Evolusi Malaria Zoonotik di Malaysia: Cabaran Baharu dalam Era Kesihatan Digital

Kata Kunci: Malaria zoonotik, Plasmodium knowlesi, kesihatan digital, AI, One Health

1. Pendahuluan: Evolusi Landskap Epidemiologi Malaria di Malaysia
   Malaysia telah berjaya dalam mengawal penularan malaria manusia tempatan (indigenous human malaria) sejak tahun 2018. Kejayaan ini dicapai melalui pelaksanaan strategi pengawasan kesihatan awam yang agresif dan kawalan vektor bersepadu termasuk pengedaran kelambu berubat tahan lama (LLIN), semburan residu dalaman (IRS), dan rawatan klinikal awal berasaskan terapi kombinasi artemisinin (ACT) yang telah berjaya memutuskan rantaian jangkitan tempatan bagi spesies Plasmodium falciparum dan Plasmodium vivax.
   Walau bagaimanapun, landskap epidemiologi negara kini didepani dengan ancaman gelombang baharu yang jauh lebih rumit, iaitu peningkatan mendadak kes malaria zoonotik.
   Patogen utama yang mendominasi statistik ini ialah Plasmodium knowlesi, sejenis parasit malaria zoonotik yang secara semula jadinya menjangkiti perumah monyet tetapi kini semakin kerap menjangkiti manusia melalui gigitan vektor nyamuk tiruk terutamanya daripada kumpulan Leucosphyrus. Fenomena ini memecahkan paradigma kawalan konvensional kerana fokus intervensi tidak lagi boleh ditumpukan kepada pengurusan pesakit di premis kesihatan semata-mata. Kehadiran reservoir haiwan liar dalam ekosistem hutan tebal menjadikan usaha pembasmian kes jauh lebih mencabar, sekali gus menuntut perubahan strategi yang bersifat holistik dan merentas disiplin.<>/li
   

2. Ekologi dan Perubahan Persekitaran: Titik Pertembungan Baharu
   Secara semula jadi, Plasmodium knowlesi bersifat enzootik di hutan tebal melibatkan transmisi antara perumah primate seperti monyet ekor panjang (Macaca fascicularis) dan monyet ekor babi (Macaca nemestrina) dengan vektor nyamuk tiruk daripada kumpulan Leucosphyrus. Penularan Plasmodium knowlesi secara semula jadi dari manusia ke manusia masih belum dapat dibuktikan secara konklusif, sekali gus menjadikan pertembungan antara manusia dengan perumah primata di zon pinggir hutan sebagai punca utama jangkitan.
   Namun, desakan ekonomi, pembandaran dan aktiviti antropogenik berskala besar seperti pembalakan, pembukaan estet, serta pembangunan infrastruktur merentas desa telah menyebabkan fragmentasi hutan berlaku secara meluas. Pengecilan habitat asal memaksa populasi monyet berpindah ke kawasan pinggir hutan atau kawasan pertanian manusia untuk mencari sumber makanan baharu.
   Pertembungan spatial ini meletakkan pekerja ladang, peneroka hutan, dan komuniti Orang Asli dalam zon risiko yang tinggi, terutamanya pada waktu subuh dan senja yang merupakan tempoh puncak perlakuan menggigit (biting behavior) bagi nyamuk Anopheles. Fenomena limpahan patogen (spillover event) ini membuktikan bahawa lonjakan kes Plasmodium knowlesi bukan sekadar masalah klinikal, sebaliknya merupakan manifestasi langsung daripada ketidakseimbangan ekosistem dan pengurusan guna tanah yang tidak lestari.
3. Teknologi GIS dan Penderiaan Jauh dalam Pengawasan Penyakit Spatial
   Pengurusan penyakit berjangkit yang bersumberkan habitat hutan seperti malaria zoonotik memerlukan keupayaan pemantauan yang melampaui sempadan fizikal makmal. Dalam konteks ini, Sistem Maklumat Geografi (GIS) dan Penderiaan Jauh (Remote Sensing) berperanan sebagai instrumen strategik untuk pemetaan risiko secara strategik. Pemetaan berasaskan GIS membolehkan setiap kes P. knowlesi yang disahkan di lapangan dihubungkan dengan koordinat Sistem Kedudukan Global (GPS) yang tepat. Data ini membantu pakar epidemiologi menganalisi taburan spatial, mengenalpasti kluster kes baru, serta pemantauan corak penyebaran penyakit mengikut garis masa tertentu secara dinamik.
   Di samping itu, teknologi Penderiaan Jauh menerusi imej satelit bumi memberi keupayaan unik untuk memantau perubahan biofizikal persekitaran yang mendorong pembiakan nyamuk. Penyelidik dapat memanfaatkan analisis Indeks Kehijauan Ternormal (NDVI) untuk menilai kadar penebangan hutan dan perubahan litupan tumbuhan. Parameter persekitaran lain seperti kelembapan tanah, suhu permukaan bumi, dan taburan hujan turut dianalisis secara berterusan bagi memodelkan habitat pembiakan nyamuk. Integrasi data spatial ini membolehkan Kementerian Kesihatan Malaysia (KKM) mengalihkan strategi kawalan daripada tindakan pasif (iaitu merawat selepas kes berlaku) kepada tindakan proaktif dan ramalan berasaskan risiko.

