Akurasi tinggi belum cukup untuk menempatkan kecerdasan buatan (artificial intelligence/AI) dalam alur pelayanan rumah sakit. Model harus lolos pemeriksaan tujuan, data, pertukaran informasi, pembagian tanggung jawab, dan pemantauan setelah dipasang. Kelima gerbang itu menghubungkan kinerja teknis dengan kondisi kerja rumah sakit.

Kerangka Indonesia sudah memuat sebagian persyaratan tersebut melalui aturan alat kesehatan, pelindungan data, dan SATUSEHAT. Namun, satu izin atau sambungan data tidak menjawab semua pertanyaan penerapan. Rumah sakit tetap memerlukan bukti yang menunjuk produk, versi, populasi, lokasi, dan alur klinis yang sama.

Layar rumah sakit menampilkan alur dukungan keputusan klinis dan catatan audit AI (ilustrasi)

Gerbang pertama: tujuan penggunaan dan jalur regulasi

Tujuan penggunaan (intended use) perlu menyebut pengguna, populasi pasien, sumber data, keluaran, dan keputusan yang dibantu. Frasa seperti “membantu dokter” terlalu luas untuk menjadi dasar pengujian. Batas penggunaan juga harus menjelaskan kondisi penolakan masukan, penghentian fungsi, serta jalur manual ketika sistem tidak tersedia.

Peraturan Menteri Kesehatan (Permenkes) No. 5 Tahun 2026 memasukkan perangkat lunak bertujuan medis dalam definisi alat kesehatan. Aturan itu menggolongkan alat kesehatan ke kelas A sampai D menurut risiko dan tujuan penggunaan. Karena itu, label AI saja tidak menentukan jalur izin sebuah aplikasi.

Permenkes No. 11 Tahun 2025 meminta hasil uji perangkat lunak atau aplikasi AI, verifikasi desain, bukti klinis, dan analisis risiko. Dokumen yang sama mewajibkan pemegang izin alat kesehatan berbasis perangkat lunak AI mengikuti praktik pembelajaran mesin yang baik. Izin edar tetap berbeda dari penerimaan setempat, sebab rumah sakit menguji lingkungan dan alur kerjanya sendiri.

Portal e-Info Alkes milik Kementerian Kesehatan Republik Indonesia (Kemenkes) memuat produk terdaftar dan status izin edarnya. Dokumen pengadaan perlu mengikat nama produk, versi, tujuan medis, kelompok pengguna, dan batas pemakaian. Kriteria penerimaan harus merujuk pada keluaran yang sama dengan izin dan laporan validasi. Perubahan fungsi setelah kontrak perlu memicu penilaian ulang, bukan dianggap pembaruan rutin.

Gerbang kedua: data harus mewakili tempat penggunaan

International Medical Device Regulators Forum (IMDRF) menerbitkan sepuluh prinsip praktik pembelajaran mesin yang baik (good machine learning practice/GMLP) pada 2025. Prinsip tersebut meminta data mewakili populasi sasaran, lingkungan penggunaan, dan masukan pengukuran. Data pelatihan harus terpisah secara memadai dari data pengujian. Penilaian juga mencakup kinerja tim manusia-AI dalam kondisi klinis yang relevan.

Validasi lokal perlu menguji variasi perangkat, satuan, pola rujukan, kelengkapan catatan, dan kebiasaan dokumentasi. Nilai rata-rata bisa menutupi penurunan kinerja pada kelompok atau lokasi tertentu. Hasil uji karena itu perlu dipecah menurut kelompok penting, jenis masukan, dan kondisi gagal yang sudah ditetapkan.

Satu laporan validasi tidak cukup bila identitas model atau kumpulan datanya tidak jelas. Rumah sakit memerlukan riwayat asal data, pemisahan data latih dan uji, standar pembanding, serta interval ketidakpastian. Setiap hasil harus terhubung dengan versi yang akan dipasang.

Sampai artikel ini disusun, kami belum menemukan statistik nasional terbuka tentang kinerja AI medis lintas rumah sakit di Indonesia. Kami juga belum menemukan perbandingan biaya validasi menurut jenis fasilitas. Kesenjangan tersebut membatasi penggunaan satu angka nasional sebagai pembanding pengadaan.

Peneliti medis membandingkan data validasi model AI dengan hasil pengujian klinis (ilustrasi)

Gerbang ketiga: pertukaran data harus menjaga makna

Health Level Seven International (HL7) menetapkan Fast Healthcare Interoperability Resources (FHIR) sebagai standar pertukaran informasi kesehatan elektronik. Unit dasarnya adalah resource (paket data terstruktur beserta metadata). FHIR mengatur cara sistem bertukar data, bukan memperbaiki catatan sumber yang salah.

Kemenkes memakai HL7 FHIR dan antarmuka pemrograman aplikasi (application programming interface/API) REST melalui HTTPS untuk pertukaran SATUSEHAT. Integrasi AI perlu mengikuti profil resource, terminologi, serta identitas yang dipakai dalam ekosistem tersebut. Sambungan khusus di luar alur nasional tetap membutuhkan pemetaan yang terdokumentasi.

API Gateway SATUSEHAT memeriksa format permintaan dan kode terminologi sebelum data diteruskan ke server FHIR. Pemeriksaan itu menolak sebagian kesalahan struktur, nilai, atau data ganda. Kelulusan validasi tidak mengukur akurasi keluaran AI atau kelengkapan catatan pasien.

