Original Research
Rita Komalasaria
a
Ilmu Kesehatan Masyarakat, Fakultas Kedokteran, YARSI University, Jakarta, Indonesia
Abstrak
Selama beberapa dekade terakhir, penalaran berbasis bukti dapat digunakan untuk mengembangkan
desain sistem perawatan kesehatan, yang mengikuti logika diagnostik dibawah prinsip-prinsip Evidence
Based Medicine (EBM).Untuk pertama kalinya, makalah ini bertujuan untuk mendiskusikan tentang
potensi Peran Kecerdasan Buatan (KB) dalam Telemedicine: Dari Perspektif Profesional Kesehatan. Terkait
metode studi literatur, kata kunci kecerdasan buatan awalnya digunakan selama periode pencarian artikel
ini. Pencarian mencakup masalah telemedicine dalam tinjauan penalaran berbasis Bukti yang lengkap dan
relevan. Hasil penelitian menunjukan bahwa Kecerdasan Buatan dalam industri medis dapat secara efektif
meningkatkan kualitas, efektivitas, dan efisiensi pelayanan rumah sakit. Kesimpulan dari makalah ini
menambah pemahaman yang lebih baik tentang bagaimana AI memengaruhi kesehatan dan efektivitas
pelayanan medis.
Kata kunci: Kecerdasan Buatan (KB), industri medis, meningkatkan kualitas, pelayanan rumah sakit.
Abstract
Over the past few decades, evidence-based reasoning has been used to develop health care system
designs, which follow diagnostic logic under the principles of Evidence Based Medicine (EBM) and Health
Care System (HCS). For the first time, this paper aims to discuss the potential role of Artificial Intelligence
(AI) in telemedicine: Regarding literature study methods, the keyword artificial intelligence was originally
used during this article's search period. The search includes telemedicine problems in a comprehensive
and relevant Evidence-based reasoning review. Research results show that Artificial Intelligence (AI) in the
medical industry can effectively improve the quality, effectiveness, and efficiency of hospital services. The
conclusions of this paper add to a better understanding of how AI affects the health and effectiveness of
medical services.
Key words: Artificial Intelligence (AI), medical industry, improve the quality, of hospital services.
Makalah ini bertujuan untuk mengkaji digabungkan dalam perawatan kesehatan inklusif
sistem perawatan kesehatan universal yang yang dirangkum dalam makalah ini sangat penting
memanfaatkan kecerdasan buatan. Makalah ini untuk keberhasilan penyelesaian proyek. Untuk
memberikan alasan berbasis bukti penulis, dosen pertama kalinya, makalah ini menjelaskan
sebagai berikut. Pertama, metode berbasis berbasis bukti yang menghubungkan jaringan
literatur dijelaskan secara singkat. Kedua, hasil saraf tiruan dan teori fusi data.
Di Internet, jarak antara pasien dan dokter kecerdasan buatan (AI). TI mentransmisikan
sama karena beberapa pasien tidak harus informasi dasar pasien dan informasi penyakit
menempuh jarak yang jauh untuk berbicara secara real-time ke pusat diagnosis dan
dengan dokter. Oleh karena itu, selama layanan perawatan jarak jauh melalui jaringan,
online dapat diandalkan, manusia memiliki akses menggunakan koneksi broadband berkecepatan
yang sama terhadap perawatan kesehatan. tinggi di seluruh wilayah perkotaan dan pedesaan
Dibandingkan dengan TI, analisis data ekstensif sebagai fondasi fisik. Setelah analisis profesional
dan AI dapat secara langsung meningkatkan dokter dengan bantuan analisis data ekstensif,
pelayanan kesehatan. Dibandingkan dengan informasi diagnosis dan pengobatan baru
pengetahuan dan pengalaman dokter, AI yang dikirimkan ke pasien melalui Internet secara real-
didorong oleh pembelajaran mendalam akan time sebagai umpan balik. Setelah ini, pasien
mampu mengintegrasikan kearifan bersama dapat mendiskusikan perawatan selanjutnya
manusia disemua bidang profesional dan dengan dokter berdasarkan situasi mereka. Tanpa
membentuk dokter umum yang pengetahuannya transmisi informasi perawatan kesehatan melalui
melampaui semua ahli. Meski dokter umum ini Internet, diagnosis jarak jauh dan integrasi data
belum muncul, metode deduksi berdasarkan cloud tidak mungkin dilakukan.
