Transformasi Layanan Kesehatan di Indonesia dengan Teknologi Kecerdasan Buatan
Pada tahun 2025, kecerdasan buatan (artificial intelligence/AI) tidak lagi menjadi wacana semata dalam sektor kesehatan Indonesia. Teknologi ini mulai hadir nyata dalam layanan medis sehari-hari, mengubah cara diagnosis, pencegahan, dan pelayanan pasien. Dari skrining tuberkulosis berbasis analisis rontgen hingga penggunaan AI dalam radiologi dan patologi, serta dukungan sistem digital untuk tenaga kesehatan di fasilitas primer, teknologi ini pelan-pelan mengubah paradigma layanan kesehatan.
Tahun 2025 menjadi titik balik ketika AI mulai bergeser dari tahap uji coba menuju implementasi terbatas namun strategis. Hal ini sejalan dengan upaya pemerintah meningkatkan akses, efisiensi, dan kualitas layanan kesehatan nasional. Berikut adalah deretan momen dan inovasi AI yang menandai transformasi layanan medis di Indonesia:
1. AI Deteksi Radiologi untuk TB
AI dalam bidang radiologi memungkinkan komputer membaca foto toraks (rontgen dada) dan CT scan dengan cara mengenali pola kelainan khas tuberkulosis (TB). Teknologi ini menggunakan metode deep learning yang sangat peka terhadap perubahan halus pada parenkim paru, sehingga dapat menandai area yang dicurigai sebagai TB, jauh lebih cepat dibanding proses baca manual oleh dokter.
Organisasi Kesehatan Dunia (WHO) telah secara resmi merekomendasikan penggunaan perangkat lunak deteksi berbantuan komputer (CAD) berbasis kecerdasan buatan untuk membaca foto toraks digital (CXR) sebagai alat skrining atau triase TB pada orang berusia 15 tahun ke atas.
Kementerian Kesehatan (Kemenkes) bahkan pada Februari 2025 telah menandatangani nota kesepahaman (MoU) dengan perusahaan teknologi Qure.ai untuk mempercepat deteksi dini TB berbasis AI dalam pencitraan sinar-X dada. Proyek percontohan tersedia di RS Fatmawati dan RS Pusat Otak Nasional (RSPON).
2. AI untuk Pembacaan Hasil Laboratorium
Secara global, AI mulai mengubah cara hasil pemeriksaan laboratorium klinis dibaca dan dianalisis. Dengan bantuan machine learning dan natural language processing (NLP), AI dapat membantu mendeteksi nilai yang tidak normal, membaca pola perubahan hasil pemeriksaan dari waktu ke waktu (longitudinal trends), serta memberikan tanda peringatan dini (early flag) pada biomarker yang berpotensi menimbulkan risiko kesehatan.
Sejumlah laboratorium besar, rumah sakit rujukan, dan pusat riset telah mulai menguji penggunaan AI untuk mempercepat analisis data pemeriksaan darah, urine, patologi digital, hingga biomarker yang lebih kompleks.
3. AI Chatbot untuk Layanan Kesehatan Primer
AI triage dan chatbot kesehatan berfungsi sebagai “pintu gerbang digital” pertama di puskesmas atau klinik primer, menganalisis gejala pasien secara real-time melalui chat atau kuesioner untuk menentukan urgensi, merekomendasikan langkah selanjutnya dan mengurangi beban administratif hingga 80 persen pada kasus yang rutin terjadi.
Pada tahun 2025, penggunaan chatbot kesehatan di Indonesia cenderung berada pada fase adaptasi awal dan pendukung informasi, baik oleh masyarakat umum maupun dalam konteks layanan kesehatan masyarakat.
Chatbot berperan sebagai alat bantu untuk:
* Memberikan informasi kesehatan awal.
* Mendukung proses administrasi layanan.
* Membantu skrining sederhana (terutama kesehatan mental).
Penggunaan sistem chatbot salah satunya melalui platform populer seperti WhatsApp untuk membantu layanan kesehatan masyarakat, misalnya dalam program Cek Kesehatan Gratis (CKG) yang mempermudah skrining mandiri dan pengaturan jadwal pemeriksaan melalui antarmuka obrolan otomatis.
4. Stetoskop Pintar Berteknologi AI
AI telah merevolusi analisis elektrokardiogram (ECG) dengan deep learning yang mendeteksi aritmia, gagal jantung, stenosis aorta, dan penyakit struktural jantung dari sinyal ECG 12-lead atau single-lead, sering kali mengungguli kardiolog dengan akurasi hingga 98 persen dan waktu analisis di bawah 2 menit.
Alat yang menggabungkan stetoskop dan ECG memungkinkan dokter mendengarkan dan mengamati irama jantung secara bersamaan. Penggunaan teknologi ini pun menjanjikan dalam diagnosis penyakit jantung yaitu stetoskop pintar berteknologi AI.
