Pemanfaatan Kecerdasan Buatan dalam Pengelolaan Nutrisi pada Pasien Diabetes Melitus: Suatu Tinjauan Literatur

  • Suci Mardiah Sari Universitas Riau
  • Fatiah Rahmadani Universitas Riau
  • Perawati Perawati
Keywords: diabetes melitus, kecerdasan buatan, pengelolaan nutrisi

Abstract

Diabetes melitus tipe dua adalah penyakit atau gangguan metabolisme kronis yang umum terjadi  di  berbagai belahan dunia, termasuk Indonesia. Pengelolaan penyakit ini tidak bisa bergantung pada terapi obat saja,  pengaturan pola makan yang tepat juga penting dalam terapi diabetes melitus ini. Sayangnya, banyak pasien masih kesulitan menjalankan diet secara konsisten. Seiring kemajuan teknologi, kecerdasan buatan mulai dimanfaatkan untuk mendukung pengelolaan nutrisi pasien diabetes secara lebih personal dan terarah. Penelitian ini bertujuan untuk mengkaji pemanfaatan kecerdasan buatan dalam pengelolaan nutrisi pada pasien diabetes melitus melalui metode tinjauan pustaka. Literatur diperoleh dari beberapa database seperti PubMed, Google Scholar, dan Science Direct, dengan batasan tahun terbit 2015–2025. Dari hasil pencarian awal, diperoleh 18 artikel yang relevan, dan setelah proses seleksi berdasarkan kriteria inklusi, sebanyak 7 artikel dipilih untuk dianalisis lebih lanjut.. Hasil: kajian ini menunjukkan bahwa penggunaan kecerdasan buatan, khususnya melalui teknologi digital twin dan sistem prediktif berbasis data pasien, mampu meningkatkan kontrol glukosa darah, menurunkan resistensi insulin, serta membantu pasien mencapai remisi. Teknologi ini juga mempermudah penyesuaian diet secara individual dan real-time. Dengan demikian, kecerdasan buatan memiliki potensi besar sebagai pendekatan inovatif dalam mendukung pengelolaan nutrisi pasien diabetes melitus secara lebih efektif dan berkelanjutan

References

America, N. (2024). Diabetes around the world - 2024 Diabetes around the world - 2024.

American Diabetes Association (ADA). (2024). Nutrition for Life: Diabetes Plate Method. 1–2.

Atmojo, J. T., Ningrum, A. N., Handayani, R. T., Widiyanto, A., & Darmayanti, A. T. (2024). Artifical Intelligence Dalam Praktik Kesehatan. Jurnal Ilmiah Permas : Jurnal Ilmiah STIKES Kendal, 14(3), 1081-1088. http://journal.stikeskendal.ac.id/imdex.php/PSKM

Banday, M. Z., Sameer, A. S., & Nissar, S. (2020). Pathophysiology of diabetes: An overview. Avicenna Journal of Medicine, 10(04), 174–188. https://doi.org/10.4103/ajm.ajm_53_20

Beno, J., Silen, A. ., & Yanti, M. (2022). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title. Braz Dent J., 33(1), 1–12.

Bul, K., Holliday, N., Bhuiyan, M. R. A., Clark, C. C. T., Allen, J., & Wark, P. A. (2023). Usability and Preliminary Efficacy of an Artificial Intelligence-Driven Platform Supporting Dietary Management in Diabetes: Mixed Methods Study. JMIR Human Factors, 10. https://doi.org/10.2196/43959

Ellahham, S. (2020). Artificial Intelligence : The Future For Diabetes Care. The American Journal Of Medicine, 133, 895-900. https://doi.org/10.1016/j.amjmed.2020.03.033

Evert, A. B., Dennison, M., Gardner, C. D., Timothy Garvey, W., Karen Lau, K. H., MacLeod, J., … Yancy, W. S. (2019). Nutrition therapy for adults with diabetes or prediabetes: A consensus report. Diabetes Care, 42(5), 731–754. https://doi.org/10.2337/dci19-0014

Guan, Z., Li, H., Liu, R., Cai, C., Liu, Y., Li, J., … Sheng, B. (2023). Artificial intelligence in diabetes management: Advancements, opportunities, and challenges. Cell Reports Medicine, 4(10), 101213. https://doi.org/10.1016/j.xcrm.2023.101213

Harreiter, J., & Roden, M. (2023). Diabetes mellitus: definition, classification, diagnosis, screening and prevention (Update 2023). Wiener Klinische Wochenschrift, 135, 7–17. https://doi.org/10.1007/s00508-022-02122-y