deep learning big data dan fusi bukti memenuhi Ada bukti kuat bahwa TI terkait dengan
persyaratan kedokteran modern berbasis bukti. realisasi kesetaraan pelayanan kesehatan dalam
Ini secara dramatis memperluas kemampuan layanan kesehatan inklusif21. Pertama, layanan
berpikir manusia. Dapat diprediksi bahwa online menghilangkan perbedaan identitas.
seorang dokter umum yang menggantikan ahli Diinternet, perbedaan status orang-orang dalam
individu akan segera memasuki bidang pelayanan masyarakat multikultural dapat diminimalkan
kesehatan. atau bahkan dihilangkan. Kedua, Internet
Selain itu, mempopulerkan layanan menghilangkan hambatan geografis. Menurut
kesehatan online yang seragam pada dasarnya penelitian mereka, penerapan pemerataan
akan mengubah ketidakadilan kesehatan. pelayanan kesehatan ini secara positif
Masyarakat Indonesia memiliki tingkat mempengaruhi implementasi layanan kesehatan
informatisasi yang tinggi, dan teori pembelajaran inklusif.
mendalam dan fusi bukti secara bertahap Pada bagian ini dibahas tentang
matang. Dari sini, ditambah dengan inisiatif perkembangan pesat teknologi (kecerdasan
pemerintah untuk mempercepat transformasi buatan) di bidang lain dan penerapannya di
teknis bidang medis, perawatan kesehatan bidang medis yang secara positif mempengaruhi
inklusif layak dilakukan dari perspektif teknologi. pelaksanaan layanan kesehatan inklusif. Terdapat
Seperti disebutkan dalam pengantar bukti kuat bahwa pesatnya perkembangan
pelayanan kesehatan inklusif di atas, keberhasilan teknologi (kecerdasan buatan) di bidang lain dan
pelaksanaan proyek tidak dapat dipisahkan dari penerapannya di bidang medis berdampak positif
beberapa teknik penting seperti teknologi terhadap penyelenggaraan pelayanan kesehatan
informasi (TI), analisis data ekstensif, dan inklusif12. Menurut temuan mereka, penerimaan
J. Ked. Mulawarman Vol. 9 (2) September 2022 77
otoritas pemerintah terhadap berbagai teknologi penting untuk menerapkan layanan kesehatan
dan partisipasi mereka merupakan faktor inklusif.
keberhasilan penting untuk layanan kesehatan Dalam beberapa literatur tentang
inklusif. Menurut penelitian mereka, dua dokter implementasi public private partnership (PPP),
menyoroti hal ini. Namun, seorang dokter juga persepsi dan penerimaan publik terhadap proyek,
percaya bahwa sikap pemerintah terhadap indikator ekonomi makro yang stabil, dan
teknologi tidak mempengaruhi pelaksanaan lingkungan pasar (untuk proyek profit)
layanan kesehatan inklusif karena pemerintah merupakan faktor penentu keberhasilan.
tidak berpartisipasi secara langsung dalam Menurut22, kesadaran dan penerimaan
inisiatif tersebut. Ada bukti kuat bahwa perangkat masyarakat terhadap pelayanan kesehatan
keras sangat penting dalam mengembangkan inklusif merupakan faktor penentu keberhasilan.
sistem perawatan kesehatan primer untuk Studi mereka mencatat penolakan inisiatif serupa
perawatan kesehatan inklusif dan menegaskan oleh orang-orang di daerah pegunungan yang
pentingnya sistem perangkat lunak. Menurut miskin karena kurangnya pemahaman tentang
temuan mereka, pengembangan dan teknologi telemedicine dan teknologi kecerdasan
mempopulerkan perawatan medis tingkat lanjut buatan. Menurut temuan mereka, banyak pasien
sangat diperlukan dalam menerapkan perawatan masih mempercayai dokter yang lebih
kesehatan inklusif. Pada saat yang sama, ada berpengalaman dan lebih memilih konsultasi dan
bukti kuat dari sikap positif terhadap penerapan pengobatan tatap muka. Mereka meragukan
kecerdasan buatan, dan teknologi lainnya dalam tentang telemedicine dan kecerdasan buatan,
aplikasi medis. Terdapat bukti kuat bahwa terutama untuk orang tua. Orang-orang di daerah
penerimaan berbagai teknologi oleh pasien dan ini relatif konservatif, sehingga proyek serupa
petugas medis serta partisipasi mereka dengan layanan kesehatan inklusif tidak dapat
merupakan faktor penentu keberhasilan untuk dilaksanakan karena orang tidak menerimanya.
