Kembaran digital medis (medical digital twin) adalah model virtual yang terikat pada pasien, organ, atau proses layanan tertentu. Model menerima data nyata, memperbarui keadaan yang direpresentasikan, lalu menjalankan simulasi untuk mendukung keputusan yang sudah ditetapkan. Rekam medis elektronik, citra, hasil laboratorium, sinyal fisiologis, dan data lingkungan bisa menjadi masukannya. Satu citra atau skor risiko tanpa hubungan berkelanjutan dengan objek nyata belum memenuhi gagasan tersebut.

Definisi resmi Pemerintah Inggris pada 2025 mensyaratkan keterikatan dengan objek nyata, aliran data dua arah, rentang validasi, dan daftar asumsi. Konteks kesehatan lebih rumit karena tubuh tidak sepenuhnya dipahami dan data pasien tidak selalu hadir terus-menerus. Karena itu, label produk perlu dibaca bersama tujuan, asumsi, frekuensi pembaruan, dan bukti validasinya.

Tenaga kesehatan memadukan rekam medis, citra, dan data sensor pada layar (ilustrasi)
Kembaran digital menghubungkan beberapa sumber data dengan model yang melekat pada objek tertentu.

Kembaran berbeda dari rekam digital biasa

Tinjauan cakupan JMIR pada 2024 mengusulkan kembaran digital pasien sebagai replika digital yang dapat ditampilkan, memuat informasi multidimensi khusus pasien, dan membantu keputusan. Informasi itu harus melekat pada pasien tertentu dan berperan dalam keputusan yang telah ditentukan. Rekam medis elektronik menyimpan kejadian yang sudah berlangsung, sedangkan kembaran menambahkan keadaan model dan simulasi. Hubungan tersebut membuat asal data dan waktu pembaruan menjadi bagian dari makna hasil.

Tinjauan yang sama memisahkan model satu sumber, pasien sintetis, dan pengelompok risiko populasi dari kembaran digital pasien. Semua tetap berguna untuk penelitian, tetapi tidak memiliki hubungan, pembaruan, atau cakupan yang sama. Gambar tubuh tiga dimensi juga hanya visualisasi bila tidak memuat data multidimensi khusus pasien. Kembaran digital bukan satu berkas, satu sensor, atau satu tampilan komputer.

Tinjauan JMIR menemukan 39 dari 80 sistem menggabungkan data multimodal, dengan pendekatan mekanistik, berbasis data, atau gabungan. Model bisa menggabungkan mekanisme fisiologis, statistik, kecerdasan artifisial (artificial intelligence/AI), dan aturan klinis. Aliran data baru memperbarui keadaan sebelum sistem membandingkan beberapa skenario. Setiap keluaran tetap bergantung pada kualitas masukan, asumsi, dan ruang penggunaan yang sudah diuji.

Empat lapisan membentuk satu kembaran

Lapisan pertama mengikat identitas pasien, waktu, dan arti setiap variabel. Hasil laboratorium, citra, serta sinyal sensor memerlukan satuan, perangkat asal, dan waktu pengambilan yang konsisten. Nilai kosong atau perubahan satuan bisa menggeser keadaan sebelum model mulai menghitung. Mutu data karena itu dinilai menurut tujuan, bukan volume semata.

Lapisan kedua mengubah masukan menjadi representasi untuk tujuan tertentu. Model dapat menggabungkan persamaan fisiologis, metode statistik, AI, dan aturan dari alur layanan. Nilai yang dihasilkan model harus dibedakan dari pengukuran pasien yang benar-benar dilakukan. Sistem juga perlu menyimpan versi model dan kelompok populasi yang pernah dipakai untuk validasi.

Lapisan ketiga memperbarui keadaan dan menjalankan simulasi skenario. Istilah waktu nyata tidak berarti setiap sistem harus memperbarui data dalam hitungan detik. Interval baru bermakna bila sesuai dengan keputusan dan kecepatan perubahan objek yang dimodelkan. Masukan terlambat atau hilang harus mengubah tingkat keyakinan, bukan dipakai ulang tanpa penanda.