Joshi, S., Shamanna, P., Dharmalingam, M., Vadavi, A., Keshavamurthy, A., Shah, L., & Mechanick, J. I. (2023). Digital Twin-Enabled Personalized Nutrition Improves Metabolic Dysfunction-Associated Fatty Liver Disease in Type 2 Diabetes: Results of a 1-Year Randomized Controlled Study. Endocrine Practice, 29(12), 960–970. https://doi.org/10.1016/j.eprac.2023.08.016

Khasanah, J. F., Ridlo, M., & Putri, G. K. (2021). Gambaran Pola Diet Jumlah, Jadwal, dan Jenis (3J) pada Pasien dengan Diabetes Melitus Tipe 2. Indonesian Journal of Nursing Scientific, 1(1), 18–27.

Kurniasari, S., Nurwinda Sari, N., & Warmi, H. (2021). Pola Makan Dengan Kadar Glukosa Darah Pada Penderita Diabetes Melitus Tipe 2. Jurnal Riset Media Keperawatan, 3(1), 30–35. https://doi.org/10.51851/jrmk.v3i1.75

Lee, Y. Bin, Kim, G., Jun, J. E., Park, H., Lee, W. J., Hwang, Y. C., & Kim, J. H. (2023). An Integrated Digital Health Care Platform for Diabetes Management With AI-Based Dietary Management: 48-Week Results From a Randomized Controlled Trial. Diabetes Care, 46(5), 959–966. https://doi.org/10.2337/dc22-1929.

Lestari, Zulkarnain, Sijid, & Aisyah, S. (2021). Diabetes Melitus: Review Etiologi, Patofisiologi, Gejala, Penyebab, Cara Pemeriksaan, Cara Pengobatan dan Cara Pencegahan. UIN Alauddin Makassar, 1(2), 237–241. Diambil dari http://journal.uin-alauddin.ac.id/index.php/psb

Mullan, I. D., Rivo, M., Sepulveda, M., Park, Y., Snowdon, J., & Rhee, K. (2019). Transforming Diabetes Care Through Artificial Intelligence : The Future Is Here. Population Health Management, 22(3), 229-242. https://doi.org/10.1089/pop.20180.129

Shamanna, P., Erukulapati, R. S., Shukla, A., Shah, L., Willis, B., Thajudeen, M., … Joshi, S. (2024). One-year outcomes of a digital twin intervention for type 2 diabetes: a retrospective real-world study. Scientific Reports, 14(1), 1–11. https://doi.org/10.1038/s41598-024-76584-7

Shamanna, P., Joshi, S., Shah, L., Dharmalingam, M., Saboo, B., Mohammed, J., … Keshavamurthy, A. (2021). Type 2 diabetes reversal with digital twin technology-enabled precision nutrition and staging of reversal: a retrospective cohort study. Clinical Diabetes and Endocrinology, 7(1), 1–8. https://doi.org/10.1186/s40842-021-00134-7

Shamanna, P., Joshi, S., Thajudeen, M., Shah, L., Poon, T., Mohamed, M., & Mohammed, J. (2024). Personalized nutrition in type 2 diabetes remission: application of digital twin technology for predictive glycemic control. Frontiers in endocrinology, 15(November), 1485464. https://doi.org/10.3389/fendo.2024.1485464

Shamanna, P., Saboo, B., Damodharan, S., Mohammed, J., Mohamed, M., Poon, T., … Thajudeen, M. (2020). Reducing HbA1c in Type 2 Diabetes Using Digital Twin Technology-Enabled Precision Nutrition: A Retrospective Analysis. Diabetes Therapy, 11(11), 2703–2714. https://doi.org/10.1007/s13300-020-00931-w

Soelistijo, S. (2021). Pedoman Pengelolaan dan Pencegahan Diabetes Melitus Tipe 2 Dewasa di Indonesia 2021. Global Initiative for Asthma, 46. Diambil dari www.ginasthma.org.

Wei, X., Zou, H., Zhang, T., Huo, Y., Yang, J., Wang, Z., … Zhao, J. (2024). Gestational Diabetes Mellitus: What Can Medical Nutrition Therapy Do? Nutrients, 16(8). https://doi.org/10.3390/nu16081217

Published
2025-06-12
How to Cite
Sari, S. M., Rahmadani, F., & Perawati, P. (2025). Pemanfaatan Kecerdasan Buatan dalam Pengelolaan Nutrisi pada Pasien Diabetes Melitus: Suatu Tinjauan Literatur. Jurnal Penelitian Perawat Profesional, 7(3), 295-304. https://doi.org/10.37287/jppp.v7i3.6605