MAKALAH SIMDIG

Kecerdasan Buatan Dalam Dunia Medis

Disusun oleh:

1. Fani Rahmawati Pramudita

2. Julia Ratih Retno Nila Sari
3. Risky Andini Salsabila Utama
4. Tri Yulia Puspitasari
5. Ulvi Hidayatul Asfi

SMK FARMASI DAN DENTAL ASISTEN SENTOSA DHARMA

BOJONEGORO

2021/2022
2. KATA PENGANTAR

Dengan menyebut nama Allah Swt yang maha pengasih lagi maha penyayang,
Alhamdulillah puji syukur kita panjatkan kepada tuhan Yang Maha Esa yang sudah
memberikan kesehatan serta keselamatan sehingga kita dapat membuat tugas Makalah
yang diberikan ini yang berjudul “KECERDASAN BUATAN DALAM DUNIA MEDIS”.

Kami mengucapkan terimakasih kepada pembimbing yaitu Bapak Suyanto S.Kom yang
sudah memberikan tugas makalah ini untuk kita belajar lebih dalam lagi tentang arti
penting teknologi dalam dunia kesehatan dan agar kita bisa lebih menambah
pengetahuan dan juga wawasan yang kita punya.

Terlebih lagi kami juga memohon maaf jika didalam makalah kami terdapat banyak
kesalahan tulis maupun kata-kata yang sedikit banyaknya menyinggung, dan kami
memohon maaf jika banyak sekali kekurangan didalam makalah yang sudah kami buat

Bojonegoro, 20 November 2021

Penulis
HALAMAN JUDUL …………………………….i

KATA PENGANTAR ………………………… ii

DAFTAR ISI ………………………………… iii

BAB I PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Pembuatan
1.5 Manfaat

BAB II PEMBAHASAN

2.1 Penjelasan

2.2 Sejarah

BAB III PENUTUP

3.1 Kesimpulan
3.2 Saran

DAFTAR PUSTAKA
Pendahuluan

1.1 Latar Belakang

Kecerdasan buatan atau artificial intelligence merupakan bagian dari

ilmu komputer yang membuat agar mesin (komputer) dapat melakukan
pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Sistem cerdas
(intelligent system) adalah sistem yang dibangun dengan menggunakan
teknik-teknik artificial intelligence. Salah satu yang dipelajari pada
kecerdasan buatan adalah teori Sistem Pakar (Kusumadewi, 2003).
Sistem Pakar (Expert System) adalah program berbasis pengetahuan
yang menyediakan solusi-solusi dengan kualitas pakar untuk
problemaproblem dalam suatu domain yang spesifik. Sistem pakar merupakan
program komputer yang meniru proses pemikiran dan pengetahuan pakar
dalam menyelesaikan suatu masalah tertentu. Implementasi sistem pakar
banyak digunakan dalam bidang psikologi karena sistem pakar dipandang
sebagai cara penyimpanan pengetahuan pakar pada bidang tertentu dalam
program komputer sehingga keputusan dapat diberikan dalam melakukan
penalaran secara cerdas. Irisan antara psikologi dan sistem pakar melahirkan
sebuah area yang dikenal dengan nama cognition &
psycolinguistics.Umumnya pengetahuannya diambil dari seorang manusia
yang pakar dalam domain tersebut dan sistem pakar itu berusaha meniru
metodologi dan kinerjanya (performance)

Masalah kesehatan bagi sebagian besar masyarakat kita yakni masih sering
kali kesulitan untuk mendapatkan pelayanan dan informasi tentang bagaimana
merawat kesehatan dan bagaimana memilih tindakan yang tepat untuk penderita
yang sedang menderita sakit, terutama pada pada penyakit dalam (internist).
Sistem pakar yang dibangun ini dalam rencananya dapat
menambahkan pengetahuan kepada tenaga medis sebagai bahan referensi
untuk menentukan kemungkinan diagnosa penyakit, khususnya penyakit
dalam yang diderita oleh seorang pasien. Sedangkan bagi masyarakat umum
digunakan sebagai pedoman untuk melakukan tindakan yang harus diambil
jika mengetahui seberapa besar kemungkinan menderita sakit.

Masyarakat terkadang masih belum percaya apa itu kecerdasan teknologi, seperti
banyak aplikasi yang tersebar sekarang tapi masyarakat masih tidak percaya karena
sekarang banyak sekali penipuan dokter internet dan hanya mengambil untungnya saja,
oleh karena itu masyarakat masih belum percaya dan juga masih banyak masyarakat
yang kurang faham kecerdasan teknologi karena mereka masih tinggal di pelosok dan
tentu belum punya media teknologi, mereka lebih senang mengkonsumsi obat yang ada
diwarung terdekat tanpa memeriksa ke dokter

1.2 Rumusan Masalah

1.Bagaimana Cara Mengaplikasikan kecerdasan teknologi dalam dunia medis?