Kontrak data perlu mencatat identitas pasien, waktu, satuan, kode, nilai kosong, versi, sumber, dan hak akses. Tim klinis memeriksa apakah konteks asli tetap terlihat pada layar pengguna. Tim informasi menguji jejak audit, kegagalan pengiriman, pemulihan, dan perubahan skema.

UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi menempatkan data kesehatan sebagai data pribadi spesifik. Aturan itu juga mewajibkan penilaian dampak untuk pemrosesan berisiko tinggi. Cakupannya meliputi keputusan otomatis yang berdampak signifikan, pemrosesan skala besar, dan penggunaan teknologi baru.

Sistem informasi rumah sakit menghubungkan rekam medis, resource FHIR, dan modul analisis AI (ilustrasi)

Gerbang keempat: keputusan manusia harus terlihat dalam alur

Pengawasan manusia bukan kotak persetujuan yang selalu ditekan. Antarmuka perlu membedakan keluaran siap ditinjau, masukan tidak memadai, dan hasil yang berada di luar tujuan penggunaan. Petugas harus bisa menerima, memperbaiki, menolak, atau mengeskalasi hasil melalui tindakan yang tercatat.

Organisasi Kesehatan Dunia (WHO) meminta manusia tetap mengendalikan sistem kesehatan dan keputusan medis. Prinsipnya juga mencakup transparansi, tanggung jawab, inklusivitas, serta evaluasi berkelanjutan. Kerangka tersebut menempatkan AI sebagai bagian dari sistem sosial dan klinis, bukan komponen teknis tersendiri.

Prinsip transparansi Food and Drug Administration Amerika Serikat (FDA) meminta penjelasan tentang pengguna, populasi, masukan, keluaran, alur kerja, keterbatasan, dan pemantauan kinerja. Informasi juga perlu memuat kondisi ketika masukan berbeda dari data pengembangan. Rincian itu membantu rumah sakit merancang uji penerimaan dan peringatan pada titik kerja yang tepat.

Matriks tanggung jawab harus membagi tugas pemasok, unit teknologi informasi, pengguna klinis, manajemen risiko, dan pimpinan layanan. Dokumen itu menyebut penerima laporan, waktu respons, kewenangan penghentian, dan jalur komunikasi kepada pihak terdampak. Prosedur cadangan menjaga layanan inti tetap berjalan ketika model atau koneksi gagal.

Gerbang kelima: versi, insiden, dan perubahan harus dipantau

Model yang lulus uji awal masih bisa kehilangan kinerja setelah populasi, perangkat, atau pola pencatatan berubah. Pemantauan perlu memakai nilai dasar, ambang tindakan, kelompok penting, dan identitas versi. Catatan insiden menghubungkan masukan, keluaran, koreksi manusia, dampak, serta tindakan pemulihan.

Permenkes No. 5 Tahun 2026 mewajibkan pemilik izin edar menjalankan vigilans dan melaporkan masalah penggunaan alat kesehatan. Kerangka itu mencakup pendeteksian, penilaian, pengendalian, dan pencegahan masalah. Rumah sakit tetap perlu menerjemahkannya menjadi saluran insiden serta pemicu penghentian untuk produk yang dipasang.

Panduan final FDA Agustus 2025 meminta rencana perubahan menjelaskan modifikasi, metode pengembangan dan validasi, serta penilaian dampaknya. Dokumen Amerika Serikat ini bukan syarat izin Indonesia. Bidang yang sama bisa dipakai rumah sakit untuk mengendalikan pembaruan dalam kontrak.

Rencana perubahan perlu memisahkan perbaikan keamanan, perubahan model, data pelatihan baru, dan perluasan tujuan penggunaan. Setiap jenis perubahan memiliki uji, persetujuan, pemberitahuan, serta cara pengembalian versi. Rencana keluar juga mencakup pencabutan akses, pengembalian data, dukungan akhir, dan pemulihan layanan.

Dasbor tata kelola AI rumah sakit menampilkan versi model, pemantauan kinerja, dan status tinjauan manusia (ilustrasi)

Kesenjangan informasi penerapan AI medis di Indonesia

Badan Kebijakan Pembangunan Kesehatan (BKPK) mencatat kajian tata kelola AI kesehatan dengan batas akhir proses 31 Desember 2026. Pertanyaan kebijakannya mencakup keselamatan pasien, pelindungan data, keandalan hasil, dan acuan operasional bagi fasilitas. Halaman yang diperiksa belum memuat dokumen analisis atau laporan akhir.

Sampai artikel ini disusun, kami belum menemukan dokumen resmi Indonesia dengan satu paket ambang untuk kelima gerbang tersebut. Kami juga belum menemukan statistik nasional terbuka yang membandingkan insiden model atau biaya integrasi antarrumah sakit. Keterbatasan temuan ini bukan bukti bahwa penerapan belum terjadi.

Paket pengadaan yang dapat diaudit setidaknya memuat delapan dokumen. Isinya mencakup tujuan penggunaan, status regulasi, data validasi, kontrak pertukaran, alur klinis, matriks tanggung jawab, rencana pemantauan, serta prosedur perubahan dan penghentian. Penerapan baru siap dinilai ketika seluruh dokumen menunjuk produk, versi, dan konteks penggunaan yang sama.