INDOPOSCO.ID – Badan Riset dan Inovasi Nasional (BRIN) mengembangkan kecerdasan artifisial (AI) untuk membantu tenaga kesehatan menentukan tingkat kegawatan pasien di instalasi gawat darurat (IGD). Meski berpotensi mempercepat penentuan prioritas penanganan, model tersebut masih perlu ditingkatkan karena akurasi klasifikasinya baru mencapai 63,60 persen.
Perekayasa Ahli Muda Pusat Riset Sains Data dan Informasi (PRSDI) BRIN, Nuraisa Novia Hidayati mengatakan, pengembangan model AI tersebut dilakukan untuk mendukung proses triase atau pemilahan pasien berdasarkan tingkat kegawatan dan kebutuhan waktu penanganan.
Menurut dia, model tersebut dikembangkan dengan mengacu pada Australasian Triage Scale (ATS). Tim menggunakan 4.556 kasus klinis yang telah diberi label, dengan 456 kasus di antaranya digunakan sebagai data pengujian.
Ia menyebut, hasil pengujian menunjukkan model mampu memprediksi tingkat triase secara tepat pada 63,60 persen kasus. Sementara itu, sebanyak 97,15 persen prediksi memiliki selisih paling jauh satu tingkat dibandingkan label acuan.
Meski demikian, lanjut dia, BRIN menemukan 68 kasus undertriage atau 14,91 persen dari keseluruhan data uji. Kondisi ini terjadi ketika model memperkirakan tingkat kegawatan pasien lebih rendah daripada penilaian acuan, sehingga berisiko menyebabkan pasien tidak memperoleh prioritas penanganan sesuai kebutuhannya.
Ia menegaskan, risiko tersebut menjadi perhatian penting dalam pengembangan sistem. Sebab, kesalahan menentukan tingkat kegawatan dapat memengaruhi keputusan mengenai pasien yang harus ditangani lebih dahulu di IGD.
Untuk mengurangi risiko kesalahan, masih ujar dia, tim mengembangkan mekanisme pengaman (safety guardrail) berbasis aturan klinis. Sistem ini dirancang untuk mengenali tanda bahaya dan meningkatkan urgensi rekomendasi ketika kondisi pasien memenuhi kriteria tertentu.
Dengan mekanisme tersebut, menurutnya, rekomendasi tidak hanya bergantung pada keluaran model bahasa besar (large language model/LLM), tetapi juga mempertimbangkan aturan klinis yang telah ditetapkan dalam sistem.
“Model AI ini telah diterapkan dalam prototipe E-Triase IGD yang mengintegrasikan asesmen awal pasien menggunakan pendekatan A-B-C-D, meliputi jalan napas (airway), pernapasan (breathing), sirkulasi (circulation), serta kondisi kesadaran dan neurologis awal (disability),” terangnya.
Ia menjelaskan, aplikasi tersebut menyajikan rekomendasi tingkat triase, target waktu penanganan, serta tindakan awal. Sistem juga memberikan peringatan jika data asesmen belum lengkap. Namun, hasil analisis tetap harus divalidasi tenaga kesehatan sebelum disimpan.
Kendati menunjukkan hasil awal yang menjanjikan, BRIN masih perlu melakukan evaluasi lanjutan, termasuk menguji kesepakatan antardokter, mengkaji privasi data, serta menganalisis secara mendalam 68 kasus undertriage yang ditemukan.
Selain itu, tim tengah memetakan lima tingkat ATS ke dalam tiga kategori Cipto Triage Method (CTM) yang digunakan di Rumah Sakit Cipto Mangunkusumo (RSCM). Pemetaan tersebut memerlukan penyesuaian karena kedua metode memiliki kriteria dan indikator pembeda yang berbeda.
Nuraisa menegaskan, pengembangan selanjutnya diarahkan untuk meningkatkan akurasi klasifikasi berdasarkan ATS maupun CTM. Dengan demikian, AI diharapkan dapat menjadi alat bantu yang lebih andal dalam mendukung pelayanan kegawatdaruratan, tanpa menggantikan peran tenaga kesehatan dalam memvalidasi rekomendasi sesuai kondisi pasien.(nas)
