Perpustakaan Digital ITB

Sistem pendukung keputusan klinis untuk diabetes yang memakai prediksi glukosa maupun Retrieval-Augmented Generation (RAG) umumnya mengambil pengetahuan berdasarkan kondisi pasien saat ini, sehingga rekomendasinya bersifat reaktif. Belum dijumpai penelitian yang mengondisikan proses retrieval pada kadar glukosa yang diprediksi. Tugas akhir ini mengusulkan RAG terkondisi-prediksi, yaitu mekanisme yang menyusun kueri retrieval dari kadar glukosa hasil prediksi sehingga dokumen yang diambil dan rekomendasi yang dihasilkan bersifat antisipatif, dalam alur yang keluarannya selalu diverifikasi dokter. Prediksi glukosa dilakukan model Gradient Boosting dengan fitur turunan fisiologis, sedangkan pengetahuan klinis diambil dari 2.233 potongan pedoman melalui retrieval leksikal. Evaluasi pada dataset OhioT1DM memakai validasi silang lintas-pasien enam fold. Pada horizon +30 menit, model mencapai RMSE 20,72 mg/dL dengan 94,69% titik pada zona A+B Clarke Error Grid, sebanding dengan Random Forest dan LSTM? pada skenario pemantauan mandiri tanpa CGM (horizon sekitar 240 menit) galat naik menjadi 71,60 mg/dL, tetapi tetap di bawah baseline persistence (95,31 mg/dL). Pada kasus divergen, ketika kondisi mendatang berbeda dari kondisi saat ini, RAG terkondisi-prediksi mengungguli RAG standar secara konsisten pada keenam fold (Mean Reciprocal Rank 0,190 menjadi 0,284? p = 0,031) dan pada 120 kasus nyata (0,186 menjadi 0,321? p < 0,001). Lengan oracle mencapai MRR 0,778, sehingga sebagian besar selisih yang tersisa berasal dari ketepatan prediksi, bukan dari mekanisme retrieval. Keterbatasan yang sama tampak pada sensitivitas hipoglikemia, yaitu 17,3% dengan ambang atas hasil regresi dan 67,2% dengan pengklasifikasi kondisi langsung. Seluruh komputasi lokal berjalan tanpa GPU (median 0,339 detik, memori 342 MB) dan setiap rujukan dapat ditelusuri sampai halaman cetak pedomannya. Evaluasi awal oleh dua belas tenaga kesehatan menilai rekomendasi sesuai pedoman dengan verifikasi dokter, dengan skor System Usability Scale 55,21 yang menunjukkan kegunaan sistem masih perlu ditingkatkan.