2. Bagaimana merancang sebuah sistem pakar berbasis web yang dapat

mendiagnosa penyakit dalam pada pasien (penderita) ?

1.3 Batasan Masalah

1. Dengan cara mengunduh salah satu aplikasi online yang kita percaya dimana
dokter, obat, serta tenaga medisnya asli tidak hoax atau palsu lalu kita bisa
konsultasi secara online atau beli obat secara online
2. Sistem ini merupakan salah satu sistem cerdas berupa sistem pakar yang
implementasinya berbasis web menggunakan tool program XAMPP.
1.4 Tujuan Pembuatan

Digunakan sebagai sarana untuk memberi informasi pengetahuan kepakaran

khususnya terhadap pendiagnosaan berbagai jenis penyakit dalam, obat
obatan, yang bisa diderita oleh pasien atau penderita dan sebagai sarana
pembelian obat atau pemeriksaan secara online

1.5 Manfaat
1. Memudahkan masyarakat untuk membeli obat secara online tanpa harus datang
ke apotek
2. Memudahkan masyarakat untuk memeriksakan diri dari banyak antrian
3. Karena dimasa pandemi ini banyak sekali masyarakat yang terkena tanpa
adanya gejala (OTG) oleh karena itu jika kita memeriksakan diri secara online
tanpa harus bertemu dokternya kita dapat mengurangi kasus covid ini
4. Memperluas wawasan bagi penulis dalam
 Pembahasan

2.1 Penjelasan

Kecerdasan buatan atau Artifical Intellegance sekarang banyak sekali dibutuhkan oleh
masyarakat dikarenakan kita hidup di era digital ini dimana kita tidak akan pernah lepas
dari yang namanya teknologi apalagi hal yang paling sering kita bawa yaitu handphone
atau ponsel, lewat ponsel kita dapat menggunakan sekali banyak hal salah satunya kita
dapat membuat aplikasi, seperti judul makalah yang kami buat yaitu ‘Kecerdasan Buatan
Dalam Dunia Kesehatan’ kami akan membahas yaitu cara membuat aplikasi dunia
kesehatan dimana aplikasi tersebut memiliki banyak sekali fungsi dan maanfaatnya,
aplikasi kesehatan tersebut yang pasti juga sedang marak dikalangan masyarakat kota
besar karena aplikasi kesehatan tersebut banyak memudahkan masyarakat.

Semakin berkembangnya jaman, semakin berkembang pula kebutuhan akan

masyarakatnya termasuk dalam bidang kesehatan. Tak dapat dipungkiri, dengan adanya
berbagai macam penyakit yang berkembang dan banyaknya pasien yang tidak dapat
tertolong, kemudian para scientis memutuskan untuk membuat teknologi yang dapat
membantu kinerja para pekerja medis. Berikut ini adalah teknologi kecerdasan buatan
yang dikembangkan untuk bidang kesehatan sebagai berikut :

Artificial intelligence saat ini menjadi salah satu teknologi yang berperan penting dalam
mendesain ulang perawatan kesehatan yang sudah ada. Algoritma AI memudahkan
pasien untuk mendapatkan pelayanan dan bantuan medis secara cepat dan tepat.
Begitu juga bagi tenaga medis, pada saat ini AI sangat berperan mempercepat
penanganan pasien, membantu menganalisa penyakit, merekam jejak medis pasien,
bahkan meresepkan obat yang sesuai untuk pasien
Contoh penerapan AI di sektor pertanian ini dilakukan FJ Dynamics dengan
mengembangkan berbagai mesin pintar atau smart machine untuk meningkatkan
produksi dan keberlanjutan (sustainability) dengan mengurangi risiko dan menekan
keharusan petani melakukan aktivitas fisik. Bukan hanya AI, contoh penerapan ini juga
menyandarkan pada kekuatan cloud dan Internet of Things.

Dalam beberapa tahun terakhir ini, pemanfaatan data telah membantu petani untuk
memutuskan kapan harus mulai menanam, kapan bisa panen, jenis tanaman apa yang
akan ditanam, berapa banyak pupuk dan bahan kimia lainnya yang perlu digunakan,
serta seberapa sering mengairi ladang. Namun pertanian adalah industri yang tidak
mudah dan sarat dengan pekerjaan fisik berat bagi sebagian besar petani dunia yang
bekerja di ladang dengan peralatan dan mesin.

