AI di Bidang Kesehatan: Cara Korea Selatan Mempercepat Rujukan Pasien

Korea Selatan menguji AI untuk rujukan pasien lewat rekam medis elektronik. Simak cara kerjanya, contoh di Inggris dan AS, serta pelajaran bagi SATUSEHAT.
7 menit baca
Ilustrasi dua dokter meninjau rekam medis elektronik di rumah sakit Korea Selatan
Ilustrasi AI untuk rujukan pasien dan rekam medis elektronik. Dibuat dengan AI.
Dalam artikel ini
  1. Cara kerja AI untuk rujukan pasien di Korea Selatan
  2. Rekam medis elektronik menentukan mutu ringkasan
  3. Dua contoh penerapan AI di bidang kesehatan yang sudah berjalan
  4. Apa yang bisa diuji di Indonesia lewat SATUSEHAT Rujukan?
  5. Pertanyaan umum tentang AI di rumah sakit
Transparansi Penggunaan AI: AI membantu penelusuran sumber, penulisan, dan penyuntingan artikel. Ilustrasi dibuat dengan AI. Artikel ini belum ditinjau redaktur manusia.

Ketika pasien perlu dipindahkan dari rumah sakit daerah ke pusat spesialis, dokter pengirim harus merangkum hasil pemeriksaan, tanda vital, dan riwayat obat agar tim penerima dapat bertindak. Korea Selatan sedang menguji cara mempercepat pekerjaan itu dengan AI yang terhubung ke rekam medis elektronik. Pada demonstrasi pemerintah dengan skenario pasien anak, kementerian melaporkan bahwa draf yang biasanya memakan setidaknya 10 menit jika ditulis manual dapat disusun dalam sekitar satu menit dengan AI. Angka itu mengukur pembuatan draf. Waktu pemeriksaan dokter, konfirmasi rumah sakit tujuan, dan perjalanan pasien perlu diukur secara terpisah. Sumber rilis Kementerian Kesehatan dan Kesejahteraan Korea Selatan.

Ini salah satu contoh pemanfaatan AI di bidang kesehatan yang bisa diuji manfaatnya secara langsung. Rumah sakit dapat membandingkan waktu menulis, jumlah koreksi klinis, dan kelengkapan dokumen sebelum dan sesudah menggunakan AI. Analisis akhirnya perlu mengejar pertanyaan yang lebih penting bagi pasien: apakah rumah sakit tujuan dapat memberi penanganan lebih cepat dengan informasi yang lebih lengkap?

Cara kerja AI untuk rujukan pasien di Korea Selatan

Kementerian Kesehatan dan Kesejahteraan Korea Selatan membuka proyek percontohan Public Healthcare AI Network, yang dijuluki AI Highway, pada 11 November 2026. Demonstrasi awal menghubungkan Kangwon National University Hospital di Chuncheon dan Yeongwol Medical Center di Provinsi Gangwon. Pemerintah menargetkan delapan rumah sakit publik tersambung untuk pengujian pada akhir 2026, hingga 35 rumah sakit pada 2027, dan 72 pada 2029. Angka-angka tersebut merupakan target perluasan. Sumber rincian demonstrasi dan tahapan perluasan dan laporan Korea.net edisi bahasa Inggris.

Jaringan ini menggabungkan koneksi khusus berkecepatan tinggi, komputasi GPU nasional, dan platform integrasi berstandar. Dengan model penyediaan ini, rumah sakit daerah dapat menggunakan AI di sistem kerja sehari-hari tanpa masing-masing membangun seluruh infrastruktur komputasi. Pada tahap percontohan, pemerintah menguji kestabilan integrasi, keamanan, dan kegunaan klinis. Sumber rilis pemerintah Korea Selatan.

Dalam skenario demonstrasi, tugas AI mengikuti pasien sejak dokumen transfer dibuat hingga pasien dapat kembali melanjutkan perawatan di daerah. Sistem menyusun draf di dalam layar rekam medis elektronik atau EMR yang dipakai tenaga kesehatan. Dokter memeriksa dan mengoreksi dokumen, mengambil keputusan klinis, lalu menandatanganinya secara elektronik. Integrasi ini mengurangi kebutuhan untuk membuka aplikasi lain dan memindahkan informasi secara manual. Sumber rincian demonstrasi dan tahapan perluasan.

