Di Era AI, Indonesia Harus Segera Bangun Tata Kelola Data Kesehatan Terintegrasi

Arif Perdana, Monash University dan Grace Wangge, Monash University

Seiring berkembangnya kecerdasan artifisial (AI) di dunia kesehatan, tata kelola data kesehatan yang baik kian dibutuhkan. Data berkualitas tinggi yang terkelola dengan baik akan membantu melatih program yang menganalisis kumpulan data untuk menangkap pola dan membuat prediksi (model AI) sehingga mampu menghasilkan informasi klinis yang andal dan relevan.

Apalagi di era digital saat ini, ketersediaan data kesehatan meningkat pesat. Informasi ini harus dikelola secara tepat agar manfaatnya bisa dirasakan bersama.

Memperkuat tata kelola data kesehatan bermanfaat untuk meningkatkan akses layanan kesehatan masyarakat secara efektif dan efisien. Tata kelola data kesehatan akan menjadi fondasi untuk perawatan kesehatan individu, melahirkan inovasi medis, dan yang terpenting meningkatkan kepercayaan pasien.

Bayangkan kamu mendadak dilarikan ke rumah sakit. Hanya dalam hitungan detik, dokter bisa mengakses riwayat kesehatan kamu secara lengkap, mulai dari riwayat alergi hingga hasil tes kesehatan terbaru. Dokter pun kemudian merekomendasikan terapi yang paling tepat sesuai kondisimu.

Ini bukan potongan adegan film fiksi ilmiah, melainkan potret masa depan layanan kesehatan Indonesia ketika memiliki tata kelola data kesehatan yang kuat.

Pentingnya tata kelola data kesehatan di era AI

Setidaknya, terdapat tiga alasan mengapa Indonesia perlu segera membangun tata kelola data kesehatan yang saling terhubung (terintegrasi) di era kecerdasan artifisial.

Pertama, untuk memastikan standar pengumpulan, pembuktian (validasi), dan pemeliharaan data kesehatan yang berkualitas.

Kedua, melindungi privasi pasien dan menjamin penggunaan data secara etis.

Ketiga, mendukung integrasi berbagai jenis data untuk model AI secara komprehensif.

Tata kelola data kesehatan juga berperan penting dalam mengatasi potensi kesalahan (bias) pada AI. Lewat perencanaan dan pengumpulan data kesehatan yang cermat, kesalahan dalam data dapat diidentifikasi dan diminimalkan.

Pembakuan (standardisasi) data juga diperlukan, misalnya lewat penggunaan aplikasi terpadu yang akan memperlancar kegiatan berbagi informasi antara penyedia layanan kesehatan, peneliti, dan pembuat kebijakan. Hal ini pada gilirannya akan meningkatkan efisiensi operasional dan mendorong keterlibatan pasien (pengguna aplikasi).

Sebaliknya, tata kelola data kesehatan yang buruk justru berisiko menimbulkan ancaman serius. Ancaman paling nyata adalah meningkatnya risiko pelanggaran data, insiden ketika pihak tidak bertanggung jawab mencuri informasi rahasia, seperti identitas pribadi sehingga berpotensi menghilangkan kepercayaan publik. Data pasien yang sulit diakses karena terbagi-bagi (terfragmentasi) juga dapat menghambat perawatan yang efektif, menyebabkan keterlambatan, dan berpotensi membahayakan keselamatan pasien.