Untuk itulah FJ Dynamics memadukan Artificial Intelligence, advanced manufacturing,

dan energi baru untuk lebih memudahkan para petani melakukan pekerjaannya.
Perusahaan di bidang robotika ini menggunakan data, modeling, dan otomasi untuk
membantu pengambilan keputusan dan pekerjaan yang dilakukan petani.
Penggunaan healthcare trackers, wearables dan sensor sudah tidak asing lagi saat ini.
Teknologi tersebut biasa digunakan sehari-hari membantu pengguna memonitor
kesehatannya secara mandiri. Teknologi ini mendorong pengguna melakukan kegiatan
yang preventif dan untuk menjaga kesehatannya seperti tekanan darah, kadar glukosa,

suhu tubuh bahkan tingkat stress dapat diakses secara real time oleh pengguna,
sehingga mereka dapat mengatur pola hidup sehatnya sendiri melalui smartphone
mereka tanpa perlu pergi ke rumah sakit dahulu.

Mungkin beberapa saat yang lalu, VR diperuntukkan bagi pecinta game untuk
menghadirkan lingkungan rill secara maya. Namun pada saat ini Virtual Reality (VR)
sudah mulai dipergunakan dalam bidang kesehatan. VR dimanfaatkan sebagai alat
simulasi operasi bagi para calon dokter, selain itu juga dapat membantu dokter
menentukan lokasi pembedahan pada tubuh pasien. VR digadang-gadang sebagai masa
depan pelayanan kesehatan, seperti dilansir dari medicalfuturist.com, pada tahun 2020
diperkirakan nilai pasar global virtual reality dalam pelayanan kesehatan akan mencapai
USD 3,8 miliar bahkan bisa lebih.
Berbeda dengan VR, Augmented Reality tidak menghilangkan kontak dengan realitas.
Augmented reality sering digunakan saat dokter melakukan pemeriksaan sebelum
operasi, seperti CT Scan atau MRI, sehingga dapat memberikan gambaran kepada ahli
bedah tentang anatomi internal pasien. Penggunaan augmented reality juga akan
membantu pasien mendapatkan informasi yang lengkap dan akurat tentang penyakit
yang dideritanya.

Bayangkan jika nantinya teknologi tersebut benar-benar membantu kehidupan manusia.

Maka banyak pasien yang dapat tertolong dengan mudah, cepat dan aman. Dan bagi
Anda yang memerlukan teknologi perangkat lunak dalam menyimpan data rekam medis
pasien Anda agar aman serta bebas dari faktor cuaca,
Berikut adalah contoh sistem kerja aplikasi dalam kecerdasan buatan di dunia kesehatan
Sistem Kerja: Sistem ini dirancang untuk membantu memecahkan masalah antara pasien
dan tenaga medis dalam online. Sistem ini, diciptakan sebuah fungsi darurat
penyelamatan medis. Sistem ini, menggunakan Peta Satelit Formosa 2 (FORMOSAT-2)
dan Teknologi Ajax untuk mengakses informasi terhadap peta dan memungkingkan
operator pusat untuk menentukan lokasi yang benar dari pasien secara tepat waktu.

Berdasarkan lokasi pasien, Ambulans akan mengetahui posisi pasien dari layanan.
Kemudian, teknisi medis darurat sejalan pertolongan pertama yang menggunakan
perangkat mobile pasien atau smart phone dapat terhubung ke sistem melalui GPRS
(General Packet Radio Service) atau 3D (Third Generation Wireless Format) untuk
mencari pasien. Akhirnya, teknisi medis darurat bisa memasukkan kondisi pasien ke
dalam sistem, dan kemudian sistem akan menentukan rujukan rumah sakit mana yang
tepat kepada pasien
 Contoh gambar ilustrasi cara kerja sistem

 Penelitian yang telah dilakukan tersebut bertujuan untukmeningkatkan kemungkinan b
ahwa pasien menerima pengobatan yang tepat, dandisesuaikan untuk mengurangi
pemborosan waktu yang disebabkan oleh transportasiyang tidak perlu antara rumah
sakit. Sistem ini merupakan pengintegrasian sistem informasi rumah sakit dengan
menggukan ASP berbasis web. Aplikasi mobile, dan bahasa teknologi ajax, java script
dan SQL untuk membuat suatu sistem cerdas untuk informasi medis darurat medise
mobile. Diharapkan dengan menggunakan sistem ini, akan dapat meningkatkan efisiensi
transportasi pasien dirumah sakit

