TBM, disebabkan oleh Mycobacterium tuberculosis (Mtb) yang menginfeksi struktur meningeal, merupakan bentuk TB yang paling mematikan. Kuman ini menyerang lapisan jaringan yang melindungi otak dan sumsum tulang belakang sehingga dapat mengakibatkan kematian jika tidak diobati.
Diagnosis TBM dini dan akurat sangatlah penting, tetapi sulit dilakukan karena kurangnya tes standar baku emas yang pasti dan cepat. Biasanya, diagnosis TBM bergantung pada penilaian klinisi yang menanganinya. Studi ini memperkenalkan sebuah model baru yang dapat mengubah situasi tersebut karena model ini memungkinkan para klinisi mendeteksi TBM sejak kunjungan pertama.
Mendiagnosis TBM
Penelitian yang dilakukan oleh Dr. Dong Huu Khanh Trinh, Associate Professor Ronald Geskus, beserta kolega-koleganya, menganalisis data dari 659 individu berusia 16 tahun ke atas dengan dugaan infeksi otak yang dirawat di Hospital for Tropical Diseases di Kota Ho Chi Minh, Vietnam. Dengan menggunakan model kelas laten, para peneliti mengembangkan alat diagnostik menggunakan data klinis, biokimia, dan hematologi awal untuk memperkirakan kemungkinan TBM pada pasien sebelum hasil tes konfirmasi Mtb tersedia.
Prediksi model ini divalidasi secara tertutup dengan diagnosis definitif dan dilanjutkan dengan validasi secara independen oleh para ahli di Hospital for Tropical Diseases (pada saat kematian atau kepulangan pasien). Hasil prediksi menunjukkan akurasi yang sangat baik (dengan Area Under the Curve sebesar 94%). Penggunaan alat ini sangat menjanjikan, terutama dalam kondisi terbatasnya sumber daya, seperti yang sering dihadapi di Vietnam, di mana akses untuk melakukan tes diagnostik yang canggih kerap kali tidak mudah.
Analisis kelas laten Bayesian merupakan metode statistik yang bisa memberikan pemahaman lebih dalam terhadap masalah-masalah yang pengukuran definitifnya sulit diperoleh, seperti mendiagnosis TBM. Metode ini melibatkan proses deduksi canggih yang menggabungkan berbagai indikator tidak langsung, seperti gejala dan hasil pemeriksaan, untuk menyimpulkan suatu kondisi kesehatan.
Pendekatan ini memungkinkan dokter untuk mengambil keputusan terinformasi saat mendiagnosis dan mengobati TBM, bahkan tanpa hasil tes yang langsung dan jelas. Ini merupakan metode yang menyatukan berbagai petunjuk guna mendapatkan pemahaman yang lebih mendalam tentang kondisi kesehatan pasien dengan memanfaatkan data yang tersedia serta pemahaman dari kasus-kasus sebelumnya.
Implikasi terhadap Praktik Klinis
Hasil penelitian ini menunjukkan bahwa faktor-faktor tertentu seperti infeksi HIV, TB yang menyebar ke banyak bagian tubuh, gejala yang berkepanjangan, serta peningkatan sel limfosit dalam cairan otak (CSF) bisa menjadi penanda risiko yang lebih tinggi terhadap TBM. Penelitian ini juga menemukan bahwa pasien TBM yang terinfeksi HIV dengan jumlah sel limfosit dalam CSF yang lebih rendah dan kadar protein CSF yang meningkat diasosiasikan dengan jumlah bakteri mikobakteria yang lebih banyak.
Model diagnostik yang lebih sederhana, menggunakan tabel penilaian untuk skrining awal yang hanya memerlukan informasi klinis dan hasil rontgen dada, bisa jadi sangat bermanfaat saat analisis CSF yang lengkap tidak dapat dilakukan.
Kedua model tersebut juga tersedia dalam bentuk aplikasi web progresif yang memudahkan para klinisi untuk mengaksesnya di manapun mereka berada. Aplikasi ini dirancang untuk mudah digunakan dan kompatibel dengan berbagai jenis perangkat, sehingga memudahkan tenaga kesehatan dalam menggunakan alat diagnostik canggih ini. Dengan aplikasi ini, deteksi TBM bisa dilakukan lebih cepat dan proses pengambilan keputusan medis menjadi lebih efisien, yang pada akhirnya dapat meningkatkan peluang kesembuhan pasien.
Dr. Dong Huu Khanh Trinh, penulis utama studi ini menyoroti dampak positif dari model ini. Ia mengatakan, “Alat yang kami kembangkan diharapkan dapat menjadi pendukung penting bagi dokter untuk mengambil keputusan penting dalam berbagai kondisi praktik. [Alat] ini bisa berperan dalam mengidentifikasi kasus TBM dengan lebih cepat, membantu pemberian pengobatan yang tepat dan cepat yang bisa menyelamatkan nyawa.”
Baca hasil lengkap penelitian di sini: Model diagnostik baru untuk meningitis tuberkulosis menggunakan analisis kelas laten Bayesian.
Studi ini didanai oleh Wellcome.
