Ketika AI Masuk Rumah Sakit: Apa yang Berubah bagi Dokter dan Pasien

Dalam kolom sebelumnya, saya membahas AI medis dari sudut pandang bisnis, dengan berfokus pada peluang yang dihadirkannya bagi perusahaan teknologi. Namun, di luar potensi inovasi dan pasar baru, ada pertanyaan yang lebih mendasar: apa dampak teknologi ini bagi dokter yang menggunakannya dan pasien yang bergantung pada mereka? Bagaimanapun, nilai sejati inovasi medis terletak pada kemampuannya meningkatkan mutu dan aksesibilitas layanan kesehatan. Saya sudah melihat perubahan yang luar biasa dalam cara layanan tersebut dapat diberikan.

Bagaimana Kekurangan Tenaga Kerja Mempercepat Otomatisasi Layanan Kesehatan

Saya mengenal seorang pengusaha yang perusahaannya menyediakan tenaga medis sementara bagi rumah sakit, termasuk perawat pengganti saat pegawai tetap tidak tersedia. Anda mungkin mengira bisnis seperti ini akan berkembang pesat di tengah kekurangan tenaga kerja yang terus berlangsung. Namun, menurutnya, perusahaan yang khusus menyediakan tenaga kesehatan pun kesulitan menemukan cukup banyak tenaga yang berkualifikasi.

Rumah sakit telah menghadapi kekurangan dokter dan perawat selama puluhan tahun. Mendidik tenaga kesehatan baru membutuhkan banyak waktu dan sumber daya. Pendidikan kedokteran, khususnya di Amerika Serikat, bisa sangat mahal, sementara tahun-tahun yang dihabiskan untuk belajar dan menjalani pelatihan klinis membawa tekanan finansial dan psikologis. Bahkan setelah menyelesaikan pelatihan, dokter menghadapi tingkat stres yang tinggi, tanggung jawab yang sangat besar, dan keterbatasan waktu yang terus-menerus.

Akibatnya, dokter terkadang hanya memiliki beberapa menit untuk setiap pasien guna meninjau gejala, mempertimbangkan kemungkinan diagnosis, meminta pemeriksaan, dan menyelesaikan dokumentasi yang diperlukan. Beban kerja ini meningkatkan risiko kesalahan dan mengurangi waktu untuk berinteraksi secara bermakna dengan pasien. Menambah jumlah staf saja kemungkinan besar tidak akan menyelesaikan masalah.

Itulah sebabnya saya yakin kekurangan tenaga kerja yang terus berlangsung dan beban kerja yang kian bertambah akan menjadi salah satu pendorong utama percepatan penerapan AI di rumah sakit.

Apa yang Dapat Dipercayakan Dokter kepada AI?

Salah satu penerapan yang paling praktis adalah sistem berbasis AI yang merekam percakapan antara dokter dan pasien, merangkum konsultasi, serta membantu menyiapkan dokumentasi klinis. Alih-alih menghabiskan waktu menulis catatan secara manual, dokter menerima draf yang dapat mereka tinjau dan sunting sesuai kebutuhan.

Manfaat alat-alat ini mulai terlihat dalam praktik klinis. Sebuah studi yang diterbitkan di JAMA pada April 2026 menelaah data dari lebih dari 8.500 tenaga kesehatan di lima pusat medis di AS. Di antara tenaga klinis yang menggunakan alat dokumentasi berbasis AI, waktu yang dihabiskan untuk membuat catatan klinis berkurang rata-rata 10%, setara dengan sekitar 16 menit untuk setiap periode delapan jam kunjungan pasien terjadwal.

Contoh lainnya adalah diagnosis banding dengan bantuan AI. Bayangkan seorang pasien datang ke dokter dengan nyeri perut dan sensasi kesemutan di sisi kiri tubuh. Sistem AI dapat menganalisis gejala dan menyarankan beberapa kemungkinan penyebab untuk ditelusuri. Sistem ini tidak menetapkan diagnosis akhir, tetapi dapat membantu dokter menyusun daftar kemungkinan, menentukan pertanyaan lanjutan, dan memastikan pemeriksaan apa yang mungkin diperlukan. Saya sudah menjumpai alat seperti ini dalam praktik dan memperkirakan alat tersebut akan menjadi bagian rutin dari konsultasi medis. Namun, alat ini juga menimbulkan kekhawatiran yang beralasan: apakah ketergantungan pada saran yang dihasilkan AI lambat laun dapat melemahkan kemampuan dokter untuk bernalar secara mandiri? Ketika sistem memberikan jawaban siap pakai, kita bisa tergoda untuk memercayai kesimpulannya, terutama saat waktu untuk setiap pasien sudah sangat terbatas.

Namun, ada sisi lain dari hal ini. Betapapun berpengalamannya seorang dokter, pengetahuannya pasti dibentuk oleh pasien yang pernah ditanganinya, pelatihan yang telah dijalaninya, dan penelitian yang sempat dipelajarinya. Sementara itu, model AI berpotensi mengenali pola dari kumpulan data medis yang jauh lebih besar, termasuk kasus yang mungkin belum pernah ditemui seorang dokter secara langsung.

AI sebagai Peserta dalam Penelitian Medis

Bidang lain yang layak ditelaah adalah kasus klinis kompleks yang bahkan sulit disepakati oleh para spesialis berpengalaman. Saat ini, kasus seperti itu sering dibahas dalam forum pembahasan kasus medis, tempat dokter meninjau hasil pemeriksaan, mendiskusikan kemungkinan diagnosis, dan menyepakati langkah pengobatan selanjutnya. Saya tidak berpikir AI akan menggantikan diskusi tersebut, tetapi saya dapat membayangkan AI menjadi peserta tambahan.

