Yogyakarta | Penelitian Universitas Gadjah Mada menyoroti pemanfaatan kecerdasan buatan sebagai sistem pendukung keputusan klinis dalam pelayanan kesehatan gigi dan mulut. Kajian ini menguji sejauh mana teknologi tersebut dapat membantu dokter gigi mengolah informasi klinis, mengenali kondisi pasien, serta menentukan diagnosis dan tindakan medis secara lebih tepat. Penggunaan kecerdasan buatan ditempatkan sebagai bagian dari upaya meningkatkan mutu proses pelayanan, terutama ketika tenaga kesehatan harus mengambil keputusan berdasarkan data yang beragam dan membutuhkan ketelitian tinggi.
Temuan tersebut berasal dari penelitian doktoral drg Achmad Zam Zam Aghasy, M.Kes. Salah satu hasil utama riset menunjukkan adanya peningkatan ketepatan pengodean diagnosis dokter gigi di fasilitas kesehatan tingkat pertama (FKTP). Sebelum dukungan sistem berbasis kecerdasan buatan diterapkan, tingkat ketepatan pengodean tercatat sebesar 49,4 persen. Setelah sistem digunakan untuk membantu proses tersebut, angkanya meningkat menjadi 79 persen. Perubahan ini menunjukkan potensi teknologi dalam membantu mencocokkan temuan klinis, diagnosis, dan kode pelayanan secara lebih konsisten.
Pengodean diagnosis merupakan tahapan penting dalam pelayanan kesehatan karena berhubungan dengan pencatatan medis, pelaporan, pengelolaan informasi, serta kesinambungan layanan pasien. Dengan dukungan sistem yang mampu memberikan rekomendasi, dokter gigi dapat memperoleh referensi tambahan saat menilai kasus dan menetapkan kode yang sesuai. Namun, hasil penelitian ini perlu dipahami dalam konteks proses pelayanan di FKTP. Kecerdasan buatan berfungsi sebagai alat bantu, bukan pengganti dokter gigi. Keputusan akhir tetap berada pada tenaga medis yang mempertimbangkan pemeriksaan langsung, kondisi pasien, riwayat kesehatan, dan pertimbangan profesional. Karena itu, penerapan teknologi perlu disertai validasi klinis, pengawasan tenaga kesehatan, serta perlindungan terhadap keamanan data pasien.
Penelitian mengenai pemanfaatan kecerdasan artifisial dalam diagnosis dan pengodean tindakan dokter gigi berangkat dari persoalan penting dalam sistem rujukan kesehatan. Hingga kini, ketepatan rujukan pasien gigi dari fasilitas kesehatan tingkat pertama (FKTP) ke fasilitas kesehatan tingkat lanjut masih menjadi tantangan. Pasien yang seharusnya dapat memperoleh penanganan di tingkat pertama tidak selalu berhasil diidentifikasi secara tepat, sehingga dirujuk ke rumah sakit atau fasilitas rujukan lainnya.
Berdasarkan penelitian terdahulu yang disebut dalam sumber, sekitar 52,2 hingga 58,2 persen rujukan gigi dinilai tidak tepat. Persentase tersebut menunjukkan bahwa sebagian besar rujukan belum sepenuhnya didasarkan pada kebutuhan klinis pasien maupun kemampuan layanan yang tersedia di FKTP. Salah satu penyebabnya ialah keterbatasan pemahaman tenaga kesehatan mengenai penetapan diagnosis dan pengodean tindakan medis. Kekeliruan dalam kedua aspek tersebut dapat memengaruhi keputusan rujukan, termasuk ketika kondisi pasien sebenarnya masih dapat ditangani tanpa harus dirujuk.
Zamzam menjelaskan bahwa lima dari 10 pasien yang diputuskan untuk dirujuk sebenarnya masih dapat ditangani di FKTP. Kondisi ini menyebabkan pasien menumpuk di fasilitas kesehatan rujukan tingkat lanjut, sementara beban pelayanan meningkat secara nasional. Penumpukan tersebut berpotensi memperpanjang waktu tunggu, mengurangi efisiensi layanan, dan membuat sumber daya rumah sakit digunakan untuk kasus yang semestinya dapat diselesaikan di tingkat pertama. Pernyataan itu disampaikan Zamzam dalam keterangan tertulis di laman resmi Universitas Gadjah Mada (UGM) pada Selasa, 13 Oktober 2026. Persoalan ini sekaligus memperlihatkan perlunya dukungan teknologi yang mampu membantu tenaga kesehatan menghasilkan diagnosis dan kode tindakan secara lebih konsisten.
