TUGAS TRANSFROMASI DIGITAL

PENERAPAN AI, BIG DATA, IOT DALAM BIDANG KESEHATAN

Disusun oleh :
Dwi Ratih Cahyaningsih (17/411907/FA/11336)

FAKULTAS FARMASI UNIVERSITAS GADJAH MADA

YOGYAKARTA
2019
IoT dalam Dunia Kesehatan
Kesehatan merupakan investasi untuk mendukung pembangunan ekonomi serta memiliki
peran penting dalam upaya penanggulangan kemiskinan. Pembangunan kesehatan harus dipandang
sebagai suatu investasi untuk meningkatkan kualitas sumber daya manusia.
IoT merupakan sebuah konsep yang bertujuan untuk memperluas manfaat dari konektivitas
internet yang tersambung secara terusmenerus. Adapun kemampuan seperti berbagi data, remote
control, dan sebagainya, termasuk juga pada benda di dunia nyata. IoT merupakan paradigma
dimana setiap objek dapat digunakan alat yang dapat mengidentifikasi, mengindera, terhubung
dengan jaringan telekomunikasi dan mampu melakukan komunikasi dengan peralatan lain yang
terhubung dengan internet.
Berikut Aplikasi LoT dalam bidang kesehatan:
1. Melakukan riset tentang monitoring kesehatan pasien menggunakan wireless sensor yang
dipasangkan pada tubuh pasien, beberapa hal yang dipantau adalah psikologi pasien,
tekanan darah,detak jantung semua kegiatan tersebut dilakukan secara remote melalu
peralatan yang terhubung ke internet dengan tetap memperhatikan kerahasiaan data
pasien.
2. Penerapan Internet of Things juga dilakukan pada aktifitas konsultasi pasien,
menggunakan jaringan WLAN dan internet sehingga memungkinkan terjadinya
konsultasi antara pasien dan dokter secara remote.
AI Dalam Dunia Kesehatan
Kecerdasan Buatan/Artificial Intelligence (AI) dalam berbagai kebutuhan umumnya
digunakan dalam aplikasi untuk memahami dan menyesuaikan perilaku pengguna, namun
sementara sistem ini cenderung bekerja dengan baik di domain tertentu atau permasalahan yang
sangat spesifik, pencarian untuk kecerdasan buatan yang dapat menyelesaikan banyak masalah
masih dalam level konsep. Sampai saat ini, AI telah dikembangkan dalam berbagai bentuk
dan berhasil diterapkan di berbagai bidang, termasuk bidang penerbangan, ilmu komputer,
keuangan, pendidikan, perawatan kesehatan, kedokteran, transportasi, industri dan sebagainya. Ini
menyediakan berbagai algoritma, teori, metode dan menawarkan potensi besar untuk mengubah
teknik pembuatan saat ini di bawah situasi penyimpanan data yang terus meningkat
Kecerdasan buatan (AI) dapat didefinisikan sebagai cabang ilmu komputer yang
berkaitan dengan otomasi perilaku cerdas. Atau difinisi lain AI adalah pemrograman komputer
untuk melakukan tugas yang biasanya membutuhkan kecerdasan manusia. Ini termasuk
kemampuan untuk memahami dan memantau informasi secara visual/spasial, pendengaran,
alasan, membuat prediksi, berinteraksi dengan manusia dan mesin, dan terus belajar serta
memperbaiki diri. Sementara data dan analisis yang besar dapat digunakan untuk
menyelesaikan beberapa tugas yang sama seperti AI, termasuk otomasi, AI tidak identik dengan
persyaratan ini. Al menjadi kuat dengan pembelajaran mesin, di mana komputer belajar dari
pelatihan dan masukan yang diawasi seiring waktu untuk memperbaiki respons.
Berikut ini 10 aplikasi umum penerapan kecerdasan buatan dalam bidang kesehatan
kesehatan sekarang dan di masa depan.
1. Mengelola Rekam Medis dan Data Lainnya
Karena langkah pertama dalam perawatan kesehatan adalah mengumpulkan dan
menganalisis informasi (seperti catatan medis dan riwayat masa lalu lainnya), manajemen data
adalah aplikasi yang paling banyak digunakan untuk kecerdasan buatan dan otomatisasi
digital. Robot bekerja mengumpulkan, menyimpan, memformat ulang, dan melacak data untuk
menyediakan akses yang lebih cepat dan lebih konsisten.