Lapisan keempat mengirimkan hasil simulasi ke alur kerja manusia atau sistem lain. Bentuknya bisa berupa peringatan, urutan skenario, perkiraan sumber daya, atau tampilan ketidakpastian. Setiap hasil memerlukan pengguna yang bertanggung jawab, prosedur tinjauan, dan jalur pengganti. Definisi Pemerintah Inggris juga meminta objek fisik tetap berfungsi aman ketika sambungan dengan kembarannya terputus.

Antarmuka komputer membandingkan hasil beberapa skenario klinis dalam model virtual (ilustrasi)
Hasil simulasi hanya berlaku dalam rentang data, asumsi, dan versi model yang telah diperiksa.

Bukti klinis masih lebih sempit daripada istilahnya

Tinjauan JMIR menelaah 86 publikasi yang mewakili 80 sistem, dengan 78 sistem masih berada pada tahap praklinis. Dari 80 sistem, 48 memodelkan organ atau bagian anatomi dan 39 menggabungkan data multimodal. Hanya dua sistem mencapai penilaian klinis tahap kedua; tidak ada yang mencapai tahap ketiga atau keempat. Hasil itu memakai literatur sampai Agustus 2023, sehingga bukan daftar seluruh produk yang tersedia sekarang.

Angka tersebut tidak meniadakan potensi teknologi, tetapi menunjukkan jarak antara istilah dan bukti. Para penulis menyatakan kembaran seluruh tubuh secara waktu nyata belum mampu menangkap kompleksitas manusia. Banyak sistem hanya menangani satu organ, satu tugas, atau satu penilaian. Hasil pada satu rumah sakit juga tidak otomatis berlaku bagi populasi, perangkat, dan alur lain.

Prinsip IMDRF 2025 meminta data yang mewakili populasi sasaran, kumpulan uji independen, penilaian tim manusia-AI, dan pemantauan setelah pemasangan. Pada kembaran digital, pengendalian itu berlaku untuk setiap versi model dan jalur datanya. Akurasi rata-rata tidak memperlihatkan kegagalan kelompok kecil, data hilang, atau perubahan perangkat. Luas validasi eksternal perlu sebanding dengan risiko fungsi yang dibantu.

Indonesia baru menunjukkan fondasi riset

Indonesia mulai memiliki inisiatif riset dan pendidikan, tetapi bukti publiknya masih terbatas. Pada 17 Juli 2026, FK-KMK Universitas Gadjah Mada memaparkan kolaborasi kembaran digital dan AI bersama Middlesex University. Halaman UGM menyebut TRUNK AI, ERGO AI DESK, dan VR ERGO sebagai fondasi menuju satu platform. Sasaran yang dipaparkan mencakup pemantauan muskuloskeletal, pendidikan kesehatan masyarakat, dan dukungan keputusan berbasis data.

Halaman UGM menyebut ERGO AI DESK telah divalidasi memakai 2.928 citra lingkungan perkantoran. Dokumen publik itu belum merinci protokol, susunan kumpulan uji independen, hasil klinis, atau status pemasangan rutin. Bukti yang tersedia mendukung penyebutan fondasi riset, bukan layanan kembaran digital pasien yang sudah beroperasi. Batas ini hanya menggambarkan dokumen terbuka, bukan bukti bahwa dokumen internal tidak ada.

Kementerian Kesehatan (Kemenkes) memakai HL7 FHIR sebagai standar model data dan antarmuka pertukaran informasi dalam SATUSEHAT. Lapisan terstandar itu membantu sistem memindahkan data dengan struktur dan istilah yang konsisten. Pertukaran yang berhasil tidak membuktikan bahwa model memprediksi keadaan pasien secara tepat. Kembaran tetap memerlukan pengaitan pasien, cap waktu, asal data, versi model, serta validasi tujuan.