TahapTugas AIYang diperiksa tenaga kesehatan
Rujukan antarrumah sakitMenarik temuan yang relevan, seperti hasil pemeriksaan, tanda vital, dan riwayat obat, untuk draf surat rujukan.Ketepatan ringkasan, alasan rujukan, dan informasi yang masih perlu dikonfirmasi.
Persiapan operasiMenyusun draf penilaian praanestesi dari data yang tersedia.Kelengkapan riwayat dan ketepatan informasi sebelum penilaian disahkan.
Pulang dan rujuk balikMerangkum perjalanan perawatan dan tindakan untuk draf ringkasan pulang serta dokumen rujuk balik.Kesesuaian ringkasan dan informasi tindak lanjut yang dibutuhkan fasilitas penerima.

Tabel merangkum tiga fungsi yang didemonstrasikan dan hal-hal yang secara praktis perlu diperiksa sebelum dokumen digunakan. Sumber rincian demonstrasi dan tahapan perluasan.

Rekam medis elektronik menentukan mutu ringkasan

Data yang bisa dibaca dalam satu rumah sakit belum tentu bermakna sama di rumah sakit lain. Jam pengambilan sampel, satuan hasil laboratorium, dan status obat menentukan apakah sebuah informasi relevan untuk rujukan. Model dapat menghasilkan kalimat yang meyakinkan meski data dasarnya tidak lengkap atau sudah kedaluwarsa. Integrasi dengan rekam medis elektronik membantu jika dokter dapat kembali ke catatan asal dan memeriksa tanggal, konteks, serta perbedaan antarentri.

Ini membuat interoperabilitas data kesehatan sama pentingnya dengan pemilihan model AI. Dalam pengumuman terpisah pada 13 November, pemerintah Korea memaparkan prototipe untuk memetakan istilah klinis, menata data tak terstruktur, dan membantu pseudonimisasi. Proyek riset itu menunjukkan besarnya pekerjaan standardisasi sebelum data dapat dipakai lintas fasilitas. Cakupan demonstrasi tersebut dilaporkan tersendiri oleh Kementerian Kesehatan dan Kesejahteraan Korea Selatan.

Dua contoh penerapan AI di bidang kesehatan yang sudah berjalan

Inggris memakai AI pencitraan untuk membantu penanganan stroke

NHS England melaporkan bahwa Brainomix 360 Stroke telah digunakan di jaringan lebih dari 70 rumah sakit. Sistem membantu tim klinis membaca pencitraan otak dan mengenali pasien yang perlu segera dinilai untuk trombektomi, yaitu tindakan mengangkat bekuan darah. Dalam evaluasi observasional, proporsi pasien yang menjalani trombektomi meningkat dari 2,3% menjadi 4,6% di lokasi pengguna. Di lokasi pembanding, angkanya naik dari 1,6% menjadi 2,6%. Karena evaluasi bersifat observasional, perbedaan itu tidak bisa seluruhnya dikaitkan dengan AI. Yang relevan bagi Korea adalah cara evaluasinya mengikuti tindakan yang benar-benar diterima pasien. Sumber studi prospektif di The Lancet Digital Health dan evaluasi yang dilaporkan NHS England.

Amerika Serikat memakai AI untuk menyusun catatan medis

Kaiser Permanente menguji asisten dokumentasi yang menggunakan percakapan konsultasi untuk menyusun draf catatan. Organisasi itu mengumpulkan umpan balik tenaga kesehatan selama uji coba 10 minggu pada awal 2024, lalu memperluas implementasi ke delapan wilayah. Seperti pelajaran dari Korea, catatan yang cepat dibuat perlu bisa dikoreksi. Masalahnya berbeda dari AI stroke karena yang dinilai di sini adalah ketepatan dokumentasi, termasuk apakah informasi yang diucapkan pasien masuk dengan benar. Sumber evaluasi Kaiser Permanente.