2. Melakukan Pekerjaan Repetitif (Berulang)

Menganalisis tes, X-Rays, CT scan, entri data, dan tugas-tugas lainnya dapat dilakukan lebih
cepat dan lebih akurat oleh robot. Kardiologi dan radiologi adalah dua disiplin dimana jumlah data
untuk dianalisis bisa sangat banyak dan menghabiskan waktu. Ahli jantung dan ahli radiologi di
masa depan seharusnya hanya melihat pada kasus yang paling rumit di mana pengawasan manusia
berguna.

3. Desain Perawatan
Sistem kecerdasan buatan telah dibuat untuk menganalisis data – catatan dan laporan dari
file pasien, penelitian eksternal, dan keahlian klinis – untuk membantu memilih jalur pengobatan
yang tepat dan disesuaikan secara individual.

4. Konsultasi Digital
Aplikasi seperti Babylon di Inggris menggunakan AI untuk memberikan konsultasi
medis berdasarkan riwayat medis pribadi dan pengetahuan medis umum. Pengguna melaporkan
gejala mereka ke dalam aplikasi, yang menggunakan pengenalan suara untuk membandingkan
dengan database penyakit. Babel kemudian menawarkan tindakan yang direkomendasikan, dengan
mempertimbangkan riwayat medis pengguna.
5. Perawat Virtual
Sense.ly startup telah mengembangkan Molly , perawat digital untuk membantu orang memantau
kondisi pasien dan menindaklanjuti dengan perawatan, di antara kunjungan dokter. Program ini
menggunakan pembelajaran mesin untuk mendukung pasien, yang mengkhususkan diri dalam
penyakit kronis.
Pada tahun 2016, Rumah Sakit Anak Boston mengembangkan sebuah aplikasi untuk Amazon
Alexa yang memberikan informasi kesehatan dasar dan saran untuk orang tua dari anak-anak yang
sakit. Aplikasi ini menjawab pertanyaan yang diajukan tentang obat-obatan dan apakah gejala
memerlukan kunjungan dokter.
6. Manajemen Pengobatan
National Institutes of Health telah menciptakan aplikasi AiCure untuk memantau penggunaan obat
oleh pasien. Webcam smartphone bermitra dengan AI untuk secara otonom mengkonfirmasi bahwa
pasien menggunakan resep mereka dan membantu mereka mengelola kondisi mereka. Pengguna
yang paling umum adalah orang dengan kondisi medis yang serius, pasien yang cenderung
menentang saran dokter, dan peserta dalam uji klinis.
7. Penciptaan Obat
Mengembangkan obat melalui uji klinis dapat memakan waktu lebih dari satu dekade dan
menghabiskan biaya miliaran dolar. Membuat proses ini lebih cepat dan lebih murah dapat
mengubah dunia. Di tengah-tengah ketakutan virus Ebola baru-baru ini, program yang didukung
oleh AI digunakan untuk memindai obat-obatan yang ada yang dapat didesain ulang untuk melawan
penyakit.
Program ini menemukan dua obat yang dapat mengurangi infektivitas Ebola dalam satu hari, ketika
analisis jenis ini umumnya memakan waktu berbulan-bulan atau tahun – perbedaan yang dapat
berarti menyelamatkan ribuan nyawa.