Badan Kebijakan Pembangunan Kesehatan (BKPK) mencatat kajian tata kelola AI kesehatan masih berproses hingga 31 Desember 2026. Pertanyaan kebijakannya mencakup keselamatan pasien, pelindungan data, keandalan hasil, dan acuan operasional terstandar. Halaman yang diperiksa belum memuat analisis atau laporan akhir. Sampai artikel ini disusun, kami belum menemukan definisi dan ambang validasi khusus kembaran digital medis dalam dokumen resmi Kemenkes atau BRIN.

Tim riset kesehatan meninjau hasil AI dan citra medis di laboratorium (ilustrasi)
Catatan publik di Indonesia masih menggambarkan pengembangan riset dan fondasi platform, bukan layanan klinis rutin.

Data gabungan memperbesar tanggung jawab

UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi menggolongkan data kesehatan, biometrik, dan genetika sebagai data pribadi spesifik. Kembaran pasien bisa menggabungkan ketiganya dengan citra, data perangkat, dan catatan kegiatan. Gabungan tersebut memperluas kesimpulan yang bisa ditarik meski setiap bidang tampak terbatas. Tujuan dan akses untuk data mentah serta keluaran turunan perlu dipetakan terpisah.

UU PDP meminta pemrosesan yang terbatas, spesifik, sah, transparan, sesuai tujuan, akurat, aman, dan bisa dipertanggungjawabkan. Dokumentasi perlu memetakan sumber, dasar pemrosesan, tujuan, masa simpan, akses, transfer, dan penghapusan data. Catatan audit menghubungkan masukan, versi model, keluaran, peninjau manusia, dan tindak lanjut. Kontrak pemasok juga perlu mencatat lokasi pemrosesan, subkontraktor, pengembalian data, penghapusan, dan penanganan insiden.

Prediksi bisa lebih sensitif daripada data mentah karena menyatukan pola dari beberapa sumber. Kendali akses harus mencakup hasil simulasi, catatan audit, salinan sementara, dan rekam medis. Desain keamanan meliputi hak akses minimum, enkripsi, pemisahan identitas, serta rencana penanganan insiden. Kelangsungan layanan juga memerlukan alur manual ketika model atau sambungan tidak tersedia.

Diagram server, kendali akses, dan aliran data kesehatan pada layar (ilustrasi)
Hak akses perlu mencakup data sumber, hasil simulasi, versi model, dan catatan audit.

Fungsi menentukan jalur izin dan validasi

Nama kembaran digital tidak dengan sendirinya menetapkan status sebuah produk. Permenkes No. 11 Tahun 2025 mencantumkan hasil uji aplikasi AI, bukti klinis, dan analisis risiko dalam dokumen registrasi alat kesehatan. Aturan itu juga memuat keamanan data pasien, minimisasi data, pelaporan insiden, dan mitigasi ancaman siber. Fungsi yang dimaksudkan perlu dipetakan lebih dahulu sebelum jalur izin dan tingkat buktinya dinilai.

Alat riset, simulasi operasi rumah sakit, dan perangkat lunak keputusan klinis memiliki risiko berbeda. Model aliran pasien tidak boleh dianggap otomatis sebagai alat untuk menentukan terapi. Sebaliknya, fungsi klinis tidak berubah menjadi riset hanya karena pemasok memakai label eksperimental. Kontrak, antarmuka, dokumentasi, dan pelatihan pengguna harus menyebut tujuan yang sama.

Paket bukti perlu menghubungkan empat lapisan. Tujuan penggunaan mengikat pengguna, populasi, masukan, keluaran, dan keputusan yang dibantu. Asal data mengikat hasil uji dengan kelompok pasien, perangkat, dan lokasi. Versi model mengikat catatan perubahan dengan pemantauan setelah pemasangan. Setiap keluaran mengikat peninjau manusia, catatan audit, serta prosedur penghentian dan pengganti.

Indonesia telah memiliki aturan umum untuk data pribadi dan aplikasi AI pada jalur alat kesehatan. SATUSEHAT juga menyediakan fondasi pertukaran data, tetapi bukan sertifikat mutu model. Standar khusus kembaran digital medis belum ditemukan dalam sumber resmi yang diperiksa. Satu sistem baru bisa dinilai ketika data, model, validasi, dan alur kerja menunjuk versi serta tujuan yang sama.