Meta description: Kenali cara kerja AI untuk membaca rontgen dada dan membantu skrining TBC lebih cepat, manfaatnya bagi rumah sakit, serta peran PACS dalam digitalisasi radiologi.

Kata kunci utama: AI membaca hasil rontgen

Kata kunci pendukung: AI radiologi, deteksi TBC dengan AI, artificial intelligence radiologi, rontgen dada, PACS rumah sakit, computer-aided detection.

Mengenal Teknologi AI untuk Membaca Rontgen Dada

Perkembangan kecerdasan buatan atau Artificial Intelligence (AI) mulai mengubah cara fasilitas kesehatan melakukan skrining penyakit, termasuk tuberkulosis (TBC). Salah satu penerapannya adalah analisis citra rontgen dada menggunakan perangkat lunak yang dirancang untuk mengenali pola yang dapat berkaitan dengan TBC.

Teknologi ini dikenal sebagai Computer-Aided Detection (CAD). Sistem CAD menganalisis citra radiografi digital dan menghasilkan skor atau penanda untuk membantu tenaga kesehatan mengidentifikasi pasien yang memerlukan pemeriksaan lebih lanjut.

Organisasi Kesehatan Dunia (WHO) telah merekomendasikan penggunaan CAD untuk skrining TBC melalui rontgen dada pada kelompok usia dan kondisi yang sesuai. Pada Juni 2025, WHO mengumumkan enam produk perangkat lunak CAD yang memenuhi standar kinerja untuk skrining TBC pada orang berusia 15 tahun ke atas. Hasil skrining positif tetap memerlukan pemeriksaan konfirmasi sebelum pengobatan dimulai.

Mengapa AI Penting dalam Skrining TBC?

TBC masih menjadi tantangan kesehatan masyarakat di Indonesia. Salah satu hambatan penanggulangannya adalah menemukan kasus secara dini, termasuk pada orang yang belum menyadari gejalanya.

Pemeriksaan rontgen dada dapat membantu mengidentifikasi kelainan paru yang memerlukan evaluasi lebih lanjut. Namun, jumlah pemeriksaan yang besar, keterbatasan tenaga ahli di sejumlah wilayah, serta kebutuhan mempercepat alur pelayanan dapat menjadi tantangan bagi fasilitas kesehatan.

AI berpotensi membantu melalui beberapa cara:

• Skrining lebih efisien: membantu memproses citra rontgen dalam alur pemeriksaan yang terstruktur.
• Prioritas pemeriksaan: menghasilkan skor yang dapat membantu menentukan pasien yang perlu dievaluasi lebih dahulu.
• Dukungan untuk layanan di daerah: dapat mendukung program skrining di fasilitas yang memiliki keterbatasan akses terhadap tenaga ahli, dengan tata kelola klinis yang sesuai.
• Dokumentasi digital: hasil analisis dapat diintegrasikan dengan sistem pencitraan untuk mendukung alur kerja radiologi.

Pada Agustus 2026, Kementerian Kesehatan RI mengumumkan perluasan skrining TBC menggunakan rontgen dada berbasis AI di pesantren dan permukiman padat penduduk. Program tersebut menunjukkan bahwa teknologi ini semakin relevan dalam upaya penemuan kasus secara aktif di Indonesia.

Bagaimana Cara Kerja AI dalam Membaca Rontgen?

Secara umum, alur penggunaan AI untuk skrining TBC dapat dijelaskan melalui tahapan berikut.

1. Pengambilan citra rontgen

Pasien menjalani pemeriksaan rontgen dada menggunakan perangkat radiografi digital. Citra yang dihasilkan menjadi bahan untuk analisis lebih lanjut.

2. Citra dikirim ke perangkat lunak AI

Citra digital dikirim ke aplikasi CAD melalui alur kerja yang tersedia. Bergantung pada sistemnya, pemrosesan dapat dilakukan secara lokal atau melalui infrastruktur server maupun cloud.

3. AI menganalisis pola citra

Algoritma memproses karakteristik visual pada citra dan mencari pola yang berhubungan dengan kemungkinan kelainan paru yang berkaitan dengan TBC. Sistem dapat menghasilkan skor atau penanda area yang perlu diperhatikan.

