Teknologi AI Membantu Ibu Menyusui Lebih Mudah
Kehadiran teknologi kecerdasan buatan (AI) telah memberikan dampak besar dalam berbagai aspek kehidupan, termasuk dalam proses menyusui. Proses yang sebelumnya dianggap alami dan mudah ternyata penuh tantangan, terutama bagi ibu yang memiliki bayi prematur atau membutuhkan perawatan intensif. Dengan bantuan AI, para ibu kini bisa lebih mudah menghadapi tantangan ini.
Tantangan dalam Menyusui
Menyusui mungkin tampak sederhana saat belum dilakukan secara langsung. Namun, ketika menjadi rutinitas harian, proses ini justru sangat kompleks. Bukan hanya melelahkan, tetapi juga penuh risiko dan kesulitan. Banyak ibu merasa kesulitan dalam memproduksi ASI yang cukup untuk bayinya, terutama jika bayi mereka harus dirawat di unit perawatan intensif neonatal (NICU).
Pengembangan Model AI untuk Mendukung Laktasi
Di University of Florida College of Medicine, para dokter dan teknisi telah mengembangkan model AI yang digunakan untuk membantu ibu dalam proses menyusui. Proyek bernama MILK+ menggabungkan keahlian dokter, perawat, dan teknisi AI untuk mengidentifikasi ibu yang kurang memproduksi ASI dan meningkatkan laktasi setelah pulang dari rumah sakit.
Proyek ini bertujuan untuk memastikan bahwa ibu dapat memberikan ASI secara optimal, terutama untuk bayi yang sangat rentan seperti bayi prematur. Tim berharap model AI ini akan menjadi bagian dari praktik umum dalam perawatan pasien.
Manfaat Menyusui
Menyusui memiliki banyak manfaat baik bagi ibu maupun bayi. Bagi ibu, proses ini bisa membantu pemulihan pasca persalinan serta menurunkan risiko kondisi seperti tekanan darah tinggi, diabetes, dan kanker payudara dan ovarium. Sementara itu, bagi bayi, ASI mendukung pertumbuhan berat badan yang sehat dan perkembangan otak. Khususnya bagi bayi prematur, ASI dapat mengurangi risiko infeksi dan komplikasi lainnya.
Peran NICU dalam Proses Menyusui
Bagi bayi yang dirawat di NICU, kemampuan ibu untuk menyusui dan akses bayi terhadap ASI sangat penting. Namun, karena bayi dipisahkan dari ibu, proses ini menjadi lebih sulit. Oleh karena itu, tim di NICU UF Health Shands Children Hospital memiliki komite pendukung laktasi yang terdiri dari perawat, konsultan, dan konselor laktasi, serta tenaga medis lainnya yang terlatih untuk membantu ibu menyusui.
Penggunaan Data dalam Pengembangan Model AI
Model AI yang dikembangkan oleh tim di the UF College of Medicine Quality and Patient Safety bekerja sama dengan Hu dan rekan-rekannya. Terdapat dua model utama: prenatal dan postnatal. Model prenatal mensintesis informasi pasien untuk menentukan faktor-faktor yang dapat meningkatkan kesulitan menyusui. Sementara itu, model postnatal menggunakan data produksi ASI selama bayi masih di rumah sakit untuk memprediksi kemampuan ibu dalam melanjutkan menyusui setelah pulang.
Akurasi dan Pengembangan Model AI
Berdasarkan data dari 18 ribu ibu dan 22 ribu bayi baru lahir, model AI ini berhasil memberikan prediksi yang akurat. Model postnatal memiliki tingkat akurasi hingga 95 persen. Selain itu, model ini juga memberikan daftar 10 faktor utama yang memengaruhi kemampuan ibu dalam menyusui.
Kolaborasi antara Klinis dan AI
Kolaborasi antara tim klinis dan AI sangat penting dalam pengembangan model ini. Tujuannya adalah agar model tersebut dapat memberikan prediksi yang akurat dan dapat ditindaklanjuti. Meskipun model AI sangat membantu, para dokter tetap perlu berhati-hati agar tidak terlalu bergantung pada prediksi yang diberikan.
Pentingnya Data dalam Model AI
Model AI hanya akan berjalan baik jika data yang digunakan untuk melatihnya berkualitas. Tim sadar bahwa populasi pasien tertentu sering kali lebih terwakili dibandingkan yang lain. Oleh karena itu, model ini tetap dianggap sebagai prediksi yang perlu diimbangi dengan penilaian medis yang tepat.
Kesimpulan
Dengan bantuan AI, proses menyusui menjadi lebih mudah dan efektif. Model-model ini membantu identifikasi ibu yang berisiko tinggi dan memberikan dukungan yang sesuai. Semakin banyak dokter di UF Health Shands Children Hospital yang mulai mengakses model ini dalam praktik mereka. Harapan besar dipegang bahwa model ini dapat diperluas ke fasilitas kesehatan lainnya.
