spektrofotometer reflektansi. Hasil dari spektrofotometer kemudian akan dibaca oleh Theremino Spectrophotometer. Semua data kemudian diuji normalitas menggunakan uji Saphiro Wilk, dilanjutkan dengan uji ANOVA atau KruskalWallis, kemudian uji homogenitas Levene, dan terakhir uji Post Hoc atau Mann-Whitney. Data juga dianalisis menggunakan supervised dan unsupervised machine learning (PCA, SVM, forest plot, dan logistic regression). Hasil: Dari uji hipotesis hanya didapatkan 2 panjang gelombang yang dapat membedakan jaringan normal dan prekanker secara signifikan. Sedangkan yang lainnya kurang dapat membedakan jaringan normal, radang, dan prekanker. Hasil dari machine learning menunjukkan sensitivitas, spesifisitas, AUC, akurasi, dan presisi yang rendah sehingga kurang bisa membedakan antara ketiga kategori jaringan tersebut Kesimpulan: Metode spektrofotometri reflektans cahaya tampak kurang cocok digunakan untuk membedakan jaringan kolon normal, radang, dan prekanker pada sediaan preparat mencit.
Kata kunci: kanker kolorektal, spektrofotometri reflektans cahaya tampak, progresi lesi kanker


Introduction: Colorectal cancer (CRC) is a chronically progressive disease and continues to contribute to a high number of cancer cases and deaths every year. One method of diagnosing CRC progression is the biopsy interpretation from an anatomical pathologist. However, there is often a mismatch in the diagnosis that has an impact on the ineffectiveness of treament. Therefore, it is necessary to have a tool that can support the work of pathologists in interpreting the progression of CRC. Methods: The data that has been classified according to the pathologist experts are tested using visible light which will be read by a reflectance spectrophotometer. The results of the spectrophotometer will then be read by the Theremino Spectrophotometer. All data were then tested for normality using the Saphiro Wilk test, followed by the ANOVA or Kruskal-Wallis test, then the Levene homogeneity test, and finally the Post Hoc or MannWhitney test. Data were also analyzed using supervised and unsupervised machine learning (PCA, SVM, forest plot, and logistic regression). Results: From the hypothesis test, only 2 wavelengths were found that could significantly differentiate normal and precancerous tissue. While others are less able to distinguish normal, inflammatory, and precancerous tissue. The results from machine learning show low sensitivity, specificity, AUC, accuracy, and precision thus they are not good enough to distinguish between the three categories. Conclusion: The visible light reflectance spectrophotometry method is not suitable for distinguishing mice normal, inflammatory, and precancerous colonic tissue preparations.
Keywords: colorectal cancer, visible light reflectance spectrophotometry, cancer lesion progression