BINA-PATCH: INOVASI WEARABLE DISSOLVING MICRONEEDLE BIOSENSORS BERBASIS SILK FIBROIN DENGAN SUPLEMENTASI NUTRIEN BEKATUL PADI, IKAN SIDAT, DAN BUAH LIMPASU TERINTEGRASI APLIKASI MOBILE–AI UNTUK DETEKSI DINI DAN PENGENDALIAN KELAINAN KONGENITAL PADA IBU HAMIL DI WILAYAH 3T

Oleh: Lina Liliana, Muhammad Raffa Ramadhan Rahardian, Alvin Henda Saputra

Pendahuluan

Kelainan kongenital masih menjadi salah satu penyebab utama kematian dan kecacatan banyak bayi di dunia. Laporan World Health Organization (WHO) pada tahun 2023 memperkirakan terdapat lebih dari delapan juta bayi di dunia lahir dengan kelainan kongenital setiap tahunnya, dengan sebagian besar kasus terjadi di negara berpenghasilan rendah dan menengah. Diperkirakan terdapat lebih dari 3,3, juta jiwa meninggal sebelum mencapai usia 5 tahun. Indonesia sendiri memiliki prevalensi kelainan kongenital yang masih cukup tinggi. Kementerian Kesehatan (Kemenkes) menyebutkan bahwa di Indonesia terdapat lebih dari 295.000 kasus kelainan kongenital tiap tahunnya, terutama di wilayah 3T (Tertinggal, Terdepan, dan Terluar) yang menghadapi keterbatasan akses layanan kesehatan dan gizi. Kondisi ini diperburuk oleh tingginya kasus stunting, anemia, dan defisiensi mikronutrien pada ibu hamil, yang terbukti berhubungan erat dengan peningkatan risiko cacat lahir dan gangguan tumbuh kembang janin (1).

Tantangan utama di wilayah 3T adalah minimnya akses antenatal care (ANC) yang memadai. Deteksi dini kelainan kongenital pada umumnya membutuhkan teknologi canggih, seperti USG, pemeriksaan genetik, atau biomarker spesifik, yang tidak hanya mahal, tetapi juga sulit dijangkau oleh masyarakat di daerah terpencil (2). Selain itu, belum ada sistem yang mampu memantau status gizi dan biomarker ibu hamil secara realtime dan berkelanjutan. Padahal, perubahan kecil dalam kadar hemoglobin, asam folat, protein, dan status oksidatif dapat menjadi indikator awal risiko terjadinya kelainan kongenital. Oleh karena itu, dibutuhkan sistem monitoring nutrisi dan biomarker secara kontinu pada ibu hamil di daerah 3T, yang tidak hanya dapat memantau kebutuhan nutrisi, tetapi juga dapat memberikan kebutuhan nutrisi itu sendiri.

Sebagian besar teknologi kesehatan berbasis monitoring yang ada saat ini hanya menghadirkan fitur berupa pengukuran parameter umum, seperti detak jantung, tekanan darah, atau kadar oksigen, tanpa mendeteksi biomarker penting, seperti hemoglobin, kadar asam folat, protein, dan status oksidatif (3). Di sisi lain, terdapat potensi besar dari bahan bioaktif lokal di Indonesia, seperti bekatul padi, ikan sidat, dan buah limpasu yang belum dimanfaatkan secara optimal dalam inovasi teknologi kesehatan. Kombinasi antara masalah akses, kurangnya deteksi dini, dan minimnya pemanfaatan sumber daya lokal menjadi faktor utama yang mendorong lahirnya gagasan inovatif, BINA-Patch, wearable dissolving microneedle biosensor berbasis silk fibroin yang dikombinasikan dengan nutrien lokal dari bekatul padi, ikan sidat, dan buah limpasu untuk meningkatkan status gizi ibu hamil sekaligus melakukan pemantauan biomarker secara kontinu. BINA-Patch dilengkapi dengan chip Bluetooth Low Energy (BLE) dan sistem biosensor enzimatik untuk mendeteksi kadar hemoglobin, asam folat, dan status oksidatif tubuh. Hasil pemantauan kemudian diintegrasikan ke dalam aplikasi mobile-AI yang mampu memprediksi secara personal risiko kelainan kongenital.