Penelitian yang dilakukan rifat shariyar dkk (2009), dengan judul “intelligent Mobile
Helth Monotoring System (IMHMS)”, dimana penelitian ini membahas tentang
Handphone Helath Care merupakan sistem interaksi antara komputasi mobile dengan
pemantauan kesehatan manusia. Aplikasi teknologi komputasi mobile ini untuk
meningkatkan komunikasi antara pasien, dokter dan petugas kesehatan. Perangkat
mobile telah menjadi bagian tak terpisahkan dari kehidupan kita ternyata dapat
diinteraksikan dengan kesehatan manusia. Hal ini memungkinkan penyampaian
informasi medis yang akurat kapan saja dan dimana saja menggunakan ponsel.

IMHMS akan mengumpulkan data fisiologis pasien melalui bio-sensor.Data

dikumpulkandalam jaringan sensor dan ringkasan,kemudian data yang dikumpulkan
ditransmisikan kekomputer pribadi pasien atau ponsel atau PDA.Perangkat ini akan
menstransfer data ke server untuk analisis medis setelah menganalisa data,server
memberikan masukan medis ke komputer pribadi pasien atau ponsel PDA pasien dapat
mengambil langkah-langkah berdasarkan umpan balik.IMHMS berisi tiga komponen:

• Wearble Body Sensor Network [ WBSN ] : pada bagian ini terdiri dari banyak sensor-
sensor (bio-sensor) yang ditanam pada tubuh manusia, sensor ini adan menangkap
semua kejadian pada setiap organ tubuh manusia dan kemudian mengirimkan data-
datayang terekam ke central kontroller dimana ini merupakan pusat yang bertanggung
jawab untuk mentransmisikan data pasien ke telepon,komputer pribadi maupun ke PDA
PATIENS PERSONAL HOME SERVER(PPHS)

Merupakan seperangkat server rumah pribadi pasien bisa berupa satu komputer pribadi
atau perangkat mobile seperti ponsel atau PDA.PPHS mengumpulkan informasi dari
pusat pengendali WBSN.PPHS mengirim informasi ke intelligent medical
server(IMS).PPHS berisi logika untuk menentukan apakah akan mengirim informasi ke
IMS atau tidak.personal komputer PPHS berdasarkan berkomunikasi dengan IMS
menggunakan internet.perangkat PPHS mobile untuk berkomunikasi dengan IMS
menggunakan GPRS /EDGE/SMS.
•INTELLEGENT MEDICAL SERVER( IMS)

IMS akan menerima data dari semua PPHS IMS merupakan tulang punggung dariSeluruh
arsitektur sistem ini data yang dapat dipelajari dari catatan pengobatan pasien
sebelumnya.setiap kali dokter atau sepesialis memeriksa pasien,pemeriksaan dan hasil
pengobatan disimpan dalam dabase pusat.IMS menggunakan teknik data minningstate-
of-the-art seperti jaring saraf,aturan asosiasi pohon keputusan tergantung pada sifat dan
distribusi data.setelah pengolahan informasi untuk memberikan umpan balik untuk
PPHS atau menginformasikan otoritas medis dalam situasi kritis.PPHS menampilkan
umpan balik kepada pasien.otiritas kesehatan untuk mengambik tindakan yang
diperlukan.
Home Tekno AI Bagaimana Peran AI Dalam Mempengaruhi Sistem Kesehatan Modern

Majapahit Teknologi – Kecerdasan Buatan atau Artificial Intelegence atau AI dalam

sistem kesehatan modern memanfaatkan algoritma dan perangkat lunak untuk
memperkirakan pengetahuan manusia saat menganalisis informasi kompleks yang
terhubung ke layanan kesehatan

Program berbasis AI ditujukan untuk menganalisis bagaimana metode pencegahan atau

perawatan medis terkait dengan hasil akhir.Bidang medis adalah bidang utama investasi
dalam AI. Produk, layanan, dan proses medis yang cerdas telah dikembangkan oleh
perusahaan seperti IBM, Google, Apple, dan banyak lainnya.

Kemajuan teknologi memang akan terus menciptakan inovasi-inovasi baru dan menarik.
Dengan berbagai temuan teknologi baru, tentu saja kehidupan dan peradaban manusia
semakin bergerak ke arah yang lebih baik. Di mana berbagai kegiatan dan pekerjaan
manusia semakin mudah dilakukan bahkan tanpa membutuhkan banyak tenaga.

