Dynamic Digestive Health Surveillance System (DDHSS): A Conceptual Framework for Longitudinal Colorectal Cancer Surveillance

Vollständiger Abstract

Worum geht es in dieser Arbeit?

Background: Colorectal cancer (CRC) remains a leading cause of cancer-related morbidity and mortality worldwide. Although fecal immunochemical tests (FIT) and colonoscopy effectively detect precancerous lesions and early-stage CRC, current screening strategies remain predominantly age-based and episodic. Such approaches inadequately capture longitudinal changes in individual risk profiles. Recent advances in electronic health records (EHRs), longitudinal healthcare databases, and artificial intelligence (AI) provide opportunities for more adaptive CRC surveillance. Objectives: This review evaluated the limitations of conventional CRC screening and the potential role of longitudinal healthcare data integration and AI-assisted risk stratification in adaptive CRC surveillance. Methods: A structured narrative review was conducted. Literature searches were performed in PubMed and Scopus for studies published between 2016 and 2026 using keywords related to CRC screening, longitudinal surveillance, healthcare informatics, and artificial intelligence. Relevant literature on CRC screening performance, predictive modeling, and AI-assisted surveillance systems was synthesized to develop a conceptual framework. Discussion: CRC susceptibility evolves under biological, metabolic, genetic, and environmental influences. Integration of cumulative healthcare information with predictive analytical models may improve the continuity and precision of CRC surveillance compared with conventional age-based screening. However, translational barriers, including data interoperability, algorithmic bias, and limited longitudinal validation, remain important challenges. Based on the synthesized evidence, the Dynamic Digestive Health Surveillance System (DDHSS) is proposed as a conceptual framework for population-level CRC surveillance. Conclusion: Integration of longitudinal healthcare data and AI-driven analytics may support more personalized and adaptive CRC surveillance beyond conventional age-based screening. Keyword: artificial intelligence, colorectal cancer, population surveillance, risk stratification, screening Latar Belakang: Kanker kolorektal (CRC) tetap menjadi salah satu penyebab utama morbiditas dan mortalitas akibat kanker di seluruh dunia. Meskipun tes imunokimia feses (FIT) dan kolonoskopi efektif dalam mendeteksi lesi prakanker serta CRC stadium awal, strategi skrining saat ini masih didominasi pendekatan berbasis usia dan dilakukan secara episodik. Pendekatan tersebut belum sepenuhnya menangkap perubahan risiko individu dari waktu ke waktu. Kemajuan rekam medis elektronik (EHR), data kesehatan longitudinal, dan kecerdasan buatan (AI) membuka peluang pengembangan pemantauan risiko CRC yang lebih adaptif. Tujuan: Tinjauan ini mengevaluasi keterbatasan skrining CRC konvensional serta potensi integrasi data longitudinal dan stratifikasi risiko berbantuan AI dalam surveilans CRC adaptif. Metode: Kajian naratif terstruktur dilakukan melalui penelusuran PubMed, Scopus, dan ScienceDirect untuk publikasi tahun 2016–2026. Sebanyak 38 publikasi memenuhi kriteria dan disintesis secara naratif. Pembahasan: Risiko CRC bersifat dinamis dan dipengaruhi faktor biologis, metabolik, genetik, lingkungan, serta riwayat skrining. Bukti yang ditinjau menunjukkan masih adanya risiko residual setelah hasil skrining negatif, heterogenitas lintasan risiko pascaskrining, serta potensi integrasi hasil FIT, temuan endoskopi sebelumnya, variabel klinis, dan data kesehatan rutin untuk mendukung pemantauan risiko yang lebih adaptif. Namun, model prediktif yang ada masih dibatasi oleh kurangnya validasi prospektif, ketidakpastian kalibrasi, bias algoritma, keterbatasan interoperabilitas data, dan belum cukupnya bukti utilitas klinis di dunia nyata. Berdasarkan bukti yang disintesis, DDHSS diusulkan sebagai kerangka konseptual untuk pemantauan risiko CRC longitudinal dan dukungan rujukan. Kesimpulan: DDHSS merupakan kerangka integratif yang bersifat hipotesis-generatif dengan menghubungkan data kesehatan longitudinal, analitik prediktif, stratifikasi risiko, dan umpan balik surveilans. DDHSS perlu dipahami sebagai arsitektur surveilans konseptual, bukan sistem klinis tervalidasi, sehingga nilai tambahnya dibandingkan jalur skrining, diagnostik, dan surveilans yang telah ada masih memerlukan evaluasi prospektif. Kata kunci: kanker kolorektal, kecerdasan buatan, surveilans populasi, skrining, stratifikasi risiko