Penggunaan teknologi kecerdasan buatan (AI) di sektor medis belum dapat dikategorikan sebagai solusi komprehensif bagi Indonesia jika pemanfaatannya masih terbatas di rumah sakit besar perkotaan. Tantangan geografis yang membentang di tanah air menjadi ujian nyata bagi efektivitas teknologi ini dalam menjangkau masyarakat di tingkat akar rumput.
Pandangan kritis tersebut disampaikan oleh Guru Besar Universitas Muhammadiyah Yogyakarta (UMY), Prof. Ir. Slamet Riyadi, S.T., M.Sc., Ph.D., saat berbicara dalam forum International Conference on Sustainable Innovation (ICoSI) 2026 di kampus UMY. Ia menekankan bahwa sistem AI yang terbukti sukses di rumah sakit rujukan tingkat akhir belum tentu dapat beroperasi optimal di pusat kesehatan masyarakat (puskesmas) atau klinik di wilayah kepulauan terpencil.
Menurut Slamet, terdapat kesenjangan kesiapan yang signifikan antarwilayah di Indonesia. Setidaknya ada lima parameter utama yang membedakannya, yakni tingkat kematangan data lokal, infrastruktur konektivitas internet, ketersediaan tenaga medis yang terampil mengoperasikan teknologi, sistem alur rujukan pasien, serta regulasi tata kelola setempat. Faktor-faktor krusial inilah yang sering kali terabaikan dalam penilaian kesiapan penerapan AI dalam skala nasional.
Selain itu, ia juga menyoroti timpangnya akses masyarakat terhadap layanan dokter spesialis, terutama di bidang radiologi dan diagnostik penunjang yang saat ini masih tersentralisasi di kota-kota besar. Kondisi ini diperparah oleh kendala administrasi medis, di mana rekam jejak data kesehatan pasien kerap kali tidak terintegrasi secara digital saat pasien harus dirujuk antar-fasilitas kesehatan.
Sebagai contoh kasus, Slamet memaparkan uji coba teknologi qXR dan qTrack, yaitu sistem analisis rontgen dada berbasis kecerdasan buatan untuk mendeteksi tuberkulosis dan puluhan indikasi klinis lainnya. Meski telah diuji coba di beberapa rumah sakit seperti RSUP Fatmawati, RSUP Dr. M. Djamil, dan RSPON, proyek ini masih berstatus sebagai proyek riset klinis percontohan, bukan bagian dari program rutin pelayanan kesehatan nasional.
Prof. Slamet menegaskan bahwa keberhasilan sebuah inovasi di laboratorium riset tidak otomatis menjamin kesuksesannya saat diimplementasikan secara massal. Penerapan AI kesehatan baru layak diperluas jika memenuhi syarat mutlak, mulai dari kesesuaian alur kerja di lapangan, kesiapan infrastruktur dan SDM, interoperabilitas data, jaminan privasi pasien, hingga kolaborasi lintas sektor yang kuat antara klinisi dan pemerintah.