Prinsip dari AI adalah mengumpulkan banyak data (big data) dari suara jantung dan bunyi murmur suara jantung, yang akan ditangkap serta dianalisis dalam berbagai algoritma juga dilakukan analisis bootstrapping sehingga akan lebih meningkatkan akurasi penggunaan diagnosis secara auskultasi.
Dampak dari teknologi AI ini amat bermanfaat untuk skrining oleh dokter layanan primer di puskesmas dan klinik sebelum dirujuk ke rumah sakit.
5. AI untuk Manajemen Rekam Medis dan Otomatisasi Administratif
AI kini mulai membantu pengelolaan rekam medis elektronik dengan cara yang lebih praktis dan efisien. Dengan teknologi pemrosesan bahasa dan pembelajaran mesin, AI mampu membaca dan mengolah berbagai catatan medis yang sebelumnya tidak terstruktur, seperti suara percakapan dokter dan pasien, tulisan tangan, hingga laporan laboratorium. Informasi tersebut kemudian diubah menjadi data rapi yang siap masuk ke sistem rekam medis, sehingga pekerjaan administratif tenaga kesehatan bisa berkurang secara signifikan.
Dalam praktiknya, AI digunakan untuk mendukung dokumentasi otomatis. Sistem ini dapat “mendengarkan” percakapan saat konsultasi berlangsung, lalu mengubahnya menjadi catatan medis terstruktur dan membantu pengisian kode diagnosis maupun klaim. Dengan cara ini, dokter tidak perlu lagi menghabiskan banyak waktu untuk mengetik laporan setelah memeriksa pasien.
AI juga membantu mengekstraksi dan mengelompokkan data medis dari berbagai dokumen, seperti hasil laboratorium, catatan pengobatan, dan hasil pemeriksaan penunjang. Data tersebut disusun secara konsisten dan dapat dipindahkan antar sistem tanpa perlu input manual, sehingga mengurangi risiko kesalahan.
Selain itu, inovasi ini juga dimanfaatkan untuk analisis dan prediksi. Teknologi ini dapat mengenali pola risiko, misalnya kemungkinan pasien harus dirawat ulang, serta menyusun ringkasan riwayat kesehatan pasien dalam jangka panjang. Hal ini memudahkan tenaga medis memahami kondisi pasien secara menyeluruh, bahkan ketika pasien berpindah fasilitas kesehatan.
Di sisi administrasi, AI membantu penjadwalan janji temu, pengingat kunjungan, verifikasi asuransi, hingga proses klaim. Otomatisasi ini membantu mengurangi pasien yang tidak datang sesuai jadwal dan menekan kesalahan dalam penagihan.
AI juga mulai digunakan untuk mengatur alur kerja di fasilitas kesehatan, seperti pendaftaran pasien, persetujuan administrasi, pengaturan jadwal tenaga medis, dan pengiriman notifikasi penting. Semua proses ini bisa dilakukan secara otomatis tanpa perlu pengaturan teknis yang rumit.
Dari sisi keamanan, ini mendukung perlindungan data rekam medis dengan pemantauan akses, pencatatan jejak aktivitas, dan pengelolaan beban kerja sistem. Tujuannya memastikan data pasien tetap aman sekaligus membantu fasilitas kesehatan menggunakan sumber daya secara lebih tepat.
Indonesia telah berada pada tahap awal adopsi AI dalam manajemen rekam medis dan otomasi administratif, dengan beberapa sistem yang telah berjalan di rumah sakit besar, dan tren ini diperkirakan akan terus berkembang ke fasilitas lain dalam beberapa tahun mendatang.
6. AI untuk Memprediksi Lonjakan Penyakit dan Pemantauan Wabah
AI kini juga dimanfaatkan untuk membantu memprediksi lonjakan kasus penyakit dan memperkuat pemantauan wabah. Teknologi ini menganalisis berbagai data, seperti rekam medis, kunjungan ke fasilitas kesehatan, pergerakan penduduk, hingga kondisi cuaca, untuk mendeteksi kenaikan kasus yang tidak biasa sejak dini.
Dalam praktiknya, ini juga menggabungkan model epidemiologi dengan pembelajaran mesin untuk membangun sistem peringatan dini. Sistem ini membantu pemerintah dan rumah sakit bersiap lebih cepat, misalnya dengan menambah kapasitas layanan atau tenaga kesehatan. Pendekatan tersebut telah digunakan untuk memantau penyakit menular seperti influenza, COVID-19, dan demam berdarah.
