JAKARTA – Penanganan tuberkulosis (TB) di Indonesia terus didorong melalui inovasi teknologi digital guna mempercepat proses skrining di fasilitas pelayanan kesehatan. Selama hampir dua tahun terakhir, tim peneliti Universitas Gadjah Mada (UGM) yang didukung pendanaan KONEKSI mengembangkan platform kecerdasan buatan (artificial intelligence/AI) bernama TBScreen.AI untuk membantu membaca hasil foto rontgen dada.
Di balik pengembangan sistem computer-aided detection (CAD) tersebut, terdapat alasan penting mengapa Indonesia perlu memiliki teknologi deteksi TB sendiri, alih-alih bergantung pada produk komersial dari luar negeri.
Peneliti Utama sekaligus Dosen Departemen Penyakit Dalam Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan UGM, dr. Antonia Morita Iswari Saktiawati, mengatakan sebagian besar penderita TB berada pada usia produktif. Karena itu, pemanfaatan AI diharapkan dapat mempercepat proses skrining sehingga kasus dapat ditemukan lebih dini.
“Kalau kita bisa mengembangkan AI ini untuk membantu skrining, deteksi bisa dilakukan lebih cepat. Sebab, kasus yang terlambat dideteksi akan memperpanjang penularan sekaligus meningkatkan beban sosial dan ekonomi negara,” kata dr. Morita dalam diskusi mengenai TBScreen.AI di Jakarta Selatan, Senin (3/8/2026).
Selain mempercepat deteksi, teknologi tersebut juga diharapkan mampu memperluas akses layanan kesehatan, terutama bagi masyarakat di daerah terpencil, kelompok rentan, dan fasilitas kesehatan tingkat pertama yang memiliki keterbatasan dalam layanan skrining.
“Kami ingin memeratakan akses, terutama bagi masyarakat di daerah terpencil, populasi rentan, dan fasilitas pelayanan primer yang masih memiliki keterbatasan dalam melakukan skrining,” ujarnya.
Disesuaikan dengan Kondisi Indonesia
Meski sejumlah teknologi pendeteksi TB berbasis AI dari luar negeri telah memperoleh rekomendasi Organisasi Kesehatan Dunia (WHO), dr. Morita menilai algoritma yang digunakan belum tentu sesuai dengan karakteristik masyarakat Indonesia.
Karena itu, tim peneliti UGM mengembangkan algoritma sendiri yang disesuaikan dengan spektrum penyakit, prevalensi TB, hingga komorbiditas yang banyak ditemukan di Indonesia.
“Algoritma AI dipengaruhi oleh spektrum penyakit, prevalensi TB, komorbiditas, dan berbagai faktor lainnya. Karena itu, kami mengembangkan algoritma yang sesuai dengan karakteristik populasi Indonesia,” jelasnya.
Pengembangan sistem secara mandiri juga memungkinkan penyesuaian ambang skor (threshold) sesuai kondisi epidemiologi di setiap daerah tanpa harus bergantung pada pengaturan bawaan produk asing.
Selain itu, TBScreen.AI dirancang agar mampu beradaptasi dengan beragam kualitas hasil foto rontgen yang dihasilkan berbagai jenis perangkat di fasilitas kesehatan Indonesia.
“Dengan mengembangkan sendiri, kami bisa menyesuaikan sistem dengan berbagai variasi kualitas gambar yang dihasilkan alat rontgen di lapangan,” kata dr. Morita.
Efisiensi dan Kedaulatan Data
Pengembangan teknologi dalam negeri juga dinilai lebih efisien dari sisi biaya operasional. Menurut dr. Morita, penggunaan perangkat lunak asing umumnya memerlukan biaya lisensi tahunan yang cukup besar.
“Dengan mengembangkan sendiri, kita tidak perlu lagi mengeluarkan biaya lisensi tahunan,” ujarnya.
Selain efisiensi anggaran, pengelolaan sistem secara mandiri juga dinilai penting untuk menjaga keamanan dan kedaulatan data pasien.
“Data pasien, metadata klinis, hingga hasil pemeriksaan mikrobiologis merupakan data yang sangat sensitif. Dengan mengelolanya sendiri, kita dapat menjaga kedaulatan data tersebut,” tegasnya.
Lebih jauh, pengembangan TBScreen.AI juga menjadi langkah strategis dalam meningkatkan kapasitas sumber daya manusia Indonesia di bidang kesehatan digital, machine learning, dan pengelolaan data.
“Dengan mengembangkan teknologi sendiri, kita sekaligus membangun kapasitas nasional di bidang machine learning, implementasi digital health, dan kurasi data,” pungkas dr. Morita.[]
