Yogyakarta | Penelitian doktoral drg Achmad Zam Zam Aghasy, M.Kes., dari Universitas Gadjah Mada, menyoroti pemanfaatan kecerdasan buatan sebagai sistem pendukung keputusan klinis dalam pelayanan kesehatan gigi dan mulut. Riset ini berangkat dari kebutuhan untuk meningkatkan ketepatan proses diagnosis, pengodean diagnosis, serta penentuan tindakan medis di fasilitas kesehatan tingkat pertama (FKTP). Dalam praktiknya, dokter gigi perlu mengolah informasi klinis secara cepat dan akurat sebelum menetapkan layanan yang sesuai bagi pasien.
Hasil penelitian menunjukkan bahwa penggunaan kecerdasan buatan dapat membantu dokter gigi mengenali pola informasi kesehatan dan mempertimbangkan pilihan diagnosis secara lebih terstruktur. Dukungan tersebut berpotensi memperkuat proses penalaran klinis, terutama ketika tenaga kesehatan menghadapi beragam keluhan, riwayat penyakit, dan kondisi gigi atau mulut yang memerlukan penilaian cermat. Dengan informasi yang tersaji secara sistematis, keputusan mengenai tindakan medis maupun kebutuhan rujukan dapat dibuat dengan dasar yang lebih konsisten.
Temuan utama riset terlihat pada peningkatan ketepatan pengodean diagnosis di FKTP. Sebelum menggunakan sistem berbasis AI, tingkat ketepatan tercatat sebesar 49,4 persen. Setelah teknologi tersebut dimanfaatkan sebagai pendukung keputusan, angkanya meningkat menjadi 79 persen. Perubahan ini menunjukkan bahwa AI memiliki potensi nyata untuk memperbaiki kualitas pencatatan dan membantu memastikan diagnosis yang digunakan selaras dengan kondisi pasien.
Fokus penelitian ini berada pada layanan kesehatan gigi di FKTP serta kaitannya dengan ketepatan keputusan klinis. Teknologi tersebut tidak dimaksudkan untuk menggantikan peran dokter gigi. AI berfungsi sebagai alat bantu yang menyediakan analisis dan rekomendasi, sementara dokter tetap bertanggung jawab menilai kondisi pasien, mengonfirmasi hasil, berkomunikasi dengan pasien, dan menentukan tindakan berdasarkan kompetensi profesional serta pertimbangan klinis yang menyeluruh.
Ketepatan rujukan pasien gigi dari Fasilitas Kesehatan Tingkat Pertama (FKTP) ke fasilitas kesehatan lanjutan masih menjadi persoalan dalam penyelenggaraan layanan kesehatan. Penelitian terdahulu yang disebutkan dalam riset ini menunjukkan bahwa sekitar 52,2 hingga 58,2 persen rujukan gigi dinilai tidak tepat. Angka tersebut menggambarkan bahwa sebagian pasien yang dirujuk belum tentu membutuhkan pemeriksaan atau penanganan di rumah sakit maupun fasilitas rujukan lainnya.
Salah satu faktor yang berkontribusi terhadap kondisi tersebut adalah pemahaman yang belum memadai mengenai diagnosis serta pengodean tindakan medis. Ketidakakuratan dalam mengenali kondisi pasien atau mencatat tindakan sesuai ketentuan dapat memengaruhi keputusan klinis dan administratif. Akibatnya, pasien yang sebenarnya masih dapat memperoleh penanganan di FKTP berpotensi tetap dirujuk ke fasilitas kesehatan lanjutan. Persoalan ini tidak hanya berkaitan dengan proses pengambilan keputusan tenaga kesehatan, tetapi juga dengan konsistensi penerapan pengetahuan dan standar pelayanan di tingkat pertama.
Achmad Zam Zam menyatakan bahwa sekitar lima dari 10 pasien yang diputuskan untuk dirujuk sebenarnya masih dapat ditangani di FKTP. Kondisi itu menyebabkan pasien menumpuk di fasilitas kesehatan rujukan dan meningkatkan beban layanan secara nasional. Penumpukan tersebut dapat berdampak pada waktu tunggu, kapasitas tenaga kesehatan, serta ketersediaan layanan bagi pasien yang memang memerlukan penanganan lanjutan. Pernyataan Achmad Zam Zam disampaikan dalam keterangan tertulis di laman resmi UGM pada Selasa, 13 Oktober 2026.