Pembahasan

Kondisi malnutrisi, defisiensi mikronutrien, dan imunodefisiensi pada ibu hamil dapat meningkatkan risiko kelainan kongenital, terutama pada populasi wilayah 3T dengan akses gizi dan layanan kesehatan yang terbatas (4, 5). Suplementasi bioaktif lokal menjadi strategi intervensi gizi preventif bagi ibu hamil melalui kombinasi bahan alam kaya antioksidan dan mikronutrien esensial (6). Bekatul padi (Oryza sativa), ikan sidat (Anguilla bicolor), dan buah limpasu (Baccaurea lanceolata) yang terlampir pada Tabel 1, Kombinasi bioaktif ini bersinergi meningkatkan proteksi maternal terhadap risiko kelainan kongenital (7-10). Bahan aktif tersebut kemudian diformulasikan dalam silk fibroin microneedle patch yang biokompatibel dan biodegradable (11); jarumnya larut setelah menembus kulit, melepaskan nutrien langsung ke cairan interstisial tanpa residu (12). Patch ini juga berfungsi sebagai biosensor enzimatik untuk memantau hemoglobin, folat, protein plasma, dan penanda oksidatif secara real-time, dengan data dikirim melalui chip Bluetooth Low Energy (BLE) ke aplikasi seluler (13). Melalui analisis AI berbasis regresi, sistem memprediksi risiko kelainan kongenital dan memberikan edukasi gizi serta peringatan dini berbasis kondisi aktual ibu (14).

Seperti terlampir pada Gambar 2, tahapan formulasi BINA-Patch diawali dengan preparasi tiga bahan alam lokal bekatul padi (Oryza sativa), ikan sidat (Anguilla bicolor), dan buah limpasu (Baccaurea lanceolata) yang mengandung bioaktif sinergis untuk mendukung status gizi maternal dan proteksi terhadap stres oksidatif. Ekstrak bekatul diperoleh melalui etanol 70% pada 50 °C selama 2 jam menghasilkan fraksi kaya γoryzanol, vitamin E, dan folat, kemudian dikeringkan dengan spray drying 40 °C (15,16). Ekstrak sidat menggunakan etanol 95% : air (3 : 1) diikuti freeze-drying dan nanoemulsi ultrasonik guna meningkatkan stabilitas dan absorpsi protein albumin (17,18). Buah limpasu diekstraksi etanol 70% pada 50 °C selama 3 jam, lalu dimikrokapsulasi dengan maltodekstrin 10% melalui spray drying untuk menjaga kestabilan polifenol dan zat besi (19,20). Seluruh ekstrak dikarakterisasi dengan FTIR untuk identifikasi gugus fungsi utama (C=O, O–H, N–H) (21) dan dianalisis kuantitatif menggunakan HPLC kolom C18 pada 254 nm untuk menentukan kadar γ-oryzanol, DHA/EPA, serta total polifenol (22). Proses ini menghasilkan basis bioaktif terstandar dengan potensi antioksidan, antiinflamasi, dan regeneratif sebagai fondasi sistem biomimetik BINA-Patch.

Setelah bahan aktif terstandarisasi, dilakukan formulasi silk fibroin sebagai matriks dasar microneedle yang bersifat biokompatibel dan biodegradable. Serat sutera dari kokon menjalani degumming dengan larutan Na₂CO₃ 0,02 M selama 30 menit untuk menghilangkan serisin dan memperoleh fibroin murni (23). Fibroin kemudian dilarutkan dalam sistem CaCl₂–etanol–air (1 : 2 : 8) pada 60 °C, disaring, didialisis selama 72 jam, dan distabilkan melalui methanol annealing hingga mencapai fraksi β-sheet 40–50% guna memperoleh kekuatan mekanik optimal (24–25). Larutan fibroin dicampur dengan ekstrak bekatul, sidat, dan limpasu pada 25 °C untuk menjaga stabilitas bioaktif seperti folat dan DHA (26), lalu dicetak menggunakan metode molding casting ke dalam cetakan silikon setinggi 400–600 µm dan dikeringkan 24 jam pada 25 °C dengan kelembaban 40%. Hasilnya berupa patch 2 × 2 cm dengan ±100 jarum yang mampu menembus stratum corneum tanpa nyeri (24). Uji mekanik menunjukkan kekuatan tekan tiap jarum 0,2 N (23), sementara uji pelarutan in vitro menunjukkan jarum larut dalam 5–10 menit, melepaskan bioaktif secara efisien ke jaringan subkutan superfisial (25).

