AI deteksi penyakit: dari konsep futuristik jadi alat kerja dokter
Teknologi AI deteksi penyakit adalah penggunaan algoritma pembelajaran mesin, termasuk computer vision dan Large Language Model, untuk membaca data klinis seperti gambar, suara, dan teks lalu mengubahnya menjadi dugaan diagnosis medis AI yang cepat, membantu dokter mengambil keputusan dan mempercepat alur pelayanan kesehatan digital di fasilitas medis modern. Kekuatannya bukan sekadar kecanggihan algoritma, tetapi kemampuan mengurangi friksi yang selama ini membuat proses diagnosis terasa lambat, invasif, dan melelahkan bagi pasien maupun tenaga medis. Saat AI masuk ke ruang praktik, pertanyaannya bukan lagi “apakah mungkin”, melainkan “seberapa jauh kita berani mengubah cara kerja sistem kesehatan?”. Jawabannya mulai terlihat dalam dua contoh konkret: Nodoca untuk mendeteksi flu lewat foto tenggorokan, dan sistem AI BRIN yang membantu triase pasien IGD.
Nodoca: satu foto tenggorokan, diagnosis influenza dalam 10 detik
Nodoca adalah contoh paling gamblang bagaimana teknologi kesehatan digital menggeser cara kita memeriksa penyakit menular. Sistem ini menggunakan kecerdasan buatan untuk menganalisis gambar faring yang diambil dengan perangkat berkamera ringkas, lalu memadukannya dengan data wawancara medis pasien untuk menghasilkan penilaian influenza dalam waktu sedikit lebih dari 10 detik. Dibandingkan swab hidung konvensional yang terasa mengganggu, pendekatan berbasis gambar membuat pemeriksaan lebih cepat dan minim rasa sakit, sekaligus bisa dilakukan sejak gejala awal muncul. Fakta bahwa Nodoca telah diperkenalkan di lebih dari 2.000 institusi medis menunjukkan kepercayaan tinggi terhadap diagnosis medis AI di lini depan pelayanan kesehatan. Inilah inti keunggulannya: bukan hanya kecepatan, tetapi kemampuan mengurangi beban fisik dan psikologis pada pasien tanpa mengorbankan akurasi.
Computer vision di tenggorokan: mengapa "sensing" lebih penting dari sekadar algoritma
Nodoca membuktikan bahwa kunci AI deteksi penyakit bukan semata kecerdasan di sisi software, melainkan kualitas "sensing"—cara data dikumpulkan. Sistem ini lahir dari keberanian memfokuskan computer vision ke area yang nyaris belum disentuh: gambar faring pasien. Untuk membangun model yang layak pakai, pengembangnya meminjamkan kamera khusus ke sekitar 100 institusi medis dan mengumpulkan data gambar tenggorokan selama kurang lebih tiga tahun dengan persetujuan pasien. Hasilnya, sebelum peluncuran komersial jumlah gambar berada di kisaran ratusan ribu dan kemudian tumbuh menjadi beberapa juta seiring pemakaian klinis, meningkatkan akurasi secara bertahap. "Biaya inferensi AI sangat rendah, jadi bahkan jika kita menambah jumlah tes, biaya penyediaannya hampir tidak berubah" adalah pernyataan yang menggambarkan potensi revolusioner pendekatan ini. Dengan basis data sebesar itu, tidak mengherankan jika hingga kini hampir tidak ada kompetitor langsung di bidang yang sama.
BRIN dan LLM: otak digital untuk triase pasien IGD berbasis ATS
Jika Nodoca mengubah cara diagnosis, sistem AI BRIN menarget titik paling kritis di layanan darurat: triase pasien IGD. Teknologi ini dikembangkan sebagai alat bantu untuk proses screening triase berdasarkan Australasian Triage Scale (ATS), standar yang mengelompokkan pasien sesuai tingkat kegawatan agar penanganan mengikuti prioritas medis. Di baliknya, terdapat Large Language Model Qwen3-32B yang sudah melalui proses fine-tuning dengan dataset kasus triase, sehingga mampu menganalisis keluhan utama, riwayat penyakit, tanda vital, serta hasil pemeriksaan awal lalu menghasilkan rekomendasi kategori triase. Penting digarisbawahi, rekomendasi ini bukan keputusan final dan tetap harus divalidasi dokter atau petugas kesehatan. Dengan guard rail untuk meminimalkan undertriage—situasi ketika kegawatan pasien dinilai terlalu rendah—AI ini dirancang lebih condong ke sisi keselamatan pasien daripada sekadar efisiensi.
Lebih cepat bukan berarti sembrono: masa depan diagnosis dan triase berbasis AI
Baik Nodoca maupun sistem BRIN menunjukkan satu hal: teknologi kesehatan digital yang memanfaatkan AI deteksi penyakit dan LLM mampu mempercepat diagnosis dan meningkatkan efisiensi triase pasien IGD tanpa menghilangkan peran klinis dokter. Dengan Nodoca, pemeriksaan flu dan penyakit pernapasan lain menjadi lebih cepat dan nyaris tanpa rasa sakit. Perusahaan bahkan meneliti kemampuan AI yang sama untuk mendeteksi penyakit terkait gaya hidup seperti diabetes dan hipertensi dari pola mukosa dan pembuluh darah di tenggorokan. Sementara itu, pengembangan AI triase BRIN diharapkan membantu tenaga medis menentukan prioritas penanganan pasien di IGD secara lebih cepat, akurat, dan tetap mengedepankan keselamatan pasien. Pertanyaannya bukan apakah teknologi ini akan diadopsi, melainkan apakah sistem layanan kesehatan siap didesain ulang agar AI hadir di setiap tahap—dari wawancara medis awal, konsultasi online, hingga keputusan di ruang gawat darurat. Jika jawabannya ya, masa depan pelayanan kesehatan akan jauh lebih responsif terhadap waktu dan kebutuhan pasien.
