Yogyakarta | Penelitian doktoral drg Achmad Zam Zam Aghasy, MKes, dari Universitas Gadjah Mada menguji pemanfaatan kecerdasan buatan sebagai sistem pendukung keputusan klinis dalam pelayanan kesehatan gigi dan mulut. Kajian ini menempatkan AI sebagai teknologi yang membantu dokter gigi mengolah informasi klinis secara lebih terstruktur, sehingga proses penentuan diagnosis dan tindakan medis dapat dilakukan dengan pertimbangan yang lebih tepat.
Dalam praktik layanan gigi, dokter perlu mencocokkan keluhan pasien, hasil pemeriksaan, diagnosis, tindakan, serta kode layanan yang sesuai. Setiap tahap tersebut berpengaruh terhadap kesinambungan pelayanan dan pencatatan medis. Kehadiran AI berpotensi mendukung tenaga kesehatan dengan memberikan rekomendasi berdasarkan data yang tersedia, tanpa menggantikan kewenangan dan tanggung jawab dokter dalam menetapkan keputusan klinis.
Temuan utama riset menunjukkan bahwa penggunaan AI meningkatkan ketepatan pengodean diagnosis dokter gigi di fasilitas kesehatan tingkat pertama (FKTP). Sebelum memanfaatkan sistem tersebut, tingkat ketepatan pengodean tercatat sebesar 49,4 persen. Setelah AI digunakan sebagai pendukung, angkanya meningkat menjadi 79 persen. Perubahan ini menunjukkan potensi teknologi dalam membantu menyelaraskan diagnosis klinis dengan kode layanan yang dicatat pada fasilitas pelayanan.
Fokus pada FKTP menjadi penting karena fasilitas ini merupakan pintu awal bagi banyak pasien untuk memperoleh layanan kesehatan gigi dan mulut. Ketepatan diagnosis dan pengodean tindakan dapat mendukung dokumentasi yang lebih baik, proses administrasi yang lebih akurat, serta penilaian kebutuhan perawatan lanjutan. Selain itu, dukungan AI dapat membantu dokter mempertimbangkan keputusan rujukan secara lebih sistematis, terutama ketika kondisi pasien memerlukan pemeriksaan atau penanganan di tingkat layanan yang lebih tinggi.
Rujukan pasien gigi dari Fasilitas Kesehatan Tingkat Pertama (FKTP) ke fasilitas kesehatan tingkat lanjutan masih menjadi persoalan dalam penyelenggaraan layanan kesehatan. Penelitian terdahulu yang disebutkan dalam sumber menunjukkan bahwa proporsi rujukan gigi yang dinilai tidak tepat berada pada kisaran 52,2 hingga 58,2 persen. Angka tersebut menggambarkan bahwa sebagian besar pasien yang dikirim ke rumah sakit atau fasilitas rujukan belum tentu memerlukan penanganan pada tingkat layanan yang lebih tinggi.
Salah satu faktor yang berkontribusi terhadap tingginya ketidaktepatan rujukan ialah keterbatasan pemahaman tenaga kesehatan mengenai diagnosis serta pengodean tindakan medis. Diagnosis yang kurang akurat dapat memengaruhi penilaian terhadap tingkat keparahan kondisi pasien, sedangkan kesalahan dalam menentukan kode tindakan berpotensi menimbulkan interpretasi yang keliru mengenai kebutuhan rujukan. Akibatnya, keputusan klinis dan administratif tidak selalu mencerminkan kapasitas layanan yang tersedia di FKTP.
Achmad Zam Zam Aghasy menyatakan bahwa lima dari 10 pasien yang diputuskan untuk dirujuk sebenarnya masih dapat ditangani di FKTP. Pernyataan ini menunjukkan adanya peluang untuk memperkuat kemampuan fasilitas tingkat pertama dalam menilai, mendiagnosis, dan menangani kasus gigi sesuai kewenangannya. Jika pasien yang masih dapat ditangani di FKTP tetap dirujuk, terjadi penumpukan pasien di fasilitas kesehatan rujukan. Kondisi tersebut meningkatkan beban layanan, memperpanjang waktu tunggu, dan dapat mengurangi efisiensi pelayanan kesehatan secara nasional. Pada akhirnya, ketidaktepatan rujukan bukan hanya berdampak pada fasilitas penerima, tetapi juga pada pasien, pembiayaan kesehatan, serta kesinambungan sistem rujukan. Pernyataan Achmad Zam Zam Aghasy tersebut disampaikan dalam keterangan tertulis di laman resmi Universitas Gadjah Mada (UGM) pada Selasa, 13 Oktober 2026.