Apa yang bisa diuji di Indonesia lewat SATUSEHAT Rujukan?

Kementerian Kesehatan dan BPJS Kesehatan mulai menguji integrasi SATUSEHAT Rujukan, Sistem Rujukan Terintegrasi atau SISRUTE, dan sistem terkait pada April 2026. Pada Mei, Kemenkes menyebut Kota Bandung, Tulungagung, Muara Enim, dan Makassar sebagai lokasi uji coba. Tujuannya mengarahkan rujukan berdasarkan kemampuan layanan fasilitas, seperti ketersediaan layanan spesialis yang sesuai. Dokumentasi SATUSEHAT menjabarkan pertukaran data untuk rujukan rawat jalan, rawat inap, dan gawat darurat menggunakan sumber daya FHIR. Kedua sumber ini mendokumentasikan integrasi rujukan digital. Penggunaan AI untuk menyusun draf dalam alur tersebut merupakan opsi pengujian tersendiri. Sumber pengumuman Kemenkes RI dan dokumentasi interoperabilitas SATUSEHAT Rujukan.

Uji yang relevan bagi Indonesia bisa dimulai dari satu jalur rujukan dengan fasilitas pengirim dan penerima yang sudah bertukar data. Bandingkan durasi sejak dokter mulai menyiapkan draf, waktu pemeriksaan dan pengiriman, waktu hingga fasilitas tujuan menerima, lalu waktu pasien tiba atau mendapat tindak lanjut. Audit juga berapa kali dokter harus mengoreksi kesalahan penting, seperti obat yang tertukar atau hasil pemeriksaan lama yang ditampilkan sebagai hasil terbaru. Perbandingan antarwilayah dapat memperlihatkan apakah manfaat muncul di rumah sakit dengan rekam medis sederhana dan jaringan yang lebih terbatas.

Selama uji coba, akses sistem dapat dibatasi pada petugas dan data yang dibutuhkan untuk satu episode rujukan. Log perubahan sebaiknya memperlihatkan informasi yang dibaca sistem, draf yang dihasilkan, dan koreksi yang dilakukan dokter. Rumah sakit juga membutuhkan cara meneruskan rujukan saat sistem AI atau koneksi gagal. panduan WHO tentang tata kelola AI generatif untuk kesehatan membahas risiko keluaran keliru serta pentingnya pengawasan, evaluasi setelah implementasi, dan perlindungan data. Dari sisi Indonesia, AIGeo.ID juga membahas pengawasan AI lintas sektor termasuk kesehatan dan cara menguji ulang kinerja model dalam pengadaan pemerintah.

Pertanyaan umum tentang AI di rumah sakit

Apa manfaat AI di bidang kesehatan untuk rujukan pasien?

AI dapat membantu tenaga kesehatan mengambil informasi dari rekam medis elektronik, merangkum pemeriksaan, dan menyiapkan draf surat rujukan atau ringkasan pulang. Manfaat bagi pasien baru terlihat jika informasi tetap akurat dan fasilitas tujuan dapat mengambil tindakan lebih cepat.

Siapa yang menyetujui draf surat rujukan buatan AI?

Dalam proyek percontohan Korea Selatan, dokter yang bertanggung jawab memeriksa, memperbaiki, dan menandatangani dokumen. Keputusan klinis tetap berada di tangan dokter.

Apa beda AI untuk dokumentasi medis dan AI untuk diagnosis?

AI dokumentasi menyusun catatan dari percakapan atau rekam medis untuk diperiksa tenaga kesehatan. AI pendukung diagnosis menandai temuan klinis, misalnya dari citra otak, untuk membantu tenaga kesehatan menilai kondisi pasien. Evaluasi dokumentasi perlu mengukur ketepatan isi dan beban kerja. Evaluasi untuk diagnosis juga perlu mengukur temuan yang terlewat, alarm keliru, serta pengaruhnya terhadap keputusan klinis.

Lihat bacaan tersimpan

Disimpan hanya di browser perangkat ini.

Komentar & Diskusi

Tulis Komentar

Bagikan pendapat Anda dengan sopan dan relevan. Alamat email tidak akan ditampilkan.