FK-KMK UGM. Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan Universitas Gadjah Mada (FK-KMK UGM) menyelenggarakan diseminasi hasil penelitian bertajuk “TBScreen.AI: Pengembangan Kecerdasan Buatan untuk Skrining Tuberkulosis dengan X-ray Dada di Daerah Terpencil di Indonesia” sebagai upaya memperkuat inovasi skrining tuberkulosis (TB) berbasis kecerdasan buatan.
Kegiatan yang berlangsung pada Senin, 3 Agustus 2026, di Jakarta ini menghadirkan peneliti, pemerintah, organisasi profesi, serta berbagai pemangku kepentingan untuk membahas hasil penelitian sekaligus arah pengembangan teknologi skrining TB di Indonesia. Melalui forum ini, FK-KMK UGM menegaskan komitmennya dalam menghadirkan inovasi berbasis riset yang mendukung percepatan penemuan kasus TB, terutama di wilayah dengan keterbatasan akses layanan kesehatan.
Dalam kesempatan tersebut, peneliti utama TBScreen.AI, dr. Antonia Morita Iswari Saktiawati, Ph.D., memaparkan capaian penelitian yang telah berlangsung selama dua tahun. Hasil evaluasi menunjukkan bahwa TBScreen.AI memiliki sensitivitas sebesar 83 persen dan spesifisitas 87 persen dalam mendukung proses skrining tuberkulosis. Temuan tersebut menunjukkan potensi besar kecerdasan buatan sebagai alat bantu identifikasi awal kasus TB, meskipun teknologi ini masih memerlukan validasi lanjutan sebelum dapat diimplementasikan secara luas dalam pelayanan kesehatan.
Penelitian TBScreen.AI merupakan kolaborasi multidisiplin yang melibatkan Universitas Gadjah Mada, University of Melbourne, Universitas Sebelas Maret, Monash University Indonesia, Pusat Rehabilitasi YAKKUM, Sentra Advokasi Perempuan, Difabel, dan Anak (SAPDA), serta Yayasan Pengembangan Kesehatan dan Masyarakat Papua dengan dukungan program KONEKSI Indonesia–Australia. Kolaborasi tersebut bertujuan mengembangkan sekaligus memvalidasi sistem kecerdasan buatan berbasis foto rontgen dada sebagai alat bantu skrining TB yang dapat dimanfaatkan, terutama di daerah terpencil dengan keterbatasan tenaga ahli radiologi.
Secara teknis, pengembangan TBScreen.AI dilakukan melalui proses pengumpulan, validasi, dan anotasi ribuan citra rontgen dada sehingga sistem mampu menghasilkan confidence score dengan rentang 0–100 persen. Salah satu anggota tim peneliti, Wahyono, S.Kom., Ph.D., menjelaskan bahwa nilai tersebut menggambarkan tingkat keyakinan model terhadap hasil skrining. Namun demikian, hasil tersebut tidak dapat dijadikan dasar diagnosis akhir. Penegakan diagnosis tetap harus mempertimbangkan gejala klinis pasien, faktor risiko, hasil pemeriksaan penunjang, serta penilaian tenaga medis.
Diseminasi penelitian ini dihadiri oleh berbagai institusi, di antaranya Kementerian Kesehatan RI, Bappenas, Komite Ahli Tuberkulosis (Komli TB), Jejaring Riset Tuberkulosis (Jetset TB), Koalisi Organisasi Profesi Indonesia untuk Penanggulangan Tuberkulosis (KOPI TB), Perkumpulan Pemberantasan Tuberkulosis Indonesia (PPTI), Perkumpulan Penyandang Disabilitas Indonesia (PPDI), serta berbagai organisasi yang bergerak di bidang penanggulangan TB dan disabilitas. Forum tersebut menghasilkan sejumlah rekomendasi strategis, salah satunya perlunya validasi lanjutan menggunakan hingga 40.000 foto rontgen dada agar performa sistem dapat diuji pada populasi yang lebih luas. Tim peneliti juga didorong untuk berkoordinasi dengan Kementerian Kesehatan RI yang saat ini tengah memperluas program active case finding (ACF) di berbagai daerah.
Staf Tim Kerja Tuberkulosis Kementerian Kesehatan RI, Rita Aryati, SKM, MM, menyampaikan bahwa Indonesia masih menghadapi tantangan besar dalam menemukan dan menotifikasi seluruh kasus TB. “Indonesia masih menduduki peringkat kedua sebagai negara dengan beban kasus TB tertinggi di dunia,” ungkapnya. Ia menilai hasil penelitian TBScreen.AI sejalan dengan amanat Peraturan Presiden Nomor 67 Tahun 2021 mengenai Penanggulangan Tuberkulosis yang menekankan pentingnya pemanfaatan hasil riset dan inovasi teknologi dalam skrining, diagnosis, maupun tata laksana penyakit TB.
Selain mengembangkan teknologi berbasis kecerdasan buatan, penelitian ini juga mengeksplorasi berbagai faktor yang memengaruhi akses masyarakat terhadap layanan skrining dan diagnosis tuberkulosis. Hasil penelitian mengidentifikasi empat kelompok hambatan utama, yaitu keterbatasan fasilitas kesehatan dan sistem pelayanan, kendala pembiayaan dan perlindungan asuransi, faktor budaya serta stigma yang masih melekat pada pasien, serta hambatan transportasi, aksesibilitas, dan dukungan sosial. Temuan tersebut menunjukkan bahwa pengembangan teknologi perlu diiringi dengan penguatan sistem pelayanan kesehatan agar manfaat inovasi dapat dirasakan secara merata oleh seluruh kelompok masyarakat, termasuk penyandang disabilitas.
Direktur Pelayanan Kesehatan Kelompok Rentan Kementerian Kesehatan RI, dr. Imran Pambudi, MPH, menilai pemanfaatan kecerdasan buatan dapat menjadi salah satu solusi untuk mempercepat skrining TB. “Risiko orang dengan disabilitas untuk terkena TB itu lebih besar,” jelasnya. Menurutnya, proses skrining yang lebih cepat akan mempercepat penemuan kasus sehingga pengobatan dapat segera dimulai dan risiko penularan di masyarakat dapat ditekan. Ia juga berharap teknologi ini nantinya dapat diintegrasikan dengan program Cek Kesehatan Gratis (CKG) agar jangkauan layanan skrining semakin luas.
Kegiatan ini turut mendukung pencapaian SDG 3 Kehidupan Sehat dan Sejahtera melalui pengembangan inovasi skrining yang mendukung percepatan penemuan kasus tuberkulosis. SDG 4 Pendidikan Berkualitas diwujudkan melalui penguatan riset, diseminasi ilmu pengetahuan, dan kolaborasi akademik. SDG 9 Industri, Inovasi, dan Infrastruktur didukung melalui pengembangan teknologi kecerdasan buatan berbasis riset untuk layanan kesehatan. SDG 10 Berkurangnya Kesenjangan tercermin dari upaya menghadirkan skrining TB yang lebih inklusif bagi masyarakat di daerah terpencil dan penyandang disabilitas. SDG 17 Kemitraan untuk Mencapai Tujuan diwujudkan melalui kolaborasi antara perguruan tinggi, pemerintah, organisasi profesi, lembaga masyarakat, dan mitra internasional dalam memperkuat inovasi penanggulangan tuberkulosis. (Kontributor: Muhammad Ali Mahrus).