8. Presisi Pengobatan
Genetika dan genomik mencari mutasi dan tautan ke penyakit dari informasi dalam DNA. Dengan
bantuan AI, pemindaian tubuh dapat mendeteksi kanker dan penyakit pembuluh darah lebih awal
dan memprediksi masalah kesehatan yang mungkin dihadapi orang berdasarkan genetika mereka.
9. Pemantauan Kesehatan
Pelacak kesehatan yang dapat dikenakan – seperti yang berasal dari FitBit, Apple, Garmin, dan
lainnya – memantau detak jantung dan tingkat aktivitas. Mereka dapat mengirim peringatan kepada
pengguna untuk mendapatkan lebih banyak latihan dan dapat membagikan informasi ini kepada
dokter (dan sistem AI) untuk poin data tambahan tentang kebutuhan dan kebiasaan pasien.
10. Analisis Sistem Kesehatan
Di Belanda, 97% faktur layanan kesehatan bersifat digital. Sebuah perusahaan
Belanda menggunakan AI untuk menyaring data untuk menyoroti kesalahan dalam perawatan,
inefisiensi alur kerja, dan membantu sistem perawatan kesehatan daerah menghindari perawatan
pasien yang tidak perlu.
Big Data Dalam Dunia Kesehatan

Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis
disimpan dalam bentuk digital. Data medis ini tersedia dan dapat diakses dengan mudah. Sebagai
contoh, database kesehatan dari Kementerian Kesehatan RI menyediakan data puskesmas, data
kanker, data kesehatan per provinsi dan kabupaten di Indonesia. Data tersebut dapat digunakan
untuk mendapatkan pengetahuan dalam rangka menyediakan pelayanan kesehatan yang lebih
tepat sasaran.
Data medis saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah
yang besar, tetapi juga bersifat kompleks, variatif, dan aktual. Para penyedia perawatan kesehatan
mulai memanfaatkan big data untuk mendapatkan wawasan dan memperbaiki kualitas. Big data
dalam bidang kesehatan ini dapat digunakan untuk melihat penyebaran suatu wabah penyakit dalam
suatu wilayah, mengetahui jenis pengobatan yang paling efektif untuk suatu jenis penyakit,
memberi informasi mengenai kebutuhan pasien, dan membantu dokter dalam mengambil
keputusan.

Big data merupakan sebuah kombinasi teknologi yang dapat mengelola data yang beragam
dalam jumlah besar, dengan kecepatan yang tepat, dan pada saat yang tepat untuk keperluan
analisis dan reaksi. Secara khusus big data memiliki tiga karakteristik, yaitu volume, velocity, dan
variety . Pada rujukan dituliskan bahwa data pada penyedia perawatan kesehatan memiliki jumlah
dan variasi yang sedang, kecepatan data yang tinggi, dan nilai potensi pemanfaatan yang besar.

Kemunculan big data mentransformasi pandangan terhadap apa yang sesuai dan baik untuk
pasien dan seluruh ekosistem dalam perawatan kesehatan. Untuk mengikuti perubahan ini,
menuliskan lima nilai baru yang berfokus pada pasien. Hal ini berdasarkan pada konsep yang mana
nilai tersebut diturunkan dari keseimbangan antara biaya perawatan kesehatan yang dikeluarkan
dan hasil yang didapatkan oleh pasien. Kelima nilai tersebut adalah sebagai berikut.

A. Right Living

Pasien dapat membangun nilai dengan mengambil peranan secara aktif untuk pengobatan
dirinya sendiri. Nilai ini berfokus pada mengajak pasien untuk memiliki gaya hidup sehat, seperti
pola makan dan olah raga yang baik, dan berperan aktif dalam pengobatan apabila sakit.

B. Right Care

Nilai ini menjamin pasien mendapatkan perawatan kesehatan yang sesuai dan tepat waktu.
Selain itu, nilai ini memerlukan sebuah pendekatan yang terkoordinasi dalam berbagai situasi dan
diantara berbagai penyedia perawatan kesehatan. Seluruh penyedia perlu memiliki informasi dan
tujuan yang sama untuk mencegah upaya dan strategi yang tidak efisien.
C. Right Provider

Nilai ini menyatakan bahwa pasien perlu selalu mendapatkan pelayanan dari para
profesional yang dapat memberikan hasil terbaik. Dengan demikian, nilai ini memiliki dua
arti, yaitu terdapat kecocokan antara kemampuan yang dimiliki penyedia dan tugas yang
dihadapi, dan pemilihan spesifik dari penyedia perawatan kesehatan yang terbukti
memberikan hasil terbaik.
 D. Right Value

Untuk memenuhi tujuan dari nilai ini, penyedia dan pembayar (payer) akan secara
berkelanjutan meningkatkan nilai layanan kesehatan dengan mengurangi biaya dan pada
saat yang sama meningkatkan kualitas. Dengan demikian, pasien mendapatkan nilai
perawatan yang lebih tinggi.