Salah satu bukti yang menunjukkan hal ini adalah penggunaan teknologi kecerdasan
buatan dalam kehidupan sehari-hari. Kecerdasan buatan, atau sering disebut juga
dengan istilah artificial intelligence merupakan teknologi mesin yang dibuat mirip seperti
cara kerja pikiran manusia. Di mana mesin ini mampu memahami dan menganalisis
dengan mempelajari data dari algoritme yang dirancang secara khusus.

Contoh kecerdasan buatan yang banyak digunakan masyarakat saat ini adalah mesin
pencarian atau search engine yang hampir ada di setiap aplikasi software. Dalam hal ini,
Anda bisa mencari apapun yang ingin diketahui, baik informasi umum maupun produk
yang ingin Anda beli di aplikasi belanja online. Ini merupakan contoh kecerdasan buatan
yang memudahkan akses informasi masa kini.

Bukan hanya itu, terdapat beberapa contoh kecerdasan buatan lain yang sering
digunakan dalam kehidupan sehari-hari. Mungkin sebagian dari Anda tidak menyadari,
bahwa teknologi yang digunakan dalam kegiatan sehari-hari ternyata termasuk salah
satu contoh kecerdasan buatan.
Peran Artificial Intelligence Dalam Kedokteran Kardiovaskular. Peran kecerdasan
buatan / artificial intelligence di bidang kardiovaskular saat ini memiliki potensi
pengembangan yang sangat luas, di antaranya untuk memprediksi prognosis dan luaran
mortalitas pasien gagal jantung dengan fraksi ejeksi normal, serta memprediksi gagal
jantung secara lebih cepat dibanding klinisi saja.

Kecerdasan buatan / artificial intelligence (AI) adalah cabang ilmu komputer yang
ditujukan untuk “menyerupai” manusia, baik dari segi pengetahuan, kapasitas belajar,
maupun jalan pikir manusia.Kecerdasan buatan telah banyak diteliti dan diaplikasikan
dalam praktik ilmu kedokteran dalam dekade terakhir ini, misalnya untuk diagnosis
kanker dan retinopati diabetik. Hal ini menyebabkan pergeseran paradigma ke arah
kedokteran presisi (precision medicine).

Dalam waktu dekat, teknik-teknik kecerdasan buatan akan semakin berperan vital dalam
praktik kedokteran kardiovaskular presisi dalam berbagai segi:

Identifikasi faktor-faktor risiko yang sebelumnya tidak diketahui, Analisis gambar/hasil

pemeriksaan penunjang, baik yang sederhana dan sudah digunakan saat ini seperti EKG,
hingga analisa pemeriksaan yang lebih kompleks seperti hasil echocardiography, CT
scan, atau MRI, Mengubah kriteria diagnosis, Menentukan pilihan keputusan terapi yang
disesuaikan / tailored untuk pasien

Kecerdasan Buatan di Bidang Kardiovaskular

Kecerdasan buatan memiliki potensial untuk menyimpan data dalam jumlah besar dan
mengeksploitasinya dengan kemampuan belajar eksponensial serta daya komputasi
yang tinggi (big data analysis). Hal ini memungkinkan komputer untuk belajar lebih cepat
daripada manusia, bahkan mengambil pilihan keputusan terbaik dalam situasi tertentu,
sesuai dengan algoritma yang sudah dipelajarinya dari data-data dalam jumlah besar
tersebut.

Kemampuan untuk menganalisa big data ini memiliki banyak potensi di bidang
kardiovaskular:

Identifikasi genotip atau fenotip dari sindrom seperti gagal jantung dengan fraksi ejeksi
normal (HFpEF), kardiomiopati Takotsubo, dan hipertensi pulmonal primer sehingga
dapat dibuat terapi target yang bersifat individual, Mendukung pembuatan keputusan
klinis, misalnya penentuan pemberian antikoagulan pada atrial fibrilasi nonvalvular

Identifikasi faktor risiko yang belum diketahui, misalnya untuk sindrom Brugada dan
sindrom koroner akut, Menentukan efektivitas biaya dari pemeriksaan atau terapi yang
diberikan, Beberapa aspek kecerdasan buatan yang sudah dikembangkan dalam bidang
kardiovaskular adalah machine learning, deep learning, dan cognitive computing.[3]

 Machine Learning

Machine learning, atau pembelajaran mesin, adalah kemampuan komputer untuk

belajar, yang umumnya dikelompokkan menjadi 3 pendekatan: disupervisi (supervised),
tidak disupervisi (unsupervised), dan reinforcement.[1-3]

 Supervised Learning

Dalam supervised learning, komputer membentuk algoritma sesuai ilmu/data yang

diinput/dilabel manusia untuk memprediksi luaran (outcome) dari suatu dataset pasien
yang diketahui. Keterbatasan supervised learning yaitu: membutuhkan data dalam
jumlah sangat besar sehingga memakan waktu lama karena harus dilabel manual oleh
manusia, serta membutuhkan validasi berulang dengan dataset lainnya untuk melatih
ketepatan model algoritma tersebut.