layanan kesehatan inklusif. Ketika dokter dan Terdapat bukti kuat bahwa kesadaran dan
pasien menerima dan secara aktif menerapkan penerimaan masyarakat terhadap pelayanan
teknologi baru ini, mereka mencapai hasil yang kesehatan inklusif merupakan faktor yang harus
optimal. Kondisi spesifik Indonesia menentukan dipertimbangkan oleh semua pelaku.
bahwa sebagian besar sumber daya publik Ada bukti kuat bahwa indikator
dikelola oleh pemerintah, yang juga bertanggung makroekonomi yang stabil juga merupakan faktor
jawab atas alokasinya. Dengan kata lain, setiap penentu keberhasilan yang diidentifikasi oleh
pelayanan kesehatan masyarakat harus didukung semua orang yang diwawancarai, meskipun tidak
oleh pemerintah agar dapat berjalan dengan satupun dari mereka yang menyoroti hal ini.
lancar. Menurut temuan mereka, sebagian besar Menurut21, indikator ekonomi makro yang stabil
pemimpin rumah sakit dan dokter percaya bahwa setidaknya kondusif untuk beroperasinya
sikap pemerintah terhadap penerapan komponen profit, yang secara tidak langsung
kecerdasan buatan, dan teknologi lainnya di menjamin sumber pendanaan komponen amal
bidang medis merupakan faktor keberhasilan layanan kesehatan inklusif. Menurut temuan
J. Ked. Mulawarman Vol. 9 (2) September 2022 78
mereka, pejabat pemerintah dan kepala perawatan kesehatan inklusif, kecerdasan buatan
perusahaan investasi semuanya percaya bahwa modern diperlukan untuk melakukan diagnosis
lingkungan pasar (untuk proyek nirlaba) adalah jarak jauh menggunakan data medis primer.
faktor penentu keberhasilan untuk perawatan Misalnya, Watson International Business
kesehatan inklusif. Ada bukti kuat bahwa Machines Corporation (IBM sudah dapat belajar
lingkungan eksternal yang menguntungkan juga dari dan membuat penilaian pada banyak catatan
diperlukan untuk mengimplementasikan layanan medis23. Tugas yang paling menantang dalam
kesehatan inklusif dengan sukses. Secara khusus, diagnosis jarak jauh adalah pemrosesan dan
kebutuhan pendidikan kedokteran lokal serta diagnosis gambar medis. Tugas ini menantang
kesadaran dan penerimaan masyarakat terhadap karena gambar medis adalah data tidak
pelayanan kesehatan inklusif merupakan faktor terstruktur dan berbeda dari hasil diagnostik
yang harus mendapat perhatian khusus. terstruktur. Hasil diagnosis terstruktur dapat
Adaptasi strategis pemangku kepentingan langsung dimasukkan ke dalam model patologis
pelayanan kesehatan inklusif dalam inisiatif ini untuk analisis. Namun, untuk data yang tidak
diperlukan untuk tetap gesit dan tangguh setiap terstruktur seperti citra medis, pendekatan
saat, menerima informasi baru, mengevaluasi tradisional menantang untuk digunakan secara
keputusan masa lalu, mengubah arah, dan langsung untuk memeriksa dan membuat
membuat penyesuaian tepat waktu berdasarkan kesimpulan. Oleh karena itu, mereka biasanya
perkembangan terbaru. Saat ini, kecerdasan ditafsirkan dan dianalisis oleh ahli radiologi.
buatan semakin banyak digunakan di sektor Namun, karena sumber daya medis perawatan
medis, secara signifikan mengubah lanskap medis primer relatif terbatas, intervensi manusia
20
industri , yang masih mengalami perubahan jarak jauh membutuhkan sejumlah besar tenaga
cepat. Dalam lingkungan ini, manajer pelayanan kerja dan input modal, belum lagi kesulitan
kesehatan inklusif memerlukan fleksibilitas merekrut sejumlah besar tenaga medis secara
strategis untuk mengikuti perubahan dari waktu terburu-buru.
ke waktu. Pengembangan indikator keberhasilan, Program perawatan kesehatan universal
tujuan pengelolaan yang dapat dicapai, dan perlu untuk mengembangkan metode diagnostik
kriteria merupakan hubungan penting antara pencitraan telemedicine berbasis AI yang cocok
aspek strategis dan operasional inisiatif. untuk skenario ini. Di satu sisi, menggunakan AI
Dasar Teoritis dari Teori ER untuk memproses gambar dapat mengurangi
Salah satu aturan kecerdasan buatan (AI) biaya unit pengenalan gambar medis. Karena
yang paling sering digunakan adalah aturan layanan kesehatan inklusif memiliki cakupan yang
Evidential Reasoning (ER). Ini rinci dan komprehensif, banyak data citra medis perlu
berdasarkan teori bukti Dempster-Shafer (DS). diproses dan dikenali di cloud. Dibandingkan
Untuk menerapkan aturan ER, kumpulan dengan algoritma AI yang unik, kecepatan dan
hipotesis harus saling eksklusif dan lengkap. biaya identifikasi manusia konvensional akan
Berikut ini adalah satu bukti yang mendukung berada pada posisi yang kurang menguntungkan.