Di Indonesia, pemantauan penyakit mulai mengandalkan penggabungan data kesehatan, cuaca, dan pengamatan vektor guna mengantisipasi lonjakan kasus, terutama demam berdarah. Salah satu contohnya adalah platform ClimateSmart Indonesia, yang memanfaatkan AI untuk memprediksi dan merespons penyakit yang dipengaruhi perubahan iklim, seperti malaria dan demam berdarah, sebagai dukungan bagi perencanaan kesehatan masyarakat.
7. AI untuk Skrining Retinopati Diabetik
AI sudah menjadi bagian integral dari program skrining retinopati diabetik (DR) di berbagai negara, dengan bukti kuat bahwa algoritma deep learning mampu mendeteksi DR yang “referable” dengan sensitivitas dan spesifisitas tinggi, serta sudah ada sistem yang disetujui otoritas regulator untuk penggunaan klinis rutin.
Dalam konteks pelayanan primer dan daerah dengan keterbatasan dokter mata (termasuk Indonesia), AI diposisikan sebagai alat triase/skrining otomatis dari foto fundus (untuk menilai kondisi pembuluh darah retina) sehingga hanya kasus yang perlu dirujuk yang dikirim ke spesialis, memperluas cakupan skrining dan menurunkan beban biaya.
Alur skriningnya adalah sebagai berikut:
* Foto fundus (dengan kamera tabletop, portabel, atau berbasis smartphone) diambil oleh tenaga kesehatan nonspesialis, sering kali tanpa dilatasi.
* Gambar dikirim ke sistem AI yang mengklasifikasikan “tidak ada/mild DR” atau “DR yang memerlukan rujukan (moderate-severe NPDR, PDR, dan/atau DME)”, sering disertai skor probabilitas atau rekomendasi tindak lanjut.
* Pasien dengan hasil “referable DR” dirujuk ke dokter mata untuk konfirmasi dan penatalaksanaan, sedangkan yang non-referable diikutkan ke jadwal skrining rutin berikutnya.
Pada 2025, penggunaan AI untuk skrining DR di Indonesia belum diterapkan secara luas sebagai layanan rutin, tetapi perkembangannya mulai terlihat melalui berbagai inisiatif. Pemerintah, akademisi, dan sektor swasta mendorong skrining berbasis teknologi digital lewat program seperti Konsorsium DRIVE, riset universitas, serta proyek percontohan tele-oftalmologi yang memanfaatkan analisis gambar retina berbasis AI.
8. AI untuk Farmasi dan Manajemen Obat
AI dalam bidang farmasi dan pengelolaan obat digunakan untuk membantu memberi peringatan jika ada potensi interaksi obat, memprediksi efek samping obat yang berbahaya, serta menentukan pasien yang perlu diprioritaskan untuk peninjauan ulang obat.
Dengan bantuan AI, peringatan yang muncul bisa lebih tepat sasaran sehingga mengurangi kesalahan pemberian obat dan tidak membuat tenaga kesehatan kewalahan oleh terlalu banyak notifikasi yang kurang penting.
Dalam praktiknya, sistem AI dihubungkan dengan rekam medis elektronik dan perangkat lunak farmasi untuk memantau resep obat secara langsung. Teknologi ini menilai risiko berdasarkan kondisi masing-masing pasien dan hanya menampilkan peringatan yang benar-benar relevan secara medis.
Di Indonesia, penggunaan AI untuk manajemen obat dan peringatan interaksi obat masih berada pada tahap awal. Penerapan umumnya terbatas pada uji coba dan penelitian, dan belum menjadi praktik rutin di fasilitas kesehatan.
Sistem yang digunakan saat ini kebanyakan masih berupa fitur pendukung keputusan sederhana di aplikasi rumah sakit atau resep elektronik, yang bekerja berdasarkan aturan tetap, bukan AI yang lebih canggih. Pengembangan AI untuk memprediksi efek samping obat masih banyak dilakukan di lingkungan akademik dan belum sepenuhnya terintegrasi ke alur kerja klinis.
9. Pemanfaatan AI untuk Skrining Kanker Serviks
AI untuk skrining kanker serviks yang berbasis gambar serviks—seperti VIA (visual inspection with acetic acid), cervicography, dan visual triage pada perempuan yang hasil tes HPV-nya positif—terus berkembang pesat. Teknologi ini banyak diarahkan untuk digunakan di daerah dengan sumber daya terbatas serta dalam program “screen-and-treat”, yaitu skrining dan penanganan yang dilakukan dalam satu rangkaian layanan.
Dengan menggunakan model deep learning, foto serviks yang diambil melalui kamera biasa, smartphone, atau kolposkop dapat dianalisis untuk membantu menilai adanya lesi prakanker.
Sejumlah studi menunjukkan bahwa AI mampu membantu tenaga kesehatan nonspesialis dalam pengambilan keputusan klinis, bahkan dengan tingkat akurasi yang pada beberapa penelitian lebih baik dibandingkan VIA konvensional.