 Unsupervised Learning

Dalam unsupervised learning, komputer membentuk algoritma dari hasil pembelajaran

sendiri berdasarkan data-data pasien yang ada. Keuntungan unsupervised learning:
dapat menemukan pola tersembunyi dari data-data yang ada untuk mengidentifikasi
genotip, fenotip, serta mekanisme penyakit baru yang belum diketahui klinisi
sebelumnya. Kekurangan unsupervised learning adalah sulitnya menemukan pola awal
untuk membentuk algoritma berpikir (terutama pada noisy data seperti gambaran
ekokardiografi), sehingga membutuhkan manual coding dalam beberapa hal di awalnya,
serta validasi berulang.

 Reinforcement Learning
Dalam reinforcement learning, komputer menggunakan kombinasi dari supervised dan
unsupervised learning, untuk memaksimalkan akurasi algoritma yang dibentuk
komputer dari proses trial and error.

 Aplikasi Machine Learning dalam Kedokteran Kardiovaskular

Contoh aplikasi machine learning dalam kedokteran kardiovaskular terkini yaitu dalam
memprediksi risiko hospitalisasi pasien HFpEF dengan metode reinforcement learning.
AI digunakan untuk mengklasifikasi 46 variabel intrinsik pasien berdasarkan data
demografis, klinis, dan pemeriksaan penunjang. Berdasarkan data tersebut, AI membuat
3 klasifikasi fenotip yang digunakan untuk memprediksi luaran mortalitas dan
hospitalisasi.

Hasil penelitian berupa peningkatan bermakna risiko hospitalisasi sebesar 4.2 kali lipat
pada kelompok 3 dibanding kelompok lainnya, bahkan setelah dilakukan penyesuaian
faktor risiko. Klasifikasi pasien HFpEF yang dibuat AI ini bahkan berhasil divalidasi pada
kohort prospektif 107 pasien. Hal ini menunjukkan potensi penggunaan AI untuk
pembuatan stratifikasi risiko dengan lebih mudah dan akurat dibandingkan sistem skor
yang ada saat ini.

 Deep Learning

Proses deep learning menyerupai proses berpikir manusia dengan menggunakan

beberapa lapis jaringan neuron artifisial / artificial neuronal networks (ANN) untuk
menganalisis secara nonlinear dan membentuk prediksi otomatis dari input data yang
diberikan. Deep learning berpotensi besar dalam pengenalan gambar untuk pencitraan
medis kardiovaskular, serta mampu “belajar mandiri” untuk menemukan pola-pola dari
data yang ada (misalnya untuk menemukan interaksi obat). Kekurangan deep learning
adalah membutuhkan dataset yang besar sehingga membutuhkan kolaborasi berbagai
institusi dan rekam medis elektronik terintegrasi, serta adanya mesin tersendiri yang
mampu / memiliki kapasitas deep learning.

 Aplikasi Deep Learning di Bidang Kedokteran Kardiovaskular

Kecerdasan buatan dengan deep learning ditemukan dapat memprediksi end-systolic

dan end-diastolic volume melalui MRI[5], memprediksi gagal jantung 9 bulan sebelum
diagnosis dibuat oleh klinisi, serta menganalisis gelombang elektrokardiografi (EKG)
menjadi normal, abnormal, dan mengancam jiwa dengan tingkat akurasi 99%.