klaim tersebut. Berdasarkan sistem cloud untuk Oleh karena itu, metode pengenalan citra medis
J. Ked. Mulawarman Vol. 9 (2) September 2022 79
yang patut dicontoh akan mencapai kinerja yang cerdas berbasis fisiologi, jaringan syaraf tiruan
sama dengan kecepatan lebih cepat dan biaya merupakan sistem dinamik adaptif skala besar
lebih rendah, sehingga mendorong nonlinier yang bersifat nonlinier, nonlokal, tidak
pengembangan layanan kesehatan inklusif. stasioner, dan tidak cembung. Jaringan saraf
Di sisi lain, metode berbasis AI dapat backpropagation24 adalah JST yang populer.
meningkatkan akurasi pengenalan citra medis. Sebuah backpropagation dari ANNs adalah
Identifikasi manual nodul paru dan glioma dalam pembelajaran yang kuat dan alat representasi
gambar medis tetap menjadi tantangan. Selain pengetahuan. Selain lapisan output, jaringan
itu, mengerjakan sejumlah besar data citra medis memiliki lapisan tersembunyi. Node di satu
untuk waktu yang lama rentan terhadap lapisan terhubung ke node di lapisan lain, tetapi
kelelahan dan penurunan ketelitian. Penemuan tidak sebaliknya. Data masukan mengalir melalui
yang tertunda selama beberapa bulan akan lapisan tersembunyi hingga mencapai simpul
berarti dua kali lipat kesulitan pengobatan dan keluaran sebagai data keluaran. Karena node peer
penurunan yang signifikan dalam kualitas tidak terhubung, output setiap layer hanya
prognosis untuk banyak tumor. Pembacaan citra mempengaruhi output layer berikutnya. Yang
medis oleh jaringan saraf dalam, jaringan saraf dianalisis adalah catatan pasien tumor otak di
konvolusional dalam beberapa hal telah sebuah rumah sakit di Indonesia. Tumor dalam
melampaui ketepatan manusia. Singkatnya, kita data pencitraan dideteksi menggunakan
perlu mengembangkan interpretasi citra medis pendekatan pembelajaran mesin. Adapun kinerja
primer yang cepat, berkelanjutan, dan presisi dalam jaringan saraf tiruan ini, entropi silang
tinggi dengan mengembangkan metode berbasis membantu menentukan seberapa baik kinerja
AI untuk pengenalan citra medis, sehingga prediksi jaringan syaraf tiruan dalam kenyataan.
meningkatkan standar perawatan kesehatan Ini juga dapat digunakan untuk membantu dalam
primer25,26. pelatihan jaringan saraf. Kecepatan parameter
Ada bukti kuat bahwa kemajuan dalam dapat diubah dengan melihat perbedaan antara
jaringan saraf tiruan (JST) telah menjadikannya nilai yang diharapkan dan yang sebenarnya.
bidang studi yang signifikan dalam kecerdasan Pengenalan gambar tumor otak ini adalah salah
buatan. JST dimotivasi oleh penelitian otak satu alasan berbasis bukti dari perawatan
manusia. Pendekatan ini bertujuan untuk meniru kesehatan inklusif menggunakan kecerdasan
sistem saraf otak manusia (neuron buatan, buatan.
komponen elektronik). Interaksi neuron SIMPULAN
digunakan untuk memproses informasi dalam Berdasarkan pembahasan tersebut diatas
jaringan saraf tiruan. Meskipun pembelajaran dan didapatkan simpulan sebagai berikut: sistem
pengenalan jaringan didasarkan pada kecerdasan buatan (AI) bermanfaat untuk
pertumbuhan bobot koneksi neuron, perawatan kesehatan inklusif. Makalah ini telah
pengetahuan dan penyimpanan informasi menyajikan teknik fusi bukti mendasar yang
direpresentasikan sebagai koneksi yang tersebar berhasil dalam kerangka teknologi yang
antara komponen jaringan. Sebagai model bionik
J. Ked. Mulawarman Vol. 9 (2) September 2022 80