Pengujian ini dirancang untuk membandingkan kinerja dokter gigi ketika melakukan diagnosis dan pengodean layanan dengan dukungan kecerdasan artifisial (AI) dan ketika menggunakan metode konvensional. Penelitian melibatkan 62 dokter gigi yang bekerja di fasilitas kesehatan tingkat pertama (FKTP) mitra BPJS Kesehatan di Daerah Istimewa Yogyakarta. Para peserta dibagi ke dalam kelompok yang memperoleh bantuan AI dan kelompok pembanding yang menyelesaikan tugas tanpa teknologi tersebut. Dengan rancangan ini, peneliti dapat menilai dampak AI terhadap ketepatan hasil, sekaligus melihat apakah penggunaannya memengaruhi durasi pengerjaan.
Perbedaan paling jelas terlihat pada ketepatan kode tindakan. Dokter gigi dalam kelompok dengan bantuan AI mencapai akurasi 87,4 persen. Sementara itu, kelompok tanpa AI hanya mencapai 63,9 persen. Hasil tersebut menunjukkan bahwa sistem pendukung berbasis AI berpotensi membantu dokter memilih kode tindakan yang sesuai dengan layanan yang diberikan. Dukungan ini dapat mengurangi kekeliruan dalam mencocokkan prosedur klinis dengan klasifikasi pengodean, terutama ketika pilihan kode memiliki deskripsi atau kriteria yang mirip.
Ketika ketepatan kode diagnosis dan kode tindakan dinilai secara bersamaan, kelompok dengan AI kembali menunjukkan hasil yang lebih baik. Akurasinya mencapai 68,4 persen, sedangkan kelompok tanpa bantuan AI berada pada angka 38,7 persen. Kesenjangan ini memperlihatkan bahwa manfaat AI tidak terbatas pada satu tahap pengodean, tetapi juga dapat mendukung keterkaitan kondisi pasien, diagnosis, dan tindakan yang dicatat dalam layanan.
Peningkatan tersebut bahkan tampak pada kasus yang jarang ditemui, seperti stomatitis ulseratif nekrotikans. Pada kasus ini, ketepatan kelompok dengan AI mencapai 71 persen, jauh di atas kelompok tanpa AI yang hanya 12,9 persen. Meski demikian, penggunaan AI tidak menimbulkan perbedaan waktu pengerjaan yang bermakna dibandingkan metode tanpa bantuan teknologi. Artinya, peningkatan ketepatan dapat diperoleh tanpa tambahan waktu kerja yang signifikan.
Hasil penelitian menunjukkan bahwa kecerdasan buatan memiliki potensi untuk meningkatkan ketepatan diagnosis serta pengodean tindakan dokter gigi. Namun, temuan tersebut belum dapat dimaknai sebagai dasar untuk menerapkan teknologi ini secara luas dan segera di seluruh fasilitas pelayanan kesehatan. Penerapan membutuhkan persiapan menyeluruh agar manfaat klinis dapat dicapai tanpa menimbulkan risiko baru bagi pasien maupun tenaga kesehatan.
Achmad Zam Zam Aghasy menekankan pentingnya keamanan data pasien dalam setiap tahap pengembangan dan penggunaan sistem berbasis AI. Informasi kesehatan bersifat sensitif sehingga perlu dilindungi melalui tata kelola data, pengaturan hak akses, standar keamanan, serta mekanisme pengawasan yang jelas. Selain itu, kesiapan infrastruktur harus menjadi perhatian, termasuk ketersediaan jaringan internet yang stabil, perangkat pendukung, pemeliharaan sistem, dan kemampuan fasilitas kesehatan untuk mengintegrasikan teknologi baru dengan sistem informasi yang telah digunakan.
Atas dasar itu, Kementerian Kesehatan dan BPJS Kesehatan perlu mempertimbangkan integrasi sistem pendukung keputusan klinis berbasis AI ke dalam platform SATUSEHAT dan PCare. Integrasi tersebut harus dilakukan secara bertahap, disertai uji validasi, evaluasi keamanan, pelatihan pengguna, serta pengawasan terhadap akurasi rekomendasi. Sistem AI sebaiknya berfungsi sebagai alat bantu profesional, bukan pengganti pertimbangan klinis dokter.
Kopromotor disertasi, Dr. Lutfan Lazuardi, MKes, PhD, menilai penelitian ini memberikan bukti mengenai potensi AI dalam layanan klinis, terutama ketika inisiatif dan bukti pemanfaatan kecerdasan buatan di lingkungan layanan klinis masih terbatas. AI berpotensi meningkatkan ketepatan diagnosis dan pengodean tindakan dokter gigi, tetapi penerapan yang lebih luas tetap membutuhkan perlindungan data pasien, infrastruktur yang siap, serta pengujian lanjutan untuk memastikan teknologi tersebut aman, akurat, dan sesuai kebutuhan layanan kesehatan.
Baca juga: Meningkatkan Diplomasi Budaya melalui Pembelajaran Seni di Universitas Terbuka | Meningkatkan Nilai Tambah Pariwisata untuk Ekonomi Bali