E. Right Inovation

Nilai ini melibatkan proses identifikasi dari terapi dan pendekatan terbaru yang tepat dalam
proses pemberian perawatan kesehatan. Selain itu, pada saat yang sama juga memperbaiki proses
inovasi itu sendiri, misalnya dengan memanfaatkan data molekul potensial yang menjadi
pembahasan pada bidang farmasi.

Beikut contoh yang lain aplikasi Big Data dalam bidang kesehatan.

1. Teknologi Hadoop untuk Pemantauan Kondisi Vital Pasien

Beberapa rumah sakit di seluruh dunia telah menggunakan Hadoop untuk membantu stafnya
bekerja secara efisien dengan Big Data. Tanpa Hadoop, sebagian besar sistem layanan kesehatan
hampir tidak mungkin menganalisis data yang tidak terstruktur.

Children's Healthcare of Atlanta merawat lebih dari 6.200 anak di unit ICU mereka. Rata-
rata durasi tinggal di ICU Pediatrik bervariasi dari satu bulan sampai satu tahun. Children's
Healthcare of Atlanta menggunakan sensor di samping tempat tidur yang membantu mereka terus
melacak kondisi vital pasien seperti tekanan darah, detak jantung dan pernafasan. Sensor ini
menghasilkan data yang sangat besar, dan sistem yang lama tidak mampu untuk menyimpan data
tersebut lebih dari 3 hari karena terkendala biaya storage. Padahal rumah sakit ini perlu menyimpan
 tanda-tanda vital tersebut untuk dianalisa. Jika ada perubahan pola, maka perlu ada alert untuk tim
dokter dan asisten lain. Sistem tersebut berhasil diimplementasikan dengan menggunakan
komponen ekosistem Hadoop : Hive, Flume, Sqoop, Spark, dan Impala.

Setelah keberhasilan project tersebut, project berbasis Hadoop selanjutnya yang mereka
lakukan adalah riset mengenai asma dengan menggunakan data kualitas udara selama 20 tahun dari
EPA (Environment Protection Agency). Tujuannya: mengurangi kunjungan IGD dan rawat inap
untuk kejadian terkait asma pada anak-anak.

2. Valence health : peningkatan kualitas layanan dan reimbursements

Valence health menggunakan Hadoop untuk membangun data lake yang merupakan
penyimpanan utama data perusahaan. Valence memproses 3000 inbound data feed dengan 45 jenis
data setiap harinya. Data kritikal ini meliputi hasil tes lab, data rekam medis, resep dokter,
imunisasi, obat, klaim dan pembayaran, serta klaim dari dokter dan rumah sakit, yang digunakan
untuk menginformasikan keputusan dalam peningkatan baik itu pendapatan ataupun
reimbursement. Pertumbuhan jumlah klien yang pesat dan peningkatan volume data terkait semakin
membebani infrastruktur yang ada.

Sebelum menggunakan big data, mereka membutuhkan waktu hingga 22 jam untuk
memproses 20 juta records data hasil laboratorium. Penggunaan big data memangkas waktu siklus
dari 22 jam menjadi 20 menit, dengan menggunakan hardware yang jauh lebih sedikit. Valence
Health juga mampu menangani permintaan pelanggan yang sebelumnya sulit untuk diselesaikan.
Misalnya jika seorang klien menelpon dan mengatakan bahwa ia telah mengirimkan file yang salah
3 bulan yang lalu, dan perlu untuk menghapus data tersebut. Sebelumnya dengan solusi database
tradisional, mereka memerlukan 3 sampai 4 minggu. Dengan memanfaatkan MapR snapshot yang
menyediakan point-in-time recovery, Valence dapat melakukan roll-back dan menghapus file
tersebut dalam hitungan menit.

