Bayangkan seorang mahasiswa kedokteran tingkat akhir sedang berjaga di IGD. Secara bersamaan, layar gawainya menunjukkan sebuah sistem Artificial intelligence ( AI) atau kecerdasan buatan sudah lebih dulu menandai hasil rontgen toraks pasien sebagai “curiga pneumonia berat”. Sistem ini menyarankan urutan prioritas penanganan berdasarkan riwayat ribuan pasien serupa yang tersimpan dalam rekam medis elektronik. Pertanyaannya bukan lagi apakah AI akan hadir di ruang praktik dokter Indonesia—AI sudah ada di sana. Pertanyaannya adalah: sudah siapkah kurikulum pendidikan kedokteran kita mencetak dokter yang mampu bekerja bersama AI, bukan sekadar dikejutkan olehnya?

Pertanyaan ini menjadi semakin mendesak seiring bergulirnya visi Masyarakat 5.0 (Society 5.0) yang dicanangkan Jepang sejak 2016—sebuah masyarakat super-cerdas yang melebur ruang fisik dan ruang digital melalui AI, Internet of Things, dan big data, dengan manusia tetap menjadi pusatnya. Bagi dunia kedokteran, dua elemen Society 5.0 paling terasa dampaknya: kecerdasan buatan yang kini membantu mendiagnosis, meresepkan, dan memprediksi risiko pasien, serta big data klinis yang menjadi bahan bakar sistem kesehatan yang terus “belajar” dari setiap data pasien yang terekam.

Bukan Sekadar Menambah Mata Kuliah

Banyak orang membayangkan solusinya sederhana: tambahkan saja satu mata kuliah “AI dalam Kedokteran” ke kurikulum. Sayangnya, tinjauan terhadap puluhan penelitian internasional menunjukkan pendekatan seperti ini tidak cukup. Kompetensi yang dibutuhkan dokter masa depan ternyata sangat multidimensi—bukan hanya kemampuan teknis membaca output algoritma, tetapi juga kepekaan etika, kemampuan berkomunikasi dengan pasien tentang keputusan yang dibantu mesin, hingga kemampuan berkolaborasi lintas profesi dengan ilmuwan data.

Oleh karena kompleksitas inilah, para ahli pendidikan kedokteran dunia mengusulkan agar kompetensi AI ditanamkan secara berjenjang dan berulang sepanjang masa studi—–dikenal sebagai kurikulum spiral. Pada tahun pra-klinik awal, mahasiswa cukup diperkenalkan pada literasi dasar digital health: apa itu algoritma, dari mana data berasal, dan mengapa bias data bisa berbahaya. Memasuki tahun klinik, kompetensi ini diperdalam menjadi keterampilan praktis—-misalnya, berlatih menilai secara kritis rekomendasi sistem pendukung keputusan klinis saat mendampingi pasien sungguhan, di bawah bimbingan dokter pendidik klinis. Barulah pada jenjang pendidikan spesialis, penekanan bergeser ke riset dan pengembangan inovasi AI itu sendiri. Beberapa fakultas kedokteran bahkan mengelompokkan mahasiswa dalam tiga peran: “pengguna kritis” output AI, “penerjemah” yang menjembatani temuan teknis dengan praktik klinis, hingga “pengembang” bagi yang berminat merancang model AI baru.

Kesiapan Bukan Hanya Soal Mahasiswa

Menariknya, riset justru menunjukkan bahwa hambatan terbesar bukan pada mahasiswa. Survei terhadap mahasiswa kedokteran di berbagai negara,termasuk data dari salah satu fakultas kedokteran di Indonesia, memperlihatkan sikap yang cukup positif terhadap AI, meski pengetahuan formal mereka masih terbatas karena minimnya pengajaran sistematis. Hambatan yang lebih besar justru ada pada kesiapan institusi: dosen yang belum percaya diri mengajarkan topik ini, ketiadaan kebijakan penggunaan AI yang jelas, serta proses perubahan kurikulum yang sering berjalan tanpa arah yang tegas ataupun ruang bagi pengajar untuk beradaptasi sesuai konteks masing-masing.

Karena itu, transformasi kurikulum yang berhasil selalu berjalan beriringan dengan program pengembangan dosen yang terstruktur dan bertahap, bukan pelatihan sekali jalan. Model yang terbukti efektif biasanya dimulai dari lokakarya praktis penggunaan alat AI dalam mengajar, baru dilanjutkan dengan diskusi mendalam tentang batasan etika dan kebijakan penggunaannya.

Etika Bukan Tempelan, Melainkan Fondasi

Satu pelajaran penting lain dari literatur adalah dimensi etika dan tata kelola data tidak boleh diperlakukan sebagai satu sesi kuliah tambahan pada akhir semester. Studi di beberapa negara berkembang menemukan bahwa kurang dari separuh mahasiswa maupun dokter lulusan baru menyadari bahwa AI bisa memperkuat bias yang sudah ada dalam layanan kesehatan—misalnya bias terhadap kelompok pasien tertentu akibat data pelatihan yang tidak representatif. Kesadaran ini seharusnya dibangun sejak modul pertama, serta melekat pada setiap kasus dan setiap penggunaan data pasien yang dipelajari mahasiswa, bukan diajarkan terpisah dari konteks klinis.

Peluang bagi Pendidikan Kedokteran Indonesia

Kabar baiknya, kurikulum kedokteran tidak perlu dibongkar total untuk mengakomodasi semua ini. Kerangka desain kurikulum yang sudah mapan – mulai dari pendekatan berbasis kompetensi hingga model Entrustable Professional Activities yang sudah lama digunakan menilai kesiapan mahasiswa menangani tugas klinis – terbukti dapat diperluas untuk turut menilai kesiapan mahasiswa “dipercaya” bekerja bersama AI, tanpa harus menciptakan sistem penilaian yang sama sekali baru.

Di sinilah letak peluang strategis bagi institusi pendidikan kedokteran Indonesia: merumuskan kerangka kurikulum kontekstual yang mengintegrasikan AI dan big data klinis secara sistematis, bertahap, dan tetap berpijak pada nilai-nilai profesionalisme serta kemanusiaan yang selama ini menjadi jantung profesi dokter. Sebab pada akhirnya, tujuan transformasi ini bukan mencetak dokter yang tunduk pada mesin, melainkan dokter yang cukup bijak untuk tahu kapan mempercayai AI dan kapan harus mempercayai penilaian klinisnya sendiri.

Penulis: Yoyo Suhoyo