Heidi Raih $340 Juta: Saat AI Kesehatan Sudah Lewati 175 Juta Kunjungan Pasien

Lebih dari 175 juta kunjungan pasien — bukan perkiraan, bukan proyeksi, tapi data aktual yang terverifikasi — telah melewati platform AI kesehatan Heidi sejak peluncurannya. Angka ini setara dengan hampir dua kali lipat jumlah kunjungan rawat jalan tahunan di seluruh rumah sakit publik Indonesia (sekitar 92 juta kunjungan menurut Kemenkes 2023), dan lebih besar dari total kunjungan pasien ke 150 rumah sakit besar di Amerika Serikat dalam satu tahun penuh.

Bukan Alat Bantu, Tapi Rekan Klinis yang Teruji Skala Nasional

Heidi tidak menjual 'tools' untuk dokter. Ia membangun sistem kolaboratif yang beroperasi di lini depan layanan primer: menganalisis riwayat pasien, menyarankan diferensial diagnosis, mengingatkan interaksi obat, bahkan menyusun catatan klinis otomatis dalam bahasa alami — bukan template kaku. Menurut TechInAsia, platform ini sudah terintegrasi dengan lebih dari 40 sistem rekam medis elektronik (RME) utama di AS dan Eropa, termasuk Epic dan Cerner. Yang membedakan Heidi dari banyak startup AI kesehatan lain adalah bukan ambisi teknisnya, melainkan kapasitas operasionalnya: ia tidak hanya lolos uji klinis, tapi juga lolos uji skala administrasi, regulasi, dan interoperabilitas di lingkungan rumah sakit nyata — tidak hanya di lab atau pilot project 3 bulan.

General Catalyst, salah satu venture capital paling disegani di AS dengan portofolio termasuk Stripe dan Duolingo, memilih Heidi bukan karena potensi pasar, tapi karena bukti penggunaan nyata. Dalam pernyataan resminya, mitra General Catalyst, Hemant Taneja, menyebut: 'Kami tidak berinvestasi pada prediksi akurasi model AI, tapi pada bukti bahwa sistem ini sudah menjadi bagian tak terpisahkan dari alur kerja klinis harian — tanpa penundaan, tanpa penyesuaian manual, tanpa resistensi staf.'

Di Mana Indonesia Berdiri Saat AI Kesehatan Sudah Melewati 175 Juta Kunjungan?

Di Indonesia, integrasi AI dalam layanan kesehatan masih berada di tahap eksperimen lokal: uji coba chatbot triase di RSUD Kota Bandung, prototipe deteksi TB dari rontgen di Universitas Gadjah Mada, atau sistem prediksi beban ICU di RSUP dr. Hasan Sadikin Bandung. Belum ada satu pun platform AI kesehatan nasional yang tercatat digunakan dalam lebih dari 1 juta kunjungan pasien — apalagi 175 juta. Padahal, tantangan sistem kesehatan kita justru lebih mendesak: rasio dokter per 10.000 penduduk hanya 1,8 (WHO merekomendasikan 4,4), dan 60% kunjungan primer terjadi di fasilitas kesehatan tingkat pertama yang sering kekurangan tenaga spesialis.

Baca juga: W Health Ventures Kumpulkan $74,1 Juta untuk Platform Kesehatan Spesialis & Layanan B2B Berbasis AI

Dilansir TechInAsia, Heidi mengembangkan model AI-nya dengan data klinis anonim dari lebih dari 2.000 rumah sakit, tetapi kuncinya bukan volume data, tapi juga kualitas umpan balik klinis langsung: setiap saran diagnosis atau rekomendasi tindakan dikoreksi secara real-time oleh dokter, lalu masuk ke siklus pembelajaran ulang (retraining loop) dalam hitungan jam — bukan minggu. Model seperti ini butuh infrastruktur integrasi RME yang stabil, standar data klinis yang konsisten, dan budaya kolaborasi antara IT dan tim medis. Ketiganya masih menjadi kendala struktural di banyak rumah sakit Indonesia.

investasi $340 juta ini tidak hanya suntikan modal, tapi sinyal kuat bahwa pasar global mulai menghargai bukan hanya inovasi algoritma, tapi juga kemampuan eksekusi sistemik: membangun AI yang bisa hidup di tengah kekacauan dunia nyata — jadwal dokter yang padat, variasi bahasa catatan medis, perubahan protokol klinis mingguan, dan tekanan waktu konsultasi rata-rata kurang dari 8 menit per pasien di AS.

Ketika Heidi mencatat 175 juta kunjungan, itu bukan angka transaksi, tapi jejak kepercayaan klinis yang terakumulasi. Setiap kunjungan adalah momen di mana seorang dokter memilih tidak mengabaikan saran sistem, melainkan memverifikasinya — lalu menggunakannya sebagai bahan refleksi klinis. Di sinilah letak perbedaan mendasar antara 'AI sebagai fitur tambahan' dan 'AI sebagai rekan kerja'. Di Indonesia, diskusi tentang AI kesehatan masih sering terjebak pada aspek etika atau regulasi, sementara praktik dunia nyata sudah bergerak ke tahap kolaborasi operasional — dan itu justru yang paling sulit direplikasi tanpa fondasi sistem informasi kesehatan yang matang.

mirip dengan masa awal adopsi rekam medis elektronik (RME) di AS pada awal 2000-an. Saat itu, banyak rumah sakit menolak RME karena dianggap memperlambat kerja, mengurangi interaksi pasien-dokter, dan membutuhkan pelatihan berbulan-bulan. Namun, ketika sistem seperti Epic dan Cerner berhasil membuktikan bahwa RME bisa mengurangi kesalahan obat hingga 55% (menurut studi NEJM 2006), resistensi berubah menjadi adopsi wajib. Sekarang, Heidi berada di posisi yang sama: bukan lagi soal 'apakah AI bisa', tapi 'bagaimana cara membuatnya menjadi bagian tak terlihat dari alur kerja — seperti stetoskop digital yang tak perlu diingat lagi sebagai teknologi, tapi sebagai perpanjangan tangan dokter.'