Bogor, Jawa Barat (Indonesia Window) – Ketika beberapa pasien datang hampir bersamaan ke instalasi gawat darurat (IGD), tenaga kesehatan harus segera menentukan siapa yang membutuhkan pertolongan lebih dahulu.

Keputusan tersebut tidak bisa dilakukan sembarangan karena tingkat kegawatan setiap pasien dapat berbeda, sementara waktu menjadi faktor yang sangat menentukan.

Di tengah kebutuhan tersebut, Artificial Intelligence (AI) mulai dikembangkan sebagai teknologi pendukung dalam proses triase.

Badan Riset dan Inovasi Nasional (BRIN) melalui Pusat Riset Sains Data dan Informasi (PRSDI) mengembangkan sistem pendukung keputusan berbasis ‘Large Language Model’ (LLM) untuk membantu tenaga kesehatan melakukan triase pasien di IGD.

Sistem tersebut dikembangkan oleh periset PRSDI BRIN, Nuraisa, sebagai alat bantu untuk memberikan rekomendasi tingkat kegawatan pasien berdasarkan standar Australasian Triage Scale (ATS).

Triase merupakan tahapan awal yang penting dalam pelayanan kegawatdaruratan. Pada tahap ini, pasien diklasifikasikan berdasarkan tingkat kegawatannya untuk menentukan prioritas penanganan.

Karena itu, ketepatan klasifikasi menjadi sangat penting. Teknologi AI diharapkan dapat membantu tenaga kesehatan melakukan penilaian secara lebih konsisten dan efisien, terutama ketika harus menangani informasi klinis dalam waktu singkat.

Namun, AI yang dikembangkan BRIN tersebut tidak dirancang untuk menggantikan dokter atau tenaga kesehatan. Sistem ini hanya memberikan rekomendasi yang tetap harus diperiksa dan divalidasi oleh manusia.

“Sistem yang kami kembangkan dirancang sebagai alat bantu bagi tenaga kesehatan dalam melakukan proses screening triase berdasarkan standar Australasian Triage Scale. Rekomendasi yang dihasilkan bukan merupakan keputusan akhir, melainkan referensi yang tetap harus divalidasi oleh dokter atau petugas kesehatan,” jelasnya, dalam kegiatan Pekanan Internal PRSDI BRIN, Rabu (29/7).

AI membaca informasi klinis pasien

Dalam menjalankan fungsinya, sistem memanfaatkan berbagai informasi klinis pasien, mulai dari keluhan utama, riwayat penyakit, tanda vital, hingga hasil pemeriksaan awal.

Informasi tersebut kemudian diproses oleh model AI untuk menghasilkan rekomendasi kategori triase sesuai standar ATS.

Aplikasi ini dikembangkan menggunakan model Qwen3-32B yang telah melalui proses fine-tuning menggunakan dataset kasus triase. Penggunaan model tersebut menjadi bagian dari upaya peneliti untuk mengembangkan sistem yang mampu memahami informasi klinis dan menghasilkan rekomendasi yang relevan dengan kebutuhan proses triase.

Meski demikian, kemampuan teknologi bukan satu-satunya aspek yang menjadi perhatian peneliti. Dalam konteks layanan kesehatan, kesalahan sistem dapat memiliki konsekuensi serius terhadap keselamatan pasien.

‘Guardrail’ kurangi risiko salah menilai pasien

Salah satu risiko dalam proses triase adalah undertriage, yaitu ketika tingkat kegawatan seorang pasien dinilai lebih rendah daripada kondisi sebenarnya.

Situasi tersebut berpotensi membuat pasien yang sebenarnya membutuhkan penanganan segera tidak mendapatkan prioritas yang semestinya.

Untuk mengurangi risiko tersebut, penelitian ini mengintegrasikan mekanisme guardrail sebagai lapisan pengamanan tambahan. Mekanisme tersebut dirancang untuk membantu menjaga agar rekomendasi AI tetap berada dalam koridor keselamatan pasien.

Dengan pendekatan ini, sistem tidak hanya diarahkan untuk menghasilkan rekomendasi berdasarkan data, tetapi juga mempertimbangkan prinsip kehati-hatian dalam pengambilan keputusan klinis.

Dokter tetap pengambil keputusan

Posisi tenaga kesehatan tetap menjadi bagian penting dalam sistem yang dikembangkan. AI berfungsi memberikan rekomendasi, sedangkan keputusan akhir tetap berada pada dokter atau petugas kesehatan yang menangani pasien.

Pendekatan tersebut sekaligus menunjukkan bahwa pengembangan AI di bidang kesehatan tidak semata-mata berorientasi pada otomatisasi. Teknologi harus ditempatkan sebagai alat bantu yang dapat mendukung tenaga kesehatan tanpa menghilangkan peran manusia dalam keputusan klinis.

Nuraisa menegaskan pentingnya keterlibatan tenaga kesehatan dalam proses pengembangan sistem tersebut.

“Kolaborasi dengan tenaga kesehatan menjadi faktor penting agar sistem yang dikembangkan tidak hanya memiliki performa teknis yang baik, tetapi juga sesuai dengan kebutuhan pelayanan dan praktik klinis di lapangan,” ujarnya.

Kolaborasi tersebut diperlukan agar sistem yang dikembangkan tidak berhenti pada keberhasilan teknis di lingkungan penelitian, tetapi juga memiliki relevansi ketika nantinya digunakan dalam situasi pelayanan kesehatan yang sebenarnya.

Hingga saat ini, penelitian tersebut telah menghasilkan dua purwarupa perangkat lunak. Selain itu, satu artikel prosiding telah diterima, satu artikel jurnal masih dalam proses review, sementara dataset triase terus dikurasi sebagai bagian dari pengembangan sistem.

Pengembangan ini menunjukkan bahwa pemanfaatan AI dalam layanan kesehatan bukan hanya soal menghadirkan teknologi baru, tetapi juga bagaimana memastikan teknologi tersebut aman, dapat diandalkan, dan benar-benar membantu tenaga kesehatan.

Pada akhirnya, AI mungkin dapat membantu mempercepat dan menstandarkan proses triase, tetapi keputusan mengenai pasien tetap membutuhkan penilaian manusia. Di ruang IGD, teknologi dapat menjadi alat bantu—namun keselamatan pasien tetap menjadi tujuan utama.

Laporan: Redaksi