Sebagai catatan, metode VIA dan penilaian visual setelah tes HPV sangat bergantung pada pengalaman dan keterampilan pemeriksa. Hal ini membuat hasilnya cenderung subjektif dan dapat berbeda antar tenaga kesehatan, sehingga kehadiran AI berpotensi meningkatkan konsistensi dan kualitas skrining.
AI diposisikan sebagai alat bantu keputusan, yang:
* Mengklasifikasikan foto serviks (pra/pasca asam asetat) menjadi negatif, lesi prakanker (CIN2+), atau curiga kanker.
* Membantu triase perempuan HPV-positif untuk menentukan siapa yang perlu dirujuk atau langsung diobati dalam skema screen-and-treat.
Di Indonesia sendiri sudah ada pengembangan dan uji awal aplikasi VIA-AI berbasis Android dengan kinerja cukup baik, tetapi masih bersifat penelitian dan belum menjadi bagian rutin program nasional skrining kanker serviks.
10. AI Bedah (Robotik-Assisted Surgery and AI-Navigation)
Pada 2025, teknologi bedah berbasis robot yang dibantu AI (AI robotic-assisted surgery) dan sistem navigasi AI berkembang cepat. AI kini digunakan untuk membantu dokter bedah secara langsung saat operasi, melakukan beberapa tugas sederhana secara otomatis, serta memberikan panduan navigasi yang lebih presisi. Hasilnya, waktu operasi dapat berkurang hingga sekitar 25 persen dan risiko komplikasi turun sekitar 30 persen dibandingkan operasi manual.
Sistem bedah robot seperti da Vinci juga makin canggih karena dilengkapi AI untuk menilai keterampilan dokter bedah (skill assessment), mengenali dan membedakan jaringan tubuh (tissue segmentation), serta menampilkan panduan visual tambahan melalui teknologi augmented reality (AR).
Sementara itu, robot yang sepenuhnya otonom masih dalam tahap uji coba dan baru digunakan untuk tugas sederhana, seperti menjahit jaringan (suturing) atau mengatur posisi kamera selama operasi.
Di Indonesia dan negara berkembang lainnya, penggunaan bedah robot berbasis AI dan navigasi AI masih tergolong terbatas. Teknologi ini umumnya baru tersedia di rumah sakit swasta besar dan rumah sakit pemerintah tingkat nasional, dengan penerapan utama pada bedah urologi, bedah saluran cerna, ortopedi, serta layanan bedah jarak jauh (telesurgery). Tantangan utamanya adalah biaya yang tinggi, keterbatasan tenaga terlatih, dan kesiapan infrastruktur.
Berikut gambaran perkembangannya di Indonesia:
* Siloam Hospitals Kebon Jeruk meresmikan Pusat Bedah Robotik pertama di Indonesia (16 Desember 2025) dengan da Vinci Xi (peluncuran perdana Juli 2025), ROSA Knee, dan Robotic Prostate Biopsy untuk presisi minimally invasive di urologi, ortopedi, dan bedah umum.
* RS EMC Alam Sutera lakukan operasi bariatrik pertama dengan da Vinci Xi (11-12 Desember 2025) dan operasi perdana lainnya, menekankan pemulihan cepat dan rasa nyeri yang minimal.
* Tzu Chi Hospital, RS Jantung Harapan Kita, RS Cipto Mangunkusumo (RSCM) dan RS Hasan Sadikin (RSHS) Bandung mengadopsi sistem seperti CUVIS Joint (ortopedi lutut), Sina Robotics, dan da Vinci untuk telesurgery.
* Kemenkes bangun Robotic Surgery Centers di RSHS Bandung dan RS Sardjito Yogyakarta sejak 2020 untuk telesurgery dan minimally invasive, mengurangi antrean rujukan JKN.
Sepanjang 2025 terlihat bahwa kecerdasan buatan mulai mengambil peran nyata dalam layanan kesehatan di Indonesia, meski sebagian besar masih berada pada tahap awal adopsi. Dari skrining penyakit, pemantauan wabah, chatbot, hingga pengelolaan rekam medis dan obat, AI hadir sebagai alat bantu untuk mempercepat layanan, meningkatkan ketepatan, dan memperluas akses, bukan menggantikan peran tenaga kesehatan.
Tantangan seperti regulasi, integrasi sistem, kesiapan infrastruktur, dan literasi digital masih perlu diatasi. Namun, berbagai inisiatif pemerintah, riset akademik, dan kolaborasi lintas sektor menunjukkan bahwa fondasi menuju layanan kesehatan yang lebih cerdas dan responsif sudah mulai terbentuk, menandai awal dari transformasi jangka panjang sistem kesehatan Indonesia di era AI.