 Cognitive Computing

Komputasi kognitif / cognitive computing adalah cara komputer untuk “belajar sendiri”
dengan menggunakan machine learning atau deep learning, serta pengenalan pola
(pattern recognition), untuk menyerupai proses pikir manusia. Hal ini bertujuan
menciptakan model algoritma untuk memecahkan masalah tanpa bantuan manusia,
contohnya IBM Watson. IBM Watson adalah satu jenis komputasi kognitif yang “belajar”
secara kontinu dari berbagai dataset (misalnya rekam medis elektronik) untuk
memprediksi berbagai luaran/outcome lebih akurat dari manusia

 Aplikasi Cognitive Computing di Bidang Kedokteran Kardiovaskular

Publikasi tahun 2016 mencakup 50 pasien menggunakan pendekatan kecerdasan buatan

komputasi kognitif untuk membedakan perikarditis konstriktif dari kardiomiopati
restriktif menggunakan data 15 variabel dari 3D-STE (3D speckle-tracking
echocardiography) dan 4 variabel dari ekokardiografi. Hasilnya menunjukkan bahwa
penggunaan kecerdasan buatan dapat mendiagnosis perikarditis konstriktif dari
kardiomiopati restriktif secara akurat, sehingga dinilai berpotensi membantu
interpretasi pencitraan kardiak, terutama bagi tenaga medis pemula dengan
keterbatasan pengalaman.

Studi di atas masih bersifat studi pilot dengan 50 sampel pasien sehingga memerlukan
penelitian lebih lanjut, terutama untuk membandingkannya dengan standar baku emas
diagnosis perikarditis konstriktif. Walau demikian, studi ini menunjukkan potensi
penggunaan kecerdasan buatan untuk membantu dokter dalam menegakkan diagnosis
dengan lebih akurat

 Penerapan AI Bidang Kardiovaskular di Indonesia

Di Indonesia yang memiliki prevalensi penyakit kardiovaskular yang tinggi dengan

kardiologis dan fasilitas kesehatan yang terbatas, penggunaan AI dapat membantu
stratifikasi risiko yang lebih baik. Layanan kesehatan di tempat terpencil juga dapat
disediakan tanpa memerlukan dokter spesialis yang banyak. Walau demikian, terdapat
limitasi akibat data medis yang tidak lengkap akibat tingkat follow up yang rendah serta
kurangnya koordinasi pencatatan rekam medis di dalam dan antar institusi.

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. 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. 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
datatambahan tentang kebutuhan dan kebiasaan pasien.

10. 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. Ini hanyalah contoh dari solusi AI yang ditawarkan ke
industri perawatan kesehatan. Karena inovasi mendorong kemampuan otomatisasi dan
tenaga kerja digital, dari penyedia seperti Novatio, lebih banyak solusi untuk
menghemat waktu, menurunkan biaya, dan meningkatkan akurasi akan dimungkinkan.
2.2 Sejarah

Kecerdasan buatan bermula dari kemunculan komputer pada tahun 1940-an. Di masa ini
kemampuan komputer dalam membantu mengerjakan sesuatu yang dapat dilakukan
manusia difokuskan dan mendapatkan perhatian.

Pada akhir 1955, Newell dan Simon mengembangkan  The Logic Theorist, program AI
pertama. Program ini merepresentasikan  masalah sebagai model pohon, lalu
penyelesaiannya dengan  memilih cabang yang akan menghasilkan kesimpulan terbenar.
Program ini berdampak besar dan menjadi batu loncatan penting dalam
mengembangkan bidang AI. Pada tahun 1956 John McCarthy dari  Massacuhetts
Institute of Technology dianggap sebagai bapak AI, menyelenggarakan konferensi untuk
menarik para ahli komputer bertemu, dengan  nama kegiatan “The Dartmouth summer
research project on artificial intelligence.”   Konferensi Dartmouth itu mempertemukan
para pendiri dalam AI, dan bertugas untuk meletakkan dasar bagi masa depan
pemgembangan dan penelitian AI.  John McCarthy  di saat itu mengusulkan definisi AI
adalah “ AI merupakan cabang dari ilmu komputer yang berfokus pada pengembangan
komputer untuk dapat memiliki kemampuan dan  berprilaku  seperti manusia”

Pada  Penelitian pada tahun 1960-an dan 1970-an menghasilkan program pemecahan

masalah pertama, atau sistem pakar , yang dikenal sebagai Dendral . Meskipun
dirancang untuk aplikasi dalam kimia organik, ini memberikan dasar untuk
sistem MYCIN berikutnya , dianggap sebagai salah satu penggunaan awal kecerdasan
buatan yang paling signifikan dalam kedokteran.  MYCIN dan sistem lain seperti
INTERNIST-1 dan CASNET tidak mencapai penggunaan rutin oleh para praktisi.

Tahun 1980-an dan 1990-an membawa perkembangan komputer mikro dan tingkat
konektivitas jaringan yang baru. Selama ini, ada pengakuan oleh para peneliti dan
pengembang bahwa sistem AI dalam perawatan kesehatan harus dirancang untuk
mengakomodasi ketiadaan data yang sempurna dan membangun keahlian
dokter. Pendekatan yang melibatkan teori himpunan fuzzy , jaringan
Bayesian , dan jaringan saraf tiruan , telah diterapkan pada sistem komputasi cerdas
dalam perawatan kesehatan.