Pada tahap berikutnya, BINA-Patch dikembangkan dengan integrasi biosensor multi-analit berbasis microneedle array untuk deteksi biomarker maternal secara minimal invasif, seperti yang terlihat pada Gambar 3. Sensor kolorimetri enzimatik mendeteksi hemoglobin melalui reaksi kromogenik dengan perubahan warna proporsional terhadap kadar Hb (27), sedangkan immunosensor berbasis elektroda emas miniatur digunakan untuk asam folat (28) dan sistem enzyme-linked oxidoreductase mengukur albumin plasma (29). Sensor elektrokimia ber-elektroda karbon termodifikasi nanopartikel memantau peroksida sebagai indikator stres oksidatif (30). Seluruh sinyal dialirkan melalui lapisan konduktif perak–grafena ke modul Bluetooth Low Energy (BLE) berdaya rendah, seperti nRF52832 SoC, yang bekerja hingga 48 jam dengan konsumsi daya < 10 mW (31–32). Data biomarker dikirim secara real-time ke aplikasi seluler, BINA-APPS untuk dianalisis oleh AI berbasis regresi logistik dalam memprediksi risiko kelainan kongenital maternal (33), yang telah dilatih menggunakan dataset klinis lokal (34). Seperti terlihat pada Gambar 4. aplikasi BINA APPS juga menyediakan edukasi gizi, rekomendasi diet, dan notifikasi otomatis bagi tenaga kesehatan, dengan mode offline untuk wilayah 3T (35–36).

BINA-Patch yang telah diformulasikan selanjutnya diuji untuk memastikan efikasi dan keamanan melalui tahapan in vitro, in vivo, hingga pra-klinis, seperti terlihat pada Gambar 2. Uji in vitro menilai spesifisitas, sensitivitas, stabilitas sinyal, dan sitotoksisitas seluler menggunakan metode MTT atau live/dead assay (37). Setelah hasil memenuhi kriteria, uji in vivo dilakukan pada model hewan untuk mengkaji performa deteksi biomarker, distribusi sinyal, serta potensi inflamasi dan toksisitas jaringan melalui analisis histologis dan biomarker organ (38). Data uji dibandingkan dengan parameter klinis rujukan untuk validasi menuju uji klinis manusia, memastikan konsistensi molekuler, seluler, dan fisiologis (39).

BINA-Patch bekerja sebagai sistem theranostic non-invasif yang secara simultan menghantarkan nutrien dan memantau biomarker secara real-time. Microneedle larut di cairan interstisial, melepaskan bioaktif dari bekatul, sidat, dan limpasu ke jaringan subkutan untuk mendukung gizi maternal, sementara cairan interstisial diserap oleh lapisan biosensor kolorimetri, imunologi, dan elektrokimia untuk mendeteksi hemoglobin, folat, protein, dan oksidan. Sinyal biokimia dikonversi oleh chip BLE menjadi data digital yang ditransmisikan ke aplikasi berbasis AI guna menganalisis tren biomarker, risiko kelainan kongenital, dan rekomendasi gizi. Mekanisme ini memungkinkan pemantauan presisi tanpa nyeri, efisien bagi wilayah 3T, sekaligus mendukung tenaga medis dan kebijakan gizi melalui integrasi data epidemiologis. Seperti terlampir pada Tabel 2 dan Tabel 3., implementasi BINA-Patch dilanjutkan melalui kolaborasi pentahelix antara akademisi, industri, pemerintah, komunitas, dan media untuk riset, produksi, distribusi, serta edukasi ibu hamil di wilayah 3T. Strategi ini mencakup tahap pilot project, pelatihan tenaga kesehatan, integrasi data biomarker ke sistem Kemenkes, dan pemberdayaan UMKM lokal guna mendukung keberlanjutan inovasi.