Ada beberapa cara untuk mewujudkannya. Beberapa model dapat menganalisis kasus klinis yang sama secara mandiri, sehingga dokter dapat membandingkan temuan mereka dan mengidentifikasi hal-hal yang disepakati maupun yang diperselisihkan. Sebagai alternatif, satu model dapat menelaah kasus tersebut beberapa kali dengan pendekatan analitis yang berbeda, lalu hasilnya dihimpun untuk ditinjau.

Tentu saja, kesepakatan di antara model AI tidak serta-merta berarti kesimpulannya benar. Model-model tersebut mungkin memiliki keterbatasan yang sama, mengandalkan data pelatihan serupa, dan melakukan kesalahan yang sama. Meski begitu, sudut pandang tambahan ini dapat membantu mengungkap ketidakkonsistenan, menandai kondisi langka, atau menyarankan kemungkinan yang pada awalnya tidak dipertimbangkan oleh para dokter.

Namun, agar dapat berkontribusi secara bermakna dalam diskusi semacam itu, AI perlu mempertimbangkan lebih dari sekadar hasil tes yang terpisah-pisah. Saya telah menyaksikan sendiri pentingnya konteks klinis yang lebih luas ini dalam pekerjaan kami di Keymakr. Dalam salah satu proyek pencitraan ultrasonografi, kami menangani hasil pemindaian pasien yang sama pada waktu berbeda, terkadang beberapa kali dalam sehari dan kemudian kembali beberapa bulan setelahnya. Tim tersebut memberi anotasi pada struktur anatomi dan menandai kemungkinan kelainan untuk ditinjau oleh spesialis, sembari memperhitungkan perubahan sepanjang riwayat pemeriksaan pasien.

Ketidakkonsistenan kecil dalam catatan individual dapat memengaruhi interpretasi data terkait di seluruh rentang kumpulan data. Pengalaman ini menegaskan betapa pentingnya mempertimbangkan riwayat medis pasien secara menyeluruh—hal yang sama pentingnya bagi sistem AI yang mendukung pengambilan keputusan klinis yang kompleks.

MRI Tanpa Mesin MRI

Namun, menegakkan diagnosis bukan hanya soal menafsirkan data medis dengan tepat. Kita juga harus bisa memperoleh data tersebut sejak awal. Salah satu proyek AI paling menarik yang pernah saya temui di sebuah acara yang direkomendasikan oleh Scryon menjawab tantangan ini secara langsung. Sebuah tim pengembang menemukan cara untuk menggunakan pemindaian CT dan beberapa citra sinar-X yang diambil dari sudut tertentu guna merekonstruksi citra serupa MRI dengan bantuan kecerdasan buatan. Gagasan ini berangkat dari masalah yang sangat praktis: mesin MRI berharga mahal, dan pasien terkadang harus menunggu berbulan-bulan untuk menjalani pemeriksaan, sedangkan mesin sinar-X dan pemindai CT jauh lebih mudah ditemukan.

Untuk saat ini, teknologi tersebut berfokus pada lutut, meskipun para pengembang mempertimbangkan untuk mengembangkannya agar mencakup sendi lain. Menurut tim tersebut, citra hasil rekonstruksi ini dimaksudkan untuk memberikan informasi yang sebanding dengan hasil pemindaian MRI, meskipun teknik pencitraannya mengandalkan prinsip fisika yang berbeda.

Alih-alih mengembangkan peralatan medis mahal yang baru, tim tersebut memanfaatkan teknologi pencitraan yang sudah ada dan memperluas kemampuannya melalui rekonstruksi citra berbasis AI.

Ruang Operasi Tanpa Batas Negara

Saya memperkirakan AI akan berperan dalam setidaknya separuh dari seluruh proses medis dalam satu bentuk atau lainnya selama dekade mendatang. Yang saya maksud mencakup beragam penerapan, mulai dari analisis data medis dan dukungan diagnosis hingga panduan AI secara langsung selama prosedur bedah.

Dalam jangka panjang, teknologi ini juga dapat membantu mengatasi hambatan finansial, organisasi, bahkan geografis dalam mengakses layanan kesehatan. Bayangkan seorang dokter bedah terampil di Amerika Serikat membantu operasi seorang anak di India, atau seorang spesialis di India membantu merawat pasien di Kanada, tanpa hadir secara fisik di ruang operasi. Kemajuan dalam robotika, sistem kendali jarak jauh, dan bantuan bedah berbasis AI dapat mewujudkan skenario seperti ini.

Kita sudah melihat langkah-langkah awal ke arah ini. Sebagai contoh, platform Proximie memungkinkan dokter bedah terhubung dari jarak jauh ke ruang operasi, mengamati prosedur secara langsung, dan berkolaborasi dengan tim medis di lokasi. Sistem ini mendukung video siaran langsung, komunikasi suara, dan anotasi visual, serta menggunakan AI untuk menganalisis data alur kerja bedah. Ini bukan berarti dokter bedah sudah dapat melakukan operasi apa pun dari jarak jauh, tetapi sistem ini memungkinkan para spesialis berbagi keahlian dan memberikan panduan tanpa harus berada di ruang operasi yang sama.

Saya percaya bahwa memperluas akses ke layanan kesehatan seharusnya menjadi salah satu tujuan utama AI medis. Yang penting adalah apakah teknologi ini dapat membantu mempersingkat waktu tunggu pemeriksaan diagnostik, meringankan beban tenaga medis, dan memberi dokter lebih banyak waktu bersama pasien. Pada akhirnya, saya akan mengukur keberhasilan AI medis dari seberapa banyak orang yang dapat memperoleh layanan medis berkualitas tinggi secara tepat waktu berkat teknologi ini.