4. Hasil digunakan untuk menentukan tindak lanjut

Skor AI membantu tenaga kesehatan melakukan triase atau menentukan prioritas pemeriksaan. Ambang skor harus disesuaikan dengan tujuan penggunaan dan karakteristik populasi, bukan dianggap sebagai nilai universal untuk semua sistem.

5. Pemeriksaan konfirmasi dilakukan

Jika hasil skrining menunjukkan kemungkinan TBC, pasien menjalani evaluasi klinis dan pemeriksaan lanjutan sesuai pedoman, misalnya tes diagnostik molekuler cepat dari spesimen pernapasan. Hasil AI maupun rontgen saja tidak cukup untuk memastikan diagnosis TBC.

Peran PACS dalam Implementasi AI Radiologi

Agar pemanfaatan AI berjalan efektif, fasilitas kesehatan membutuhkan alur pengelolaan citra medis yang terstruktur. Di sinilah Picture Archiving and Communication System (PACS) memiliki peran penting.

PACS merupakan sistem untuk menyimpan, mengelola, menampilkan, dan mendistribusikan citra medis digital. Dalam implementasi AI radiologi, PACS dapat menjadi bagian dari infrastruktur yang menghubungkan perangkat rontgen, aplikasi analisis AI, dan tenaga kesehatan.

Beberapa fungsi yang relevan meliputi:

• Penyimpanan citra digital: membantu menjaga citra pemeriksaan agar dapat diakses sesuai hak dan kewenangan pengguna.
• Integrasi alur kerja: mendukung pertukaran citra melalui standar seperti DICOM apabila sistem terkait kompatibel.
• Akses hasil pemeriksaan: memungkinkan tenaga kesehatan melihat citra dan hasil analisis melalui aplikasi yang terintegrasi.
• Dukungan teleradiologi: membantu distribusi citra untuk pembacaan jarak jauh jika infrastruktur, jaringan, dan prosedur klinis tersedia.
• Pengelolaan keamanan data: mendukung pengaturan akses, pencatatan aktivitas, pencadangan, dan tata kelola informasi medis sesuai kemampuan sistem.

Penting dipahami bahwa PACS dan AI memiliki fungsi berbeda. PACS mengelola alur dan penyimpanan citra, sedangkan perangkat lunak CAD melakukan analisis untuk tujuan skrining tertentu. Keduanya dapat saling melengkapi, tetapi integrasi harus diuji dan tidak otomatis tersedia pada setiap produk.

AI vs Pembacaan Rontgen Konvensional

Aspek	AI untuk skrining	Pembacaan oleh tenaga ahli
Kecepatan pemrosesan	Dapat menghasilkan skor secara otomatis	Bergantung pada antrean dan alur kerja
Konsistensi	Menggunakan algoritma yang sama sesuai konfigurasi	Dapat bervariasi menurut pengalaman dan kondisi pembaca
Interpretasi klinis	Terbatas pada kemampuan dan tujuan perangkat lunak	Dapat mempertimbangkan konteks klinis secara lebih luas
Penyakit di luar cakupan	Hanya mendeteksi temuan yang didukung dan divalidasi	Dapat menilai berbagai kemungkinan kelainan
Peran dalam skrining	Membantu triase dan prioritas pemeriksaan	Menilai citra dan mengintegrasikan temuan dengan konteks klinis

AI bukan pengganti universal bagi dokter radiologi. Manfaatnya bergantung pada tujuan penggunaan, validasi perangkat lunak, kualitas citra, populasi pasien, dan integrasi ke dalam alur klinis.

Apa Saja Keterbatasan AI untuk Deteksi TBC?

Walaupun menjanjikan, teknologi AI memiliki sejumlah keterbatasan yang harus diperhatikan oleh rumah sakit.

1. Hasil positif bukan diagnosis pasti. Citra yang menunjukkan kelainan dapat disebabkan oleh berbagai kondisi. Diagnosis TBC memerlukan evaluasi yang sesuai dan pemeriksaan konfirmasi berdasarkan pedoman.

2. Hasil negatif tidak selalu menyingkirkan TBC. Pasien yang memiliki gejala atau faktor risiko tetap perlu dievaluasi meskipun skor AI rendah.

