Perpustakaan Digital ITB

Supraventricular Tachycardia (SVT) janin merupakan kedaruratan medis yang membutuhkan penanganan presisi untuk mencegah hidrops fetalis dan kematian. Tantangan utama penanganan kasus ini di Indonesia adalah kurangnya dokter spesialis dan kompleksitas penyesuaian dosis obat transplasenta pada kondisi hidrops. Penelitian ini bertujuan mengembangkan Clinical Decision Support System (CDSS) berbasis Deep Learning yang terintegrasi dengan protokol farmakokinetik klinis. Metode penelitian meliputi pembangkitan 12.000 data sintetis M-Mode menggunakan Parametric Signal Synthesis dan pengembangan model Enhanced CNN v2.0 dengan arsitektur Multi- Task Learning. Evaluasi model pada tahap pelatihan menunjukkan konvergensi optimal pada Epoch 16 dengan akurasi diagnostik mencapai 99,92% dan tingkat kesalahan estimasi detak jantung (Mean Absolute Error) sebesar 2,08 bpm (Ventrikel) dan 2,58 bpm (Atrium). Validasi klinis terbatas (Proof of Concept) menggunakan data pasien riil dari repositori Radiopaedia dan Pedecho menunjukkan bahwa sistem mampu mengoreksi kesalahan interpretasi visual pada kasus noise tinggi melalui fitur adaptif. Sistem pakar farmasi yang dibangun berhasil memberikan rekomendasi terapi yang aman, secara otomatis mengalihkan lini terapi dari Digoxin ke Flecainide atau Amiodarone pada kasus hidrops sesuai prinsip farmakokinetika. Disimpulkan bahwa sistem ini valid secara teknis dan potensial digunakan sebagai alat bantu triase serta manajemen terapi jarak jauh di fasilitas kesehatan primer.