Pengujian dilakukan untuk menilai pengaruh kecerdasan artifisial (AI) terhadap kemampuan dokter gigi dalam menetapkan 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 ke dalam dua kelompok, yaitu kelompok yang menggunakan bantuan AI dan kelompok yang menyelesaikan tugas dengan metode tanpa AI. Setelah mengerjakan sejumlah skenario klinis, kinerja kedua kelompok dibandingkan berdasarkan ketepatan pengodean, ketepatan gabungan, serta kemampuan menangani kasus yang jarang ditemui.
Pada aspek pertama, kelompok pengguna AI mencatat ketepatan kode tindakan sebesar 87,4 persen. Angka tersebut lebih tinggi dibandingkan kelompok tanpa bantuan AI, yang memperoleh ketepatan 63,9 persen. Perbedaan juga terlihat ketika kode diagnosis dan kode tindakan dinilai secara bersamaan. Kelompok dengan AI mencapai akurasi 68,4 persen, sedangkan kelompok tanpa AI hanya mencatat 38,7 persen. Hasil ini menunjukkan bahwa teknologi tersebut dapat membantu dokter gigi menjaga konsistensi penetapan diagnosis dan pemilihan tindakan yang sesuai dalam dokumen pelayanan.
Keunggulan penggunaan AI semakin tampak pada kasus yang jarang dijumpai. Salah satu contoh yang diuji adalah stomatitis ulseratif nekrotikans. Pada kasus ini, ketepatan kelompok pengguna AI mencapai 71 persen, sementara kelompok tanpa AI hanya 12,9 persen. Temuan tersebut mengindikasikan bahwa akses terhadap dukungan berbasis pengetahuan dapat membantu ketika dokter menghadapi kondisi klinis yang kurang familiar. Meskipun demikian, penelitian tidak menemukan perbedaan waktu pengerjaan yang bermakna kedua kelompok. Dengan demikian, peningkatan ketepatan pengodean pada kelompok AI tidak disertai tambahan waktu yang signifikan dibandingkan metode tanpa teknologi tersebut.
Hasil riset tersebut menunjukkan bahwa kecerdasan buatan (AI) memiliki potensi untuk membantu meningkatkan ketepatan diagnosis dan pengodean tindakan dokter gigi. Namun, pemanfaatannya secara luas tidak cukup hanya mengandalkan kinerja model atau hasil uji awal. Penerapan dalam layanan kesehatan harus disertai prasyarat yang menjamin keamanan, kesiapan operasional, serta kesesuaian teknologi dengan kebutuhan tenaga medis dan pasien.
Zamzam menaruh perhatian pada keamanan data pasien sebagai salah satu aspek utama. Sistem berbasis AI akan memproses informasi kesehatan yang bersifat sensitif, sehingga diperlukan tata kelola data, pengendalian akses, dan perlindungan terhadap risiko kebocoran. Selain itu, kesiapan infrastruktur juga menjadi pertimbangan penting. Jaringan internet yang stabil, perangkat pendukung, kapasitas pengelolaan data, serta integrasi dengan sistem informasi kesehatan perlu dipastikan sebelum teknologi digunakan secara lebih luas di fasilitas pelayanan kesehatan.
Atas dasar itu, Zamzam merekomendasikan agar Kementerian Kesehatan dan BPJS Kesehatan mempertimbangkan pengintegrasian sistem pendukung keputusan klinis berbasis AI ke dalam platform SATUSEHAT dan PCare. Integrasi tersebut dapat membantu menghubungkan teknologi dengan alur pelayanan yang telah berjalan, selama dilaksanakan melalui standar interoperabilitas, mekanisme keamanan, dan pengawasan yang jelas. Sistem AI tetap perlu ditempatkan sebagai alat bantu pengambilan keputusan, bukan pengganti pertimbangan profesional dokter gigi.
Kopromotor disertasi, Dr. Lutfan Lazuardi, M.Kes., Ph.D., menilai bahwa bukti mengenai pemanfaatan AI dalam layanan klinis masih terbatas. Karena itu, penelitian Zamzam berperan menguji ada atau tidaknya peran strategis teknologi tersebut dalam praktik pelayanan. AI berpotensi meningkatkan ketepatan diagnosis dan pengodean tindakan dokter gigi, tetapi penggunaannya tetap membutuhkan perlindungan data pasien, infrastruktur yang siap, integrasi sistem yang terukur, serta pengujian lebih lanjut sebelum diterapkan secara luas.
Baca juga: Tingkatkan Kesadaran Bahaya Karhutla, TNI Kembali Laksanakan Penyuluhan Pencegahan Karhutla di Kabupaten Sambas | CYBEREX SGS 2026 Tingkatkan Kesiapan Siber Melalui Technical Review | Tingkatkan Literasi Kesehatan, Koramil Trucuk Bojonegoro dan Puskesmas Gelar Pemeriksaan Kesehatan Gratis