3. Hadoop dalam Pengobatan Kanker dan Genomics

 Salah satu alasan terbesar mengapa kanker belum dapat dibasmi sampai sekarang adalah karena
kanker bermutasi dalam pola yang berbeda dan bereaksi dengan cara yang berbeda berdasarkan
susunan genetik seseorang. Oleh karena itu, para peneliti di bidang onkologi menyatakan bahwa
untuk menyembuhkan kanker, pasien perlu diberi perawatan yang disesuaikan dengan jenis kanker
berdasarkan genetika masing-masing pasien.

Ada sekitar 3 miliar pasangan nukleotida yang membentuk DNA manusia, dan diperlukan sejumlah
besar data untuk diorganisir secara efektif jika kita ingin melakukan analisis. Teknologi big data,
khususnya Hadoop dan ekosistemnya memberikan dukungan yang besar untuk paralelisasi dan
proses pemetaan DNA.

David Cameron, Perdana Menteri Inggris telah mengumumkan dana pemerintah sebesar £ 300 juta
pada bulan Agustus, 2014 untuk proyek 4 tahun dengan target memetakan 100.000 genom manusia
pada akhir tahun 2017 bekerja sama dengan perusahaan Bioteknologi Amerika Illumina dan
Genomics Inggris. Tujuan utama dari proyek ini adalah memanfaatkan big data dalam dunia
kesehatan untuk mengembangkan personalized medicine bagi pasien kanker.

Arizona State University mengadakan sebuah proyek penelitian yang meneliti jutaan titik di DNA
manusia untuk menemukan variasi penyebab kanker sedang berlangsung. Proyek ini merupakan
bagian dari Complex Adaptive Systems Initiative (CASI), yang mendorong penggunaan teknologi
untuk menciptakan solusi bagi permasalahan dunia yang kompleks.

Dengan menggunakan Apache Hadoop, tim peneliti universitas dapat memeriksa variasi dalam
jutaan lokasi DNA untuk mengidentifikasi mekanisme kanker dan bagaimana jaringan berbagai gen
mendorong kecenderungan dan efek kanker pada individu.

"Proyek kami memfasilitasi penggunaan data genomik berskala besar, sebuah tantangan bagi semua
institusi penelitian yang menangani pecision medicine," kata Jay Etchings, direktur komputasi riset
ASU. Ekosistem Hadoop dan struktur data lake terkait menghindarkan setiap peneliti dan pengguna
klinis untuk mengelola sendiri jejak data genomik yang besar dan kompleks.

4. UnitedHealthcare: Fraud, Waste, and Abuse

Saat ini setidaknya 10% dari pembayaran asuransi Kesehatan terkait dengan klaim palsu. Di seluruh
dunia kasus ini diperkirakan mencapai nilai miliaran dolar. Klaim palsu bukanlah masalah baru,
namun kompleksitas kecurangan asuransi tampaknya meningkat secara eksponensial sehingga
menyulitkan perusahaan asuransi kesehatan untuk menghadapinya.

UnitedHealthCare adalah sebuah perusahaan asuransi yang memberikan manfaat dan layanan
kesehatan kepada hampir 51 juta orang. Perusahaan ini menjalin kerja sama dengan lebih dari
850.000 orang tenaga kesehatan dan sekitar 6.100 rumah sakit di seluruh negeri. Payment Integrity
group/divisi integritas pembayaran mereka memiliki tugas untuk memastikan bahwa klaim dibayar
dengan benar dan tepat waktu. Sebelumnya pendekatan mereka untuk mengelola lebih dari satu juta
klaim per hari (sekitar 10 TB data tiap harinya) bersifat ad hoc, sangat terikat oleh aturan, serta
terhambat oleh data yang terpisah-pisah. Solusi yang diambil oleh UnitedHealthCare adalah
 pendekatan dual mode, yang berfokus pada alokasi tabungan sekaligus menerapkan inovasi untuk
terus memanfaatkan teknologi terbaru.

