Mendorong AI kesehatan tanpa menghilangkan sentuhan manusia

Para pemimpin kesehatan di Asia memandang kecerdasan artifisial (AI) bukan sebagai pengganti tenaga medis, melainkan sebagai alat untuk mengurangi beban administratif dan memberi lebih banyak ruang bagi manusia untuk fokus pada pelayanan pasien. 

Demikian kesimpulan panel dan presentasi "Health Outcomes with AI" di acara Asia eHealth Information Network (AeHIN) General Meeting 2026 yang digelar di Jakarta pada 12 Mei.  

Dalam presentasinya, Anggota AeHIN Governing Committee, Dr Fazilah Shaik Allaudin, membuka diskusi dengan satu pernyataan penting: bahwa masa depan kesehatan bukan tentang AI menggantikan dokter atau tenaga kesehatan, melainkan tentang augmented intelligence yang meningkatkan kemampuan penilaian manusia. 

 “Masa depan standar kesehatan adalah kolaborasi simbiotik yang etis, ketika presisi bertemu dengan empati,” kata Dr Fazilah. 

Menurutnya, tenaga kesehatan yang mampu mengintegrasikan AI secara bertanggung jawab dalam alur kerja mereka pada akhirnya akan menggantikan mereka yang tidak melakukannya. 

Di sesi panel, Komisioner Departemen Kesehatan Gujarat, India, Dr Sandhya Bullar, menambahkan bahwa dokter dan tenaga kesehatan perlu memahami AI karena masyarakat kini sudah menggunakan AI untuk mencari diagnosis awal, rekomendasi obat, hingga pola diet personalisasi sebelum datang ke rumah sakit. 

“Pasien datang membawa hasil dari AI dan berdebat dengan dokter di rumah sakit. Lalu bagaimana dokter harus menjawabnya?” katanya. 

Ini menjadi tantangan baru bagi tenaga medis untuk memberikan penjelasan yang akurat sekaligus mengingatkan pasien mengenai keterbatasan AI, tambahnya. 

AI mempercepat layanan kesehatan 

Direktur Informasi Kesehatan Kementerian Kesehatan Sri Lanka, Dr Indika Jagoda, menjelaskan bagaimana AI dapat membantu pekerjaan dokter dan tenaga kesehatan sehingga mereka dapat lebih fokus pada tindakan medis.

Ia membagikan pengalaman rumah sakit di negaranya yang mulai menggunakan mesin MRI berbasis AI untuk mempercepat proses radiologi.  

Sebelumnya, satu proses MRI dapat memakan waktu 40 hingga 50 menit. Kini, sistem AI mampu mendeteksi secara otomatis ketika pasien bergerak selama pemindaian dan langsung mengulang pengambilan gambar tanpa harus memulai proses dari awal. 

“Teknologi ini secara dramatis memangkas waktu MRI. Artinya kami bisa melakukan lebih banyak.” 

Menurut Dr Indika, implementasi ini justru tidak membuat radiolog merasa terancam oleh AI. Sebaliknya, teknologi membantu mengurangi pekerjaan repetitif sehingga tenaga medis memiliki lebih banyak waktu untuk intervensi, bukan hanya interpretasi. 

Senada dengan itu, Dr Sandhya menjelaskan bahwa AI telah meningkatkan efisiensi dalam proses klaim biaya kesehatan. Proses verifikasi klaim yang sebelumnya membutuhkan waktu berhari-hari kini dapat selesai hanya dalam hitungan jam. 

Ia membagikan bagaimana proses ini telah membantu program asuransi kesehatan nasional India, Pradhan Mantri Jan Arogya Yojana (PMJAY). AI juga digunakan untuk mendeteksi potensi fraud dan membantu proses pra-otorisasi layanan kesehatan secara otomatis. 

Namun ia menegaskan bahwa efisiensi tidak boleh membuat sistem kesehatan kehilangan orientasi publiknya. 

Menurutnya, ada risiko nyata bahwa sistem kesehatan publik – yang justru menjadi tumpuan saat krisis kesehatan seperti pandemi Covid-19 – perlahan ditinggalkan. 

“AI memang membantu, tetapi AI tidak boleh membuat sistem kesehatan kita sepenuhnya bergerak ke arah sektor swasta, terutama jika itu menyebabkan biaya meningkat,” katanya. 

Menurut Dr Sandhya, tantangan terbesarnya ialah bagaimana memastikan pemerintah tetap memiliki kapasitas pengawasan, audit, dan validasi terhadap keputusan berbasis AI. 

AI bergantung pada data yang dibuat manusia 

Meski AI mampu meningkatkan efisiensi, para panelis sepakat bahwa teknologi ini tetap sangat bergantung pada kualitas data yang disiapkan manusia.

Direktur Teknologi Informasi BPJS Kesehatan, Setiaji, menyoroti bahwa AI di sektor kesehatan tidak akan berjalan efektif tanpa fondasi data yang kuat dan interoperabel. Di tengah banyak negara masih berada pada tahap awal dalam membangun standar dan validasi dataset, menurutnya adopsi AI tidak perlu dilakukan secara terburu-buru.  

“Yang terpenting adalah bagaimana kita fokus membangun interoperabilitas dan standardisasi data kesehatan, mulai dari penggunaan kode ICD-10 hingga standarisasi referensi obat.” 

Langkah selanjutnya adalah memadukan data kesehatan dengan pharmacogenomics dan nutrigenomics agar layanan kesehatan dapat disesuaikan dengan kondisi biologis tiap pasien, bukan lagi menggunakan pendekatan satu obat untuk semua orang. 

Menurutnya, tantangan Indonesia yang memiliki ribuan pulau adalah bagaimana memastikan pemerataan layanan kesehatan. Karena itu, ia mendorong AI dirancang secara inklusif agar dapat menjangkau kelompok masyarakat yang selama ini kurang terlayani.  

“AI tidak otomatis menciptakan kesetaraan, maka kami berupaya memastikan dataset yang digunakan untuk melatih AI mencakup kelompok lansia, penyandang disabilitas, dan masyarakat di daerah terpencil,” tambahnya. 

Selain itu, tantangan lain adalah memastikan AI dapat digunakan di wilayah dengan konektivitas terbatas. Pemerintah sedang melatih model AI yang dapat berjalan secara offline untuk mendukung layanan kesehatan di daerah terpencil. 

Asia-Pacific Business Lead Qure.ai, Atharva Mangesh Surve, menambahkan bahwa AI bukan hanya untuk rumah sakit besar atau kota yang sudah maju, tetapi juga membantu wilayah yang kekurangan dokter spesialis atau sumber daya terbatas. 

“AI telah membantu tenaga kesehatan untuk mengenali bahwa suatu kasus bersifat kritis dan perlu segera ditindaklanjuti atau dirujuk lebih lanjut,” katanya 

Ia juga mendorong agar setiap implementasi AI kesehatan tetap harus diuji menggunakan data lokal dan dipantau secara berkala.  

Menutup diskusi, Dr Indika menekankan bahwa keberhasilan layanan kesehatan tidak ditentukan oleh seberapa canggih AI yang digunakan, melainkan bagaimana AI mampu menyelesaikan problem dalam sistem kesehatan.