Rajah 1. Integrasi GIS, Penderiaan Jauh, dan Kecerdasan Buatan dalam Survelan Malaria (direka menggunakan AI)

4. Sinergi Analisis Data Raya dan AI
   Dalam era data raya, kemajuan teknologi Kecerdasan Buatan (AI) dan Model Bahasa Besar (LLM) seperti platform NotebookLM dan Gemini menjadi alat pemangkin penting dalam analisis epidemiologi moden. Keupayaan alat AI dalam memproses, mensintesis, dan menghubungkaitkan ribuan artikel saintifik, data genomik parasit, serta laporan pemantauan kesihatan awam secara serentak membolehkan penyelidik mengesan corak mutasi genetik atau rintangan ubat dengan lebih pantas. Keupayaan ini dapat membantu memendekkan tempoh yang diperlukan oleh saintis untuk menganalisis dan memahami dinamik penularan parasit di sesuatu kawasan, sekali gus menyokong penghasilan penemuan dan keputusan yang lebih pantas berasaskan data.
   Selain pengurusan teks saintifik, keupayaan pengkomputeran analitik AI multimodal membolehkan integrasi set data heterogeny termasuk data perubahan iklim, imejan satelit geospasial, serta corak mobiliti populasi manusia. Dengan memproses pemboleh ubah kompleks ini, algoritma AI mampu membina model ramalan wabak yang berupaya mengenal pasti zon berisiko tinggi (hotspots) serta mengunjurkan tempoh berpotensi berlakunya kemuncak kes. Penemuan berasaskan analisis ramalan ini memperkasakan agensi kesihatan merancang dan mengoptimumkan pengagihan sumber logistik serta tindakan intervensi, seperti pengedaran semburan racun serangga bersasar dan pelaksanaan ujian saringan aktif, ke lokasi yang paling berisiko sebelum lonjakan kes berlaku secara meluas.
5. Cabaran Diagnosis dan Kepentingan Kaedah Molekular PCR
   Dari sudut pengurusan klinikal, pengesanan Plasmodium knowlesi menghadapi cabaran getir kerana ciri-ciri morfologi parasit malaria zoonotik yang sangat mirip dengan parasit malaria manusia di bawah ujian mikroskopi calitan darah. Walaupun mikroskopi diiktiraf sebagai piawaian emas (gold standard), kaedah ini mempunyai kekangan spesifisiti yang kritikal bagi spesies zoonotik. Peringkat awal, morfologi bentuk gelang (ring form) bagi P. knowlesi sukar dibezakan daripada Plasmodium falciparum, manakala peringkat matangnya menyerupai Plasmodium malariae. Kegagalan mengenal pasti Plasmodium knowlesi dengan pantas boleh membawa maut, memandangkan parasit ini mempunyai tempoh kitaran replikasi eritrositik yang amat singkat, iaitu setiap 24 jam. Kitaran pantas ini menyebabkan beban parasit dalam darah pesakit boleh melonjak secara eksponen dalam masa singkat dan mencetuskan komplikasi organ yang teruk seperti kegagalan buah pinggang dan edema pulmonari.
   Oleh itu, peralihan ke arah diagnostik molekul berasaskan Reaksi Rantaian Polimerase (PCR) adalah keperluan mutlak. PCR mampu mengesan urutan DNA spesifik parasit dengan tahap sensitiviti dan spesifisiti yang tinggi menghampiri 100%. Penggunaan PCR mudah alih (portable PCR) yang dihubungkan dengan Internet Pelbagai Benda (IoT) dan pengkomputeran awan membolehkan data ujian dari klinik pedalaman dihantar secara masa nyata ke pangkalan data pusat bagi memulakan intervensi klinikal tanpa sebarang kelewatan.
6. Pendekatan One Health dan Sinergi Inter-Agensi
   Kejayaan menangani malaria zoonotik memerlukan pembubaran pemikiran terasing (silo mentality) dalam jentera pentadbiran awam. Oleh sebab punca penyakit ini berada di persimpangan antara kesihatan manusia, populasi haiwan liar, dan perubahan ekosistem alam sekitar, strategi penyelesaian tunggal semata-mata tidak akan memadai. Kerangka kerja One Health (Satu Kesihatan) perlu diangkat sebagai doktrin operasi kebangsaan, disokong penuh oleh infrastruktur digital yang membolehkan perkongsian data rentas agensi secara telus, sistematik, dan menyeluruh.

Melalui integrasi data bersilang yang melibatkan pelbagai agensi penting, model ramalan penyakit akan menjadi jauh lebih matang dan holistik. Kolaborasi ini melibatkan:

• Kementerian Kesihatan Malaysia (KKM): Membekalkan data klinikal dan entomologi.
• Jabatan Perhutanan: Menyediakan pemetaan guna tanah dan data satelit persekitaran.
• Jabatan Perlindungan Hidupan Liar dan Taman Negara (PERHILITAN): Memantau data populasi primata.
• Institusi Penyelidikan (seperti UKM) & Rakan Teknologi (seperti Google Malaysia): Menyediakan kepakaran analitik, infrastruktur awan, dan algoritma kecerdasan buatan.

Maka, selaras dengan inspirasi daripada tema Hari Malaria Sedunia 2026, “Driven to End Malaria: Now We Can. Now We Must”, sinergi rentas sektor ini merupakan kunci utama untuk merealisasikan sasaran pengurangan beban kes zoonotik secara berkesan dan mampan.




Rajah 2. Kolaborasi agensi untuk mengawal malaria zoonotik (direka menggunakan AI)
7. Kesimpulan
   Kejayaan Malaysia menghentikan transmisi tempatan malaria manusia merupakan lipatan sejarah yang membanggakan, namun ancaman Plasmodium knowlesi menuntut kewaspadaan baharu. Gabungan teknologi geospasial GIS, analisis ramalan AI, dan diagnostik molekular PCR menjadi landasan kukuh untuk membendung penyebaran parasit ini. Walau bagaimanapun, teknologi hanyalah pemacu. Menerusi pengukuhan pendekatan One Health dan ketersediaan infrastruktur digital nasional, Malaysia mampu menjadi peneraju global dalam kawalan penyakit zoonotik.