Posted 10 Agustus 2026 by Bintang
Selama bertahun-tahun, pengambilan keputusan klinis dalam prosedur Percutaneous Coronary Intervention (PCI) sangat bergantung pada panduan visual dan fisiologis konvensional. Modalitas utama yang menjadi tulang punggung evaluasi dokter spesialis kardiologi intervensi umumnya bertumpu pada angiografi serta pemeriksaan fisiologi fungsional seperti FFR (Fractional Flow Reserve) atau iFR (Instantaneous Wave-free Ratio).
Kedua modalitas standar tersebut terbukti sangat membantu tim medis dalam menilai lokasi lesi, menentukan derajat keparahan penyempitan pembuluh darah (stenosis), serta mengukur signifikansi fisiologis dari hambatan aliran darah tersebut. Namun, apakah informasi tersebut sudah cukup komprehensif?
Fakta medis di ruang Cathlab menunjukkan sebuah temuan krusial: derajat stenosis yang serupa belum tentu memiliki tingkat risiko yang sama.

Alt Text Image: Keterbatasan Angiografi dalam Menilai Karakteristik Plak Koroner
Karakteristik plak yang menjadi penyebab utama penyumbatan koroner seringkali tidak dapat dinilai secara mendalam jika hanya mengandalkan angiografi maupun FFR/iFR. Dua lesi yang secara angiografis tampak menyempit hingga 70% bisa jadi memiliki komposisi yang sangat bertolak belakang.
Parameter mikroskopis seperti komposisi plak, dominasi kandungan lipid, ketebalan fibrous cap (kapsul fibrosa pelindung plak), hingga distribusi kalsifikasi tidak terlihat secara detail. Padahal, faktor-faktor inilah yang sangat menentukan risiko pecahnya plak (plaque rupture) yang memicu serangan jantung mendadak.
Untuk menjembatani celah informasi tersebut, dunia kardiologi intervensi kini memasuki babak baru dengan hadirnya teknologi Intracoronary Imaging yang diperkuat oleh Artificial Intelligence (AI) atau Kecerdasan Buatan.

Alt Text Image: Analisis Plak, Kalsium, dan Lipid dengan AI pada Intracoronary Imaging
Perkembangan AI pada sistem pencitraan intravaskular (seperti IVUS atau OCT) membuka peluang besar untuk melakukan analisis karakteristik lesi secara lebih otomatis, cepat, dan presisi. Algoritma AI yang dilatih dengan jutaan data klinis mampu secara konsisten mengidentifikasi dan mengukur berbagai parameter morfologi plak yang sebelumnya sangat bergantung pada interpretasi subjektif operator, meliputi:
| Parameter Evaluasi | Angiografi + FFR/iFR (Konvensional) | Intracoronary Imaging + AI |
| Lokasi & Derajat Stenosis | Sangat Baik | Sangat Baik (Lebih Presisi secara Anatomi) |
| Penilaian Fisiologis Aliran Darah | Sangat Baik | Mulai terintegrasi (AI-derived physiology) |
| Analisis Komposisi Plak | Sangat Terbatas | Sangat Detail & Otomatis |
| Deteksi Vulnerable Plaque | Rendah | Tinggi (Kandungan lipid & fibrous cap terukur) |
| Distribusi Kalsifikasi | Hanya bayangan kasar (Fluoroscopy) | Akurat (Ketebalan dan sudut kalsium terpetakan) |
| Efisiensi Waktu Interpretasi | Cepat | Sangat Cepat & Konsisten (Dibantu AI) |
Ke depannya, integrasi AI tidak sekadar membantu analisis gambar. Potensi terbesarnya terletak pada kemampuan untuk mengawinkan penilaian morfologi jaringan dan fungsi fisiologis pembuluh darah dalam satu kali proses pullback.
Hal ini tentu akan sangat meringankan beban kognitif operator di ruang Cathlab, meminimalisir kesalahan interpretasi, dan pada akhirnya menghasilkan panduan pemasangan stent (ring jantung) yang sangat dipersonalisasi dan aman bagi setiap pasien.
Kesiapan infrastruktur dan teknologi ruang Cathlab adalah cerminan kualitas pelayanan jantung paripurna. Membekali fasilitas kesehatan Anda dengan perangkat Intravascular/Intracoronary Imaging bertenaga AI adalah investasi jangka panjang untuk menurunkan angka komplikasi dan meningkatkan keberhasilan prosedur PCI.
Butuh dukungan pengadaan alat atau demo teknologi Intravascular Imaging untuk rumah sakit Anda? Tim profesional kami siap membantu mengintegrasikan teknologi medis terdepan ke dalam ekosistem layanan kesehatan Anda.
๐ Hubungi Tim Kami: (+62) 812 8000 1102
๐ Follow Instagram @meditransid untuk mendapatkan edukasi medis berkelanjutan dan update teknologi kesehatan terkini.
Referensi Medis:
McGarvey M, De Silva K, Keeble TR, Johnson TW, OโKane P, Ali ZA, et al. Lesion stratification with intracoronary imaging. EuroIntervention. 2025. doi: 10.4244/EIJ-D-25-00266.