3. Kinerja dapat berbeda antar-populasi. Algoritma yang bekerja baik pada satu kelompok belum tentu menunjukkan kinerja yang sama pada kelompok lain. Validasi lokal dan pemantauan berkala penting dilakukan.

4. Kualitas citra memengaruhi analisis. Posisi pasien, kualitas akuisisi, artefak, dan jenis citra dapat memengaruhi hasil pemrosesan.

5. Keamanan dan privasi harus dijaga. Rumah sakit perlu mengevaluasi bagaimana citra dan data pasien dikirim, disimpan, diproses, serta diakses oleh penyedia teknologi.

Hal yang Perlu Disiapkan Rumah Sakit Sebelum Mengadopsi AI

Sebelum menerapkan AI untuk skrining TBC, rumah sakit atau klinik sebaiknya mengevaluasi beberapa aspek berikut:

1. Kesesuaian klinis: pastikan perangkat lunak ditujukan untuk penggunaan yang dibutuhkan dan memiliki bukti validasi yang memadai.
2. Infrastruktur digital: periksa kesiapan rontgen digital, jaringan, komputer, server, dan penyimpanan citra.
3. Integrasi sistem: evaluasi kompatibilitas AI dengan PACS, RIS, SIMRS, dan sistem lain yang digunakan.
4. Alur tindak lanjut: tetapkan siapa yang meninjau hasil, bagaimana pasien dirujuk, dan bagaimana pemeriksaan konfirmasi dilakukan.
5. Keamanan data: tentukan kebijakan akses, retensi, pencadangan, dan perlindungan informasi pasien.
6. Evaluasi kinerja: pantau waktu pemrosesan, tingkat hasil positif, hasil pemeriksaan konfirmasi, dan dampak terhadap alur pelayanan.

Kesimpulan

AI untuk membaca rontgen dada menawarkan peluang untuk meningkatkan efisiensi skrining TBC, membantu menentukan prioritas pemeriksaan, dan memperluas jangkauan layanan kesehatan. Pemanfaatannya di Indonesia juga semakin relevan dengan program skrining aktif yang melibatkan teknologi rontgen berbasis AI.

Namun, AI harus digunakan sebagai bagian dari alur pelayanan yang terintegrasi dengan tenaga kesehatan, pemeriksaan konfirmasi, dan tata kelola data yang baik. PACS dapat mendukung fondasi digital tersebut melalui pengelolaan citra medis yang terstruktur dan integrasi dengan sistem radiologi lainnya.

Bagi fasilitas kesehatan yang sedang melakukan digitalisasi, kombinasi rontgen digital, AI yang tervalidasi, dan infrastruktur PACS yang sesuai dapat menjadi salah satu pendekatan untuk membangun layanan radiologi yang lebih terorganisasi, efisien, dan mudah dikembangkan.

Ingin memahami bagaimana PACS dapat mendukung alur kerja radiologi digital di fasilitas kesehatan Anda? Pelajari kebutuhan integrasi citra medis, keamanan data, dan kompatibilitas sistem sebelum memilih solusi yang sesuai.

Referensi

1. World Health Organization. Use of computer-aided detection software for tuberculosis screening: WHO policy statement, 2025. https://www.who.int/publications/i/item/9789240110373
2. Kementerian Kesehatan RI. Kemenkes dan Qure.ai Jalin Kerja Sama Pemanfaatan Kecerdasan Buatan dalam Deteksi TB, 26 Februari 2025. https://www.kemkes.go.id/id/kemenkes-dan-qure-ai-jalin-kerja-sama-pemanfaatan-kecerdasan-buatan-dalam-deteksi-tb
3. Kementerian Kesehatan RI. Kemenkes Perluas Skrining TB, Sasar Pesantren dan Pemukiman Padat di Seluruh Indonesia, 13 Agustus 2026. https://www.kemkes.go.id/id/kemenkes-perluas-skrining-tb-sasar-pesantren-dan-pemukiman-padat-di-seluruh-indonesia
4. Kementerian Kesehatan RI. AI Bantu Deteksi TBC, tetapi Dokter Ingatkan Risiko Diagnosis Mandiri, 26 November 2025. https://www.kemkes.go.id/id/ai-bantu-deteksi-tbc-tetapi-dokter-ingatkan-risiko-diagnosis-mandiri