Dalam hal pengelolaan tabungan, divisi tersebut membuat “pabrik” analisis prediktif di mana
mereka mengidentifikasi klaim yang tidak akurat secara sistematis dan tepat. Saat
ini Hadoop merupakan data framework berplatform tunggal yang dilengkapi dengan tools untuk
menganalisa informasi dari klaim, resep, plan peserta, penyedia layanan kesehatan yang dikontrak,
dan hasil review klaim terkait.

Mereka mengintegrasikan semua data dari beberapa silo di seluruh bisnis, termasuk lebih dari 36
aset data. Saat ini mereka memiliki banyak model prediktif (PCR, True Fraud, Ayasdi, dll.) yang
menyediakan peringkat provider yang berpotensi melakukan kecurangan, sehingga mereka dapat
mengambil tindakan yang lebih terarah dan sistematis.

5. Liaison Technologies: Streaming System of Record for Healthcare

Liaison Technologies menyediakan solusi berbasis cloud untuk membantu organisasi dalam
mengintegrasikan, mengelola, dan mengamankan data di seluruh perusahaan. Salah satu solusi
vertikal yang mereka berikan adalah untuk industri kesehatan dan life science, yang harus menjawab
dua tantangan : memenuhi persyaratan HIPAA dan mengatasi pertumbuhan format dan representasi
data.

Dengan MapR Stream, permasalahan data lineage dapat terpecahkan karena stream menjadi sebuah
SOR (System of Record) dengan berfungsi sebagai log yang infinite dan immutable dari setiap
perubahan data. Tantangan kedua, yaitu format dan representasi data, bisa digambarkan dengan
contoh berikut: rekam medis pasien dapat dilihat dengan beberapa cara yang berbeda (dokumen,
grafik, atau pencarian) oleh pengguna yang berbeda, seperti perusahaan farmasi, rumah sakit, klinik,
atau dokter.

Dengan melakukan streaming terhadap perubahan data secara real-time ke basis data, grafik, dan
basis data MapR-DB, HBase, MapR-DB JSON, pengguna akan selalu mendapatkan data paling
mutakhir dalam format yang paling sesuai.

Sumber:
George F Luger, Artificial Intelligence : Structures and Strategies for Complex Problem Solving,
vol. 5. 2005.
J. Yoon, “ANN-based Collaborative Sensor Calibration and GA-approach to Sensor Mutation
Management,” 2017 6th IIAI Int. Congr. Adv. Appl. Informatics, pp. 897–902, 2017.
P. Groves, B. Kayyali, D. Knott, dan S.V. Kuiken, “The ‘Big Data’ Revolution in Healthcare
Accelerating Value and Inovation,” McKinsey&Company, January 2013.

J. Hurwitz, A. Nugent, F. Halper, dan M. Kaufman, “Grasping The Fundamentals of Big Data,” di
dalam Big Data For Dummies. Hoboken: John Wiley & Sons, Inc., 2013, bab 1, subbab
 1.3, hal. 16.
S. A. Victor Callaghan, James Miller, Roman Yampolskiy, The Technological Singularity
Managing the Journey. Springer-Verlag Berlin Heidelberg, 2017.

S. Mohanty, M. Jagadeesh, dan H. Srivatsa, “’Big Data’ in The Enterprise,” di dalam Big Data
Imperatives Enterprise Big Data Warehouse, BI Implementations and Analytics. Apress,
2013, bab 1, subbab 1.5, hal. 9-11.
Wang, Y. (2011). Internet of Things TechnologyApplied in Medical Information

https://dzone.com/articles/5-examples-of-big-data-in-healthcare
https://www.dezyre.com/article/5-healthcare-applications-of-hadoop-and-big-data/85
https://www.healthdatamanagement.com/news/arizona-state-using-big-data-in-hunt-for-cancer-
cure