Pengujian dilakukan untuk menilai pengaruh kecerdasan buatan (AI) terhadap ketepatan dokter gigi dalam menentukan kode diagnosis dan kode tindakan. Penelitian ini melibatkan 62 dokter gigi yang bekerja di fasilitas kesehatan tingkat pertama (FKTP) mitra BPJS Kesehatan di Daerah Istimewa Yogyakarta. Para peserta dibagi menjadi dua kelompok, yaitu kelompok yang memperoleh bantuan AI dan kelompok yang mengerjakan proses pengodean tanpa dukungan teknologi tersebut.
Perbandingan hasil menunjukkan perbedaan yang cukup jelas pada ketepatan kode tindakan. Dokter gigi yang menggunakan AI mencatat tingkat ketepatan sebesar 87,4 persen. Sementara itu, kelompok tanpa bantuan AI mencapai 63,9 persen. Angka tersebut menunjukkan bahwa sistem AI dapat membantu pengguna memilih kode tindakan yang lebih sesuai dengan informasi klinis dan prosedur yang dilakukan.
Ketika ketepatan kode diagnosis dan kode tindakan dinilai secara bersamaan, kelompok pengguna AI memperoleh akurasi 68,4 persen. Hasil ini lebih tinggi dibandingkan kelompok tanpa AI yang hanya mencapai 38,7 persen. Perbedaan tersebut memperlihatkan potensi AI sebagai alat pendukung dalam proses dokumentasi klinis, terutama ketika dokter perlu mencocokkan kondisi pasien dengan dua jenis kode secara sekaligus.
Manfaat serupa terlihat pada kasus yang jarang ditemui, yakni stomatitis ulseratif nekrotikans. Ketepatan pengodean pada kelompok dengan AI mencapai 71 persen, sedangkan kelompok tanpa AI hanya 12,9 persen. Hasil ini penting karena kasus yang tidak sering dijumpai dapat meningkatkan kemungkinan kesalahan identifikasi atau pemilihan kode. Dengan menyediakan referensi yang relevan, AI berpotensi membantu dokter menghadapi kondisi klinis yang kurang familiar.
Meski meningkatkan ketepatan, penggunaan AI tidak menghasilkan perbedaan waktu pengerjaan yang bermakna dibandingkan metode tanpa bantuan teknologi. Temuan ini menunjukkan bahwa manfaat utama AI dalam pengujian tersebut terletak pada kualitas hasil pengodean, bukan pada percepatan proses kerja.
Temuan penelitian ini menunjukkan bahwa kecerdasan buatan (AI) memiliki potensi untuk mendukung peningkatan ketepatan diagnosis dan pengodean tindakan dokter gigi. Meski demikian, potensi tersebut belum berarti bahwa teknologi ini dapat langsung diterapkan secara luas pada seluruh fasilitas pelayanan kesehatan. Penerapan AI memerlukan prasyarat yang jelas, mulai dari perlindungan data pasien hingga kesiapan sistem dan sumber daya manusia yang akan mengoperasikannya.
Achmad Zam Zam menekankan bahwa keamanan data pasien harus menjadi perhatian utama dalam pengembangan maupun penggunaan sistem pendukung keputusan klinis berbasis AI. Informasi kesehatan bersifat sensitif sehingga pengelolaannya perlu mengikuti ketentuan perlindungan data, standar keamanan, serta mekanisme akses yang dapat dipertanggungjawabkan. Selain itu, kesiapan infrastruktur juga penting, termasuk ketersediaan jaringan internet yang stabil, perangkat pendukung, serta integrasi antarsistem informasi kesehatan agar hasil analisis AI dapat digunakan secara tepat dalam alur pelayanan.
Atas dasar itu, ia merekomendasikan agar Kementerian Kesehatan dan BPJS Kesehatan mempertimbangkan integrasi sistem pendukung keputusan klinis berbasis AI ke dalam platform SATUSEHAT dan PCare. Integrasi tersebut dapat membantu menghubungkan informasi klinis, proses rujukan, serta data administrasi secara lebih terpadu. Namun, penerapannya tetap perlu disertai tata kelola yang kuat, pengujian keamanan, pelatihan tenaga kesehatan, dan evaluasi berkala terhadap akurasi serta dampaknya bagi pasien.
Kopromotor disertasi, Dr. Lutfan Lazuardi, M.Kes., Ph.D., menilai penelitian tersebut memberikan bukti mengenai potensi AI dalam layanan klinis. Penilaian ini penting karena inisiatif dan bukti pemanfaatan AI di lingkungan layanan klinis masih terbatas. AI berpotensi meningkatkan ketepatan diagnosis dan pengodean tindakan dokter gigi, tetapi pemanfaatannya membutuhkan perlindungan data, kesiapan infrastruktur, serta pengujian lebih lanjut sebelum diterapkan secara luas.
Baca juga: Meningkatkan Akses Pendidikan bagi Warga Kurang Mampu di Surabaya