Penutup

Inovasi BINA-Patch menghadirkan sistem wearable theranostic berbasis silk fibroin dissolving microneedle yang mengintegrasikan nutrien lokal bekatul, sidat, dan limpasu dengan biosensor multi-analit serta kecerdasan buatan untuk deteksi dini dan pengendalian risiko kelainan kongenital pada ibu hamil. Pendekatan ini memanfaatkan potensi bioaktif sumber daya alam Indonesia secara berkelanjutan dengan fungsi ganda: penghantaran nutrien untuk memperbaiki status gizi maternal dan pemantauan biomarker real-time guna mendukung deteksi dini. Melalui teknologi transdermal presisi dan sistem digital berbasis AI, BINA-Patch menjadi solusi inovatif bagi pemerataan layanan maternal di wilayah 3T. Penelitian lanjutan diperlukan untuk memastikan biokompatibilitas, efektivitas nutrien, dan validasi sistem wearable secara klinis, disertai kolaborasi antara akademisi, tenaga kesehatan primer, industri, dan pemerintah untuk mewujudkan BINA Patch sebagai inovasi bio-digital yang memperkuat ketahanan kesehatan ibu dan anak di Indonesia.

Daftar Pustaka:
[1] Kiani AK, Dhuli K, Donato K, Aquilanti B, Velluti V, Matera G, et al. Main
nutritional deficiencies. J Prev Med Hyg. 2022;63(2 Suppl 3):E93.
[2] Siahaan G, Maghfirah A. Hubungan keteraturan kunjungan antenatal care (ANC)
terhadap deteksi dini risiko tinggi ibu hamil trimester III dengan menggunakan
kartu skor Poeji Rochjati (KSPR) di wilayah kerja Puskesmas Rawasari Jambi. J
Kesehat Saintika Meditory. 2023;6(2):44–51.
[3] Diez Alvarez S, Fellas A, Santos D, Sculley D, Wynne K, Acharya S, et al. The
clinical impact of flash glucose monitoring a digital health app and smartwatch
technology in patients with type 2 diabetes: scoping review. JMIR Diabetes.
2023;8:e42389.
[4] Abu Bakar MF, Ahmad NE, Karim FA, Saib S. Phytochemicals and antioxidative
properties of Borneo indigenous Liposu (Baccaurea lanceolata) and Tampoi
(Baccaurea macrocarpa) fruits. Antioxidants. 2014;3(3):516–525.
doi:10.3390/antiox3030516.
[5] Al Mashrafi SS, Tafakori L, Abdollahian M. Predicting maternal risk level using
machine learning models. BMC Pregnancy Childbirth. 2024;24:820.
doi:10.1186/s12884-024-07030-9.
[6] World Health Organization. Congenital disorders (Birth defects) – Fact Sheet.
WHO Int. 2023 Feb 27. Available from: https://www.who.int/news-room/factsheets/detail/birth-defects. Accessed Oct 10, 2025.
[7] Tan BL, Norhaizan ME, Chan LC. Rice bran: from waste to nutritious food
ingredients. Nutrients. 2023;15(11):2503. doi:10.3390/nu15112503.
[8] Waturangi DE, Nuryati S, et al. The potential of shallot skin powder and
actinomycetes metabolites as antimicrobe and antibiofilm in the treatment of eel (Anguilla bicolor bicolor) infected with Aeromonas hydrophila. BMC Res Notes.
2023;16(1):297. doi:10.1186/s13104-023-06611-9.
[9] Naffaa MM. Omega-3 fatty acids and fetal brain development: implications for
maternal nutrition. Exp Neuroprotect Ther. 2025;5:1004107.
doi:10.37349/ent.2025.1004107.
[10] Kalisch-Smith J, Ved N, Sparrow DB, et al. Maternal iron deficiency perturbs
embryonic cardiovascular development in mice. Nat Commun. 2021;12(1):844.
doi:10.1038/s41467-021-23660-5.
[11] Lu H, Wang J, Li J, Gao B, He B. Advanced silk fibroin biomaterials-based
microneedles for healthcare. Macromol Biosci. 2023;23(11):e2300141.
doi:10.1002/mabi.202300141.
[12] Hu Y, Chatzilakou E, Pan Z, Traverso G, Yetisen AK. Microneedle sensors for
point-of-care diagnostics. Adv Sci. 2024;11(12):e2306560.
doi:10.1002/advs.202306560.
[13] Oliveira N, Xu R, et al. Dissolving microneedles for efficient nutrient delivery.
Biomaterials. 2024;273:120678. doi:10.1016/j.biomaterials.2024.120678.
[14] Al Mashrafi SS, Tafakori L, Abdollahian M. Machine learning prediction of
