AI di IGD: Dari Konsep Riset ke Alat Praktis bagi Dokter
AI untuk diagnosis medis dan triase pasien IGD adalah pemanfaatan sistem kecerdasan buatan, termasuk Large Language Model, untuk menganalisis data klinis seperti keluhan utama, riwayat penyakit, tanda vital, dan hasil pemeriksaan awal, lalu memberi rekomendasi kategori kegawatan serta prioritas penanganan sehingga dokter dapat mengambil keputusan lebih cepat dan akurat tanpa kehilangan kendali atas keputusan klinis akhir. Pendekatan ini mengubah AI dari sekadar eksperimen teknologi menjadi alat kerja nyata di garis depan layanan gawat darurat. Di balik langkah tersebut, Badan Riset dan Inovasi Nasional (BRIN) secara terang menempatkan teknologi healthcare AI sebagai bagian dari strategi efisiensi sistem AI rumah sakit, bukan proyek abstrak yang berhenti di laboratorium. Dengan kata lain, ini adalah upaya sadar untuk memecahkan masalah waktu tunggu IGD, beban kerja dokter, dan keselamatan pasien melalui inovasi kesehatan digital yang bisa dipakai sehari-hari.
Bagaimana Sistem AI BRIN Bekerja di Meja Triase IGD
Inti inovasi BRIN adalah Sistem Pendukung Keputusan Triase berbasis Large Language Model yang disetel khusus dengan dataset kasus triase pasien IGD. Sistem ini dibangun di atas model Qwen3-32B yang telah menjalani proses fine-tuning, lalu digunakan untuk menganalisis informasi klinis pasien seperti keluhan utama, riwayat penyakit, tanda vital, dan hasil pemeriksaan awal. Hasil analisis berupa rekomendasi kategori triase mengikuti Australasian Triage Scale (ATS), standar yang mengelompokkan pasien berdasarkan tingkat kegawatan agar penanganan dilakukan sesuai prioritas medis. BRIN secara tegas menyebut sistem ini hanya sebagai alat bantu, bukan pengganti keputusan dokter dan tenaga kesehatan dalam praktik klinis. Pernyataan itu penting: AI ditempatkan sebagai “second pair of eyes” yang membantu mengurangi risiko undertriage, bukan sebagai algoritma mutlak yang menyingkirkan penilaian klinis manusia.
Guard Rail, Dataset, dan Kolaborasi: Penentu Keandalan AI Kesehatan
Keberanian mengadopsi teknologi healthcare AI harus dibayar dengan desain pengaman yang serius. BRIN menambahkan mekanisme guard rail untuk meminimalkan undertriage, yakni ketika tingkat kegawatan pasien dinilai lebih rendah dari kondisi sebenarnya. Ini pilihan sikap yang jelas: lebih baik sedikit overtriage daripada mengorbankan keselamatan pasien. Guard rail menjadi lapisan kehatian-hatian yang menahan rekomendasi sistem agar tetap berpihak pada keselamatan klinis, bukan hanya akurasi statistik. Di sisi lain, kualitas sistem AI rumah sakit sangat bergantung pada dataset dan validasi lapangan. BRIN menegaskan pengembangan masih berlanjut melalui perluasan dan kurasi dataset, validasi klinis bersama dokter dan tenaga kesehatan, penyempurnaan guard rail, serta penguatan keamanan data dan keandalan sistem sebelum diterapkan secara luas. Kolaborasi dengan institusi kesehatan di garis depan bukan tempelan, melainkan syarat agar inovasi kesehatan digital benar-benar menjawab kebutuhan IGD yang serba mendesak.
Dana Riset Rp4 Triliun: Momentum untuk AI dan Teknologi Strategis
Dari sisi kebijakan, tambahan anggaran riset Rp4 triliun yang disetujui Presiden Prabowo Subianto memberi pesan politik yang tegas: teknologi strategis, termasuk AI, bukan lagi pelengkap, melainkan fondasi daya saing nasional. Kepala BRIN, Arif Satria, menyebut tambahan dana ini sebagai bentuk komitmen pemerintah untuk meningkatkan kapasitas riset sekaligus mempercepat lahirnya inovasi yang bermanfaat bagi masyarakat dan industri. BRIN bahkan mengajukan tambahan Rp1 triliun untuk mempercepat hilirisasi hasil riset, agar inovasi seperti sistem AI untuk diagnosis medis dan triase tidak berhenti sebagai prototipe. Di saat yang sama, lembaga ini memprioritaskan pengembangan AI, semikonduktor, nuklir, dan teknologi kuantum sebagai portofolio jangka panjang. Keputusan ini berisiko jika dana hanya terserap ke proyek besar tanpa implementasi nyata; namun ketika diarahkan ke solusi konkret di rumah sakit, dampaknya bisa langsung dirasakan oleh pasien dan tenaga medis.
Dari Purwarupa ke Ruang IGD: Mengukur Dampak Nyata bagi Publik
Sistem Pendukung Keputusan Triase BRIN sejauh ini telah menghasilkan dua purwarupa perangkat lunak, satu artikel prosiding, satu artikel jurnal yang masih direview, serta dataset triase yang terus dikembangkan. Di atas kertas, ini terlihat menjanjikan; tetapi nilai sesungguhnya baru terukur saat AI untuk diagnosis medis dan triase pasien IGD benar-benar dipakai di ruang gawat darurat. Jika implementasi berjalan baik, tenaga medis dapat menentukan prioritas penanganan lebih cepat dan akurat, dengan keselamatan pasien tetap di depan. Bagi pasien dan keluarga, itu berarti waktu tunggu yang lebih rasional dan peluang penanganan tepat waktu. Bagi sistem kesehatan publik, ini adalah uji apakah investasi riset besar memang berujung pada layanan yang lebih efisien. BRIN dan mitra kesehatan kini memegang kunci: menyelesaikan validasi klinis, memperkuat keamanan data, lalu berani mengintegrasikan sistem AI rumah sakit ke alur kerja IGD sehari-hari.
