Penanganan penyakit tuberkulosis (TB) di Indonesia memasuki babak baru lewat pemanfaatan teknologi digital terintegrasi. Tim peneliti dari Universitas Gadjah Mada (UGM), dengan dukungan pendanaan dari KONEKSI, sukses mengembangkan TBScreen.AI. Platform berbasis kecerdasan buatan (AI) ini dirancang khusus untuk memindai dan membaca hasil foto rontgen dada secara cepat guna mengakselerasi proses skrining di berbagai fasilitas kesehatan.
dr. Antonia Morita Iswari Saktiawati, selaku peneliti utama sekaligus Dosen Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan (FK-KMK) UGM, menjelaskan bahwa mayoritas penderita TB di tanah air berada pada kelompok usia produktif. Keterlambatan diagnosis tidak hanya memperluas rantai penularan, tetapi juga memperberat beban sosial dan ekonomi negara. Oleh karena itu, kehadiran AI lokal ini diharapkan mampu memangkas waktu deteksi secara signifikan.
Selain mempercepat diagnosis, teknologi ini dirancang untuk mewujudkan pemerataan layanan medis hingga ke wilayah terpencil. Masyarakat di daerah pelosok serta kelompok rentan yang selama ini memiliki keterbatasan akses terhadap fasilitas penapisan standar kini dapat terjangkau dengan lebih mudah dan cepat melalui integrasi kecerdasan buatan di fasilitas kesehatan primer.
Meskipun banyak produk AI global telah direkomendasikan oleh Organisasi Kesehatan Dunia (WHO), sistem impor belum tentu cocok dengan karakteristik klinis masyarakat lokal. Melalui TBScreen.AI, tim pengembang dapat merancang algoritma mandiri yang disesuaikan dengan spektrum penyakit, tingkat prevalensi TB, serta komorbiditas khas pasien di Indonesia. Fleksibilitas ini juga memungkinan penyesuaian skor ambang deteksi tanpa ketergantungan pada standar luar negeri.
Dari sisi operasional, variasi spesifikasi dan kualitas alat rontgen yang tersebar di berbagai daerah sering kali menjadi kendala teknis. Dengan mengembangkan sistem sendiri, algoritma TBScreen.AI dapat diadaptasi untuk tetap membaca gambar paru secara akurat meskipun kualitas visual dari mesin pemindai di tiap puskesmas atau rumah sakit berbeda-beda.
Langkah mandiri ini juga menawarkan efisiensi anggaran jangka panjang bagi sektor kesehatan nasional dengan meniadakan biaya lisensi tahunan dari vendor asing. Di samping itu, kedaulatan data medis pasien terlindungi dengan aman di dalam negeri, meminimalisasi risiko kebocoran informasi klinis yang bersifat sensitif ke luar negeri. Proyek ini sekaligus menjadi ruang strategis untuk meningkatkan kapasitas talenta lokal dalam penguasaan kecerdasan buatan dan kurasi data kesehatan digital.
