Bagaimana dokter bisa tahu pasien gagal jantung yang baru pulang dari rumah sakit akan kembali masuk dalam 30 hari — sebelum gejalanya muncul, bahkan sebelum tekanan darahnya naik? Jawabannya bukan intuisi, bukan pula algoritma impor yang diimpor utuh, melainkan sistem prediktif berbasis kecerdasan buatan yang dibangun dari rekam medis pasien Indonesia sendiri.
Apa yang Berbeda dari Model AI Global?
Mayoritas sistem prediksi kekambuhan gagal jantung di pasar global — seperti model dari Mayo Clinic atau IBM Watson Health — dilatih dengan data pasien kulit putih di Amerika Serikat dan Eropa. Pola biomarker, respons obat, bahkan faktor sosial-ekonomi seperti akses ke apotek atau pola konsumsi garam berbeda secara signifikan di Indonesia. Menurut Tempo Tekno, tim dokter spesialis jantung di RSUP dr. Hasan Sadikin Bandung menyadari celah ini ketika mengamati angka rawat ulang pasien gagal jantung mencapai 28% dalam 90 hari pasca-pulang ; lebih tinggi dari rata-rata nasional yang dilaporkan Kemenkes RI sebesar 22% pada 2023.
Mereka lalu membangun platform bernama "JantungPintar", bukan sebagai aplikasi konsumen, melainkan sebagai alat bantu klinis terintegrasi langsung ke sistem rekam medis elektronik rumah sakit. Platform ini menggabungkan 14 parameter: mulai dari kadar natrium serum dan fraksi ejeksi ventrikel kiri hingga frekuensi kunjungan ke puskesmas dan riwayat keterlambatan minum furosemid. Semua data dikumpulkan selama 18 bulan dari 1.247 pasien rawat inap gagal jantung di Bandung.
Baca juga: AI Slop Ancam Kepercayaan Visual di Dunia Hewan Digital
Bagaimana Alat Ini Mengubah Alur Kerja Dokter?
JantungPintar tidak menggantikan keputusan dokter. Ia berfungsi seperti asisten klinis yang memberi peringatan dini: 'Pasien X berisiko tinggi kembali dalam 14 hari — prioritas telekonsultasi dan penyesuaian dosis spironolakton'. Sistem ini diuji coba sejak Januari 2024 di tiga ruang rawat jantung RSUP Hasan Sadikin. Hasil awal menunjukkan penurunan rawat ulang dalam 30 hari dari 28% menjadi 16% — penurunan absolut 12 poin persentase, bukan sekadar relatif.
Dilansir Tempo Tekno, salah satu keunikan JantungPintar adalah kemampuan membaca sinyal halus dari data non-klinis: misalnya, pasien yang dua kali melewatkan janji kontrol di poliklinik jantung memiliki risiko 3,2 kali lipat lebih tinggi kembali ke IGD dibandingkan yang disiplin. Faktor ini jarang dimasukkan dalam model AI global karena dianggap 'noise', padahal di konteks Indonesia, keteraturan kontrol sering kali lebih kuat indikatornya daripada nilai laboratorium tunggal.
Baca juga: Mosseri Klaim Tak Tahu Data Keselamatan Remaja Dibatasi
Tim pengembang juga sengaja menghindari black-box AI. Setiap prediksi disertai penjelasan dalam bahasa klinis: 'Risiko tinggi karena kombinasi BNP > 800 pg/mL + penurunan berat badan <1 kg dalam 7 hari + tidak ada pendamping saat pulang'. Dokter bisa memverifikasi, menyanggah, atau menyesuaikan bobot variabel — sebuah fitur yang jarang tersedia di sistem komersial seperti Epic's Deterioration Index atau Philips' IntelliSpace Critical Care.
JantungPintar tidak memerlukan infrastruktur superkomputer. Ia berjalan di server lokal rumah sakit berkapasitas 32 GB RAM dan GPU NVIDIA T4 — spesifikasi setara laptop profesional. Tim mengoptimalkan model dengan teknik quantization dan pruning sehingga inferensi bisa dilakukan dalam waktu kurang dari 1,8 detik per pasien. Artinya, dokter bisa menjalankan prediksi saat sedang menulis surat pulang — tanpa menunda proses administrasi.
Ini tidak hanya soal teknologi, tapi juga soal desain sistem kesehatan. Di era ketika banyak rumah sakit swasta mengandalkan solusi AI dari Singapura atau India, JantungPintar membuktikan bahwa inovasi klinis bisa lahir dari ruang rawat, bukan dari lab riset multinasional. Ia juga menunjukkan bahwa data lokal bukan hanya penting — ia justru menjadi bahan baku tak tergantikan. Tanpa data pasien Jawa Barat tentang pola konsumsi tempe, interaksi obat herbal, dan kebiasaan tidur siang, model mana pun akan gagal membaca sinyal nyata.
mirip dengan masa awal penggunaan echocardiografi di Indonesia tahun 1980-an: alat pertama kali diimpor, mahal, dan hanya bisa dibaca oleh segelintir ahli. Lalu, dokter-dokter seperti Prof. Suyono di RSCM mulai mengembangkan protokol interpretasi khusus untuk populasi Indonesia — yang akhirnya menjadi standar nasional. JantungPintar mungkin adalah babak baru dari tradisi itu: bukan menunggu teknologi datang, tapi membangunnya dari dalam, dengan bahasa tubuh pasien sendiri.