maternal risk in pregnancy. Comput Methods Programs Biomed.
2024;207:106249. doi:10.1016/j.cmpb.2024.106249.
[15] Lee M, Kim J. Enhancement of antioxidant activity of rice bran extract through
controlled drying. J Food Sci Technol. 2021;58(3):1101–8.
[16] Megawati A, Ningsih Y, et al. Lipid and protein fractionation of Anguilla bicolor
bicolor for nutraceutical development. Mar Drugs. 2023;21(2):85.
[17] Suzuki T, Matsumoto K. Nutritional evaluation of eel protein hydrolysate as
bioactive supplement. J Funct Foods. 2020;73:104123
[18] Lestari D, Rahmawati R. Antioxidant and iron content of Baccaurea lanceolata
fruit extract. Heliyon. 2022;8(6):e09546.
[19] Abdullah S, et al. Phytochemical profile and antioxidant potential of indigenous
Baccaurea species. Plants (Basel). 2021;10(10):2110.
[20] Abdullah H, Phairatana T, Jeerapan I. Tackling the challenges of developing
microneedle-based electrochemical sensors. Microchim Acta. 2022;189(11):440.
doi:10.1007/s00604-022-05510-3.
[21] Rahman A, et al. Characterization of plant bioactives using FTIR and HPLC: a
comparative validation study. Spectrochim Acta A Mol Biomol Spectrosc.
2022;269:120728.
[22] Krishnan K, et al. Advances in high-performance liquid chromatography for
nutraceutical quality control. J Chromatogr Sci. 2023;61(4):305–16.
[23] Li W, et al. Fabrication of silk fibroin dissolving microneedles for transdermal
delivery of nutrients. Mater Sci Eng C. 2021;128:112308.
[24] Zhang X, et al. Silk fibroin-based microneedle arrays for controlled drug release.
Adv Healthc Mater. 2022;11(3):e2101535.
[25] Hao Y, et al. Biocompatible microneedle systems: a review of fabrication and
biomedical applications. Biosens Bioelectron. 2024;250:115089.
[26] Nguyen P, et al. Enzyme-based biosensors for clinical biomarker monitoring.
Biosens Bioelectron X. 2023;13:100330.
[27] Ren W, et al. Paper-based analytical device for fast colorimetric detection of total
hemoglobin. Microchem J. 2023;189:108380.
[28] Movendane Y, et al. Advances in folic acid biosensors and their significance for
maternal health. Biosensors (Basel). 2023;13(7):616.
[29] Deshpande AS, et al. Electrochemical sensors for oxidative stress monitoring.
Sensors (Basel). 2021;21(24):8379.
[30] Liu C, et al. Integration of BLE-enabled biosensors for real-time health
monitoring. IEEE Sens J. 2021;21(24):27215–24.
[31] Nordic Semiconductor. nRF52832 product specification. Oslo: Nordic
Semiconductor; 2022.
[32] Chen J, et al. AI-driven mobile health monitoring for maternal and fetal
outcomes. npj Digit Med. 2022;5(1):142.
[33] Arifin M, Sari D. Low-energy IoT and AI framework for rural maternal health
surveillance. Front Public Health. 2023;11:1105783.
[34] Ma T, et al. Design, development, and testing of BEST4Baby: offline-first
mHealth architecture and synchronization patterns. JMIR Form Res.
2022;6(8):e39261.
[35] Hao Y, et al. Intelligent microneedle biosensors: integration of AI and wearable
health monitoring. Biosens Bioelectron. 2024;254:115413.
[36] Liu C, et al. Mobile-integrated BLE biosensor network for maternal health
monitoring. IEEE Trans Biomed Eng. 2024;71(2):678–89.
[37] Nair DG, Gijselinck I, et al. Advanced In Vitro Models for Preclinical Drug
Safety. PMC. 2024. Available from:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC11763796/
[38] Ali IH, et al. Design, development, in-vitro and in-vivo evaluation of
multilayered durable nanofibrous wound patch. Sci Rep. 2023;13:29032.
Available from: https://www.nature.com/articles/s41598-023-29032-x
[39] Moctezuma-Ramirez A, et al. Designing an In Vivo Preclinical Research Study.
MDPI. 2023;4(4):53. Available from: https://www.mdpi.com/2673-4095/4/4/53