Applied AI untuk Kesehatan Masyarakat
Artificial Intelligence atau AI semakin banyak digunakan di berbagai bidang, termasuk kesehatan. Istilah seperti Machine Learning, Generative AI, dan predictive analytics kini semakin sering muncul dalam diskusi tentang pelayanan kesehatan maupun kesehatan masyarakat.
Namun, dalam konteks public health, pertanyaan terpenting bukan sekadar:
“Algoritma apa yang paling canggih?”
Pertanyaan yang lebih penting adalah:
“Masalah kesehatan masyarakat apa yang dapat diselesaikan dengan lebih baik menggunakan AI?”
Di sinilah konsep Applied AI for Public Health menjadi relevan.
Apa itu Applied AI?
Secara sederhana, Applied AI adalah penerapan Artificial Intelligence untuk menyelesaikan masalah nyata.
Dalam kesehatan masyarakat, AI dapat digunakan untuk membantu:
- memprediksi risiko penyakit,
- mengidentifikasi kelompok berisiko tinggi,
- mendeteksi pola kejadian penyakit,
- menganalisis data kesehatan dalam jumlah besar,
- mendukung surveilans,
- dan membantu pengambilan keputusan program kesehatan.
Salah satu pendekatan AI yang paling banyak digunakan adalah Machine Learning.
Machine Learning memungkinkan komputer mempelajari pola dari data. Misalnya, dari data usia, indeks massa tubuh, tekanan darah, kebiasaan merokok, dan aktivitas fisik, sebuah model dapat dikembangkan untuk memperkirakan risiko seseorang mengalami hipertensi.
Bukan Sekadar Membuat Model
Dalam banyak proyek Machine Learning, perhatian sering terlalu besar pada performa algoritma.
Misalnya:
- accuracy 85%,
- AUC 0,82,
- atau model tertentu lebih baik daripada model lain.
Angka-angka tersebut tentu penting, tetapi belum cukup.
Dalam Applied AI, model harus memiliki tujuan yang jelas dan dapat digunakan dalam praktik.
Urutannya sebaiknya dimulai dari:
Masalah kesehatan → Data → Model → Evaluasi → Implementasi → Keputusan
Bukan dimulai dari memilih algoritma.
Sebagai contoh, kita dapat memulai dengan pertanyaan:
Bagaimana mengidentifikasi individu yang berisiko tinggi mengalami hipertensi?
Setelah masalahnya jelas, baru kita menentukan data yang dibutuhkan, variabel yang tersedia, metode analisis, dan model yang paling sesuai.
Machine Learning dan Biostatistik
Machine Learning tidak menggantikan biostatistik.
Keduanya justru saling melengkapi.
Biostatistik sering digunakan untuk memahami hubungan antarvariabel dan menjelaskan faktor-faktor yang berhubungan dengan suatu outcome.
Machine Learning lebih sering digunakan untuk meningkatkan kemampuan prediksi.
Secara sederhana:
Biostatistik membantu menjawab “mengapa”.
Machine Learning membantu menjawab “siapa yang kemungkinan akan mengalami sesuatu”.
Dalam kesehatan masyarakat, kedua pertanyaan tersebut sama-sama penting.
Dari Model Menjadi Sistem
Nilai sebuah model meningkat ketika hasilnya dapat digunakan.
Model Machine Learning dapat diterjemahkan menjadi:
- kalkulator risiko,
- dashboard,
- aplikasi web,
- sistem deteksi dini,
- atau decision support system.
Misalnya, sebuah model menghasilkan probabilitas seseorang mengalami hipertensi sebesar 70%.
Pertanyaan berikutnya bukan lagi tentang model, tetapi:
Apa yang harus dilakukan setelah risiko tersebut diketahui?
Apakah orang tersebut perlu mendapatkan skrining lebih lanjut? Apakah diperlukan intervensi gaya hidup? Apakah kelompok tersebut perlu menjadi prioritas program?
Di titik inilah AI mulai memberikan nilai nyata bagi kesehatan masyarakat.
AI sebagai Alat
Artificial Intelligence sebaiknya ditempatkan sebagai alat, bukan sebagai tujuan.
Tujuan kesehatan masyarakat tetap sama: memahami masalah kesehatan, menemukan kelompok berisiko, meningkatkan efektivitas intervensi, dan memperbaiki kesehatan populasi.
Karena itu, Applied AI for Public Health bukan sekadar tentang membuat model yang akurat.
Yang lebih penting adalah bagaimana model tersebut relevan, dapat dijelaskan, dapat digunakan, dan memberikan manfaat dalam pengambilan keputusan kesehatan masyarakat.