Kemajuan medis dan teknologi yang terjadi selama periode setengah abad ini yang
memungkinkan pertumbuhan aplikasi AI terkait perawatan kesehatan mencakup:

1. Peningkatan daya komputasi menghasilkan pengumpulan data dan pemrosesan

data yang lebih cepat
2. Pertumbuhan database sekuensing genom
3. Implementasi luas dari sistem catatan kesehatan elektronik
4. Perbaikan dalam pemrosesan bahasa alami dan visi komputer , memungkinkan
mesin untuk mereplikasi proses persepsi manusia
5. Meningkatkan ketepatan operasi dengan bantuan robot
6. Peningkatan dalam teknik pembelajaran mendalam dan log data pada penyakit
langka

PENELITIAN SAAT INI:

Berbagai spesialisasi kedokteran telah menunjukkan peningkatan penelitian mengenai

AI. Ketika virus corona baru menyerang dunia, Amerika Serikat diperkirakan
menginvestasikan lebih dari $2 miliar dalam penelitian kesehatan terkait AI selama 5
tahun ke depan, lebih dari 4 kali lipat jumlah yang dihabiskan pada 2019 ($463 juta).
 Penutup

3.1Kesimpulan

Seperti yang sudah kita bahas bahwa sebenarnya kecerdasan buatan dalam dunia
kesehatan ini sangatlah berguna bagi masyarakat apabila masyarakat bisa
menggunakannya dengan baik dan benar, karena teknologi sudah maju maka kita bisa
membuat hal-hal menarik lainnya agar bisa dipandang, digunakan, dan bermanfaat bagi
kita semua, tentu saja karena teknologi sudah tidak seperti dulu, dan semakin canggih
lagi harusnya kita sebagai manusia memanfaatkannya dengan benar seperti contoh
adanya AI.

AI akan memerankan peranan yang lebih besar dalam bidang kedokteran, termasuk
dalam bidang kedokteran kardiovaskular. AI akan membantu dokter untuk menentukan
diagnosis dan pilihan terapi yang disesuaikan / tailored untuk pasien. Contoh peran
artificial intelligence yang terus dikembangkan di bidang kardiovaskular adalah untuk
memprediksi survival pasien HFpEF, memprediksi end-systolic dan end-diastolic volume
melalui MRI[5], memprediksi gagal jantung lebih cepat, analisa gelombang EKG, serta
membedakan perikarditis konstriktif dari kardiomiopati restriktif melalui ekokardiografi.

3.2 Saran

1. Masyarakat lebih pandai dalam menggunakan teknologi terutama dibidang kesehatan

karena banyak sekali manfaat yang diperoleh

2. Hati-hati dalam memilih aplikasi dan artikel tentang kesehatan karena nanti
ditakutkan terkena penipuan yang merugikan

3. Jika tidak percaya tentang artikel lebih baik ditanyakan kepada tenaga kesehatan yang
bersangkutan agar hasil akurat

4. Masyarakat harus lebih bijak dan lebih bertanggung jawab atas apa yang sudah
dilakukan seperti transaksi jual beli obat online.
Daftar Pustaka

Fanyrahmawatipramudita, Juliaratihretnonilasari, Riskyandinisalsabilautama,

Triyuliapuspitasari, Ulvihidayatulasvi. 2021. “Kecerdasan Buatan Dalam Dunia
Kesehatan” https://www.teknoiot.com/penerapan-kecerdasan-buatan-dalam-bidang-
kesehatan/?amp#referrer=https://www.google.com&csi=0,
https://id.scribd.com/document/322204116/Contoh-Aplikasi-Kecerdasan-Buatan-di-
Lingkungan-Kesehatan-Dan-Kedokteran, https://www.alomedika.com/peran-artificial-
intelligence-dalam-kedokteran-kardiovaskular,
http://kliktechno.blogspot.com/2018/12/pemanfaatan-kecerdasan-buatan-ai-
dalam.html?m=1, https://en-m-wikipedia-
org.translate.goog/wiki/Artificial_intelligence_in_healthcare?
_x_tr_sl=en&_x_tr_tl=id&_x_tr_hl=id&_x_tr_pto=nui,tc,sc. Diakses pada 20 November
2021 pukul 10.26-10.41, 22 November 2021 pukul 09.20-19.06