Artificial Intelligence atau AI semakin banyak digunakan di berbagai bidang, termasuk kesehatan. Istilah seperti Machine Learning<\/em>, Generative AI<\/em>, dan predictive analytics<\/em> kini semakin sering muncul dalam diskusi tentang pelayanan kesehatan maupun kesehatan masyarakat.<\/p>\n\n\n\n Namun, dalam konteks public health, pertanyaan terpenting bukan sekadar:<\/p>\n\n\n\n \u201cAlgoritma apa yang paling canggih?\u201d<\/strong><\/p>\n\n\n\n Pertanyaan yang lebih penting adalah:<\/p>\n\n\n\n \u201cMasalah kesehatan masyarakat apa yang dapat diselesaikan dengan lebih baik menggunakan AI?\u201d<\/strong><\/p>\n\n\n\n Di sinilah konsep Applied AI for Public Health<\/strong> menjadi relevan.<\/p>\n\n\n\n Secara sederhana, Applied AI adalah penerapan Artificial Intelligence untuk menyelesaikan masalah nyata.<\/p>\n\n\n\n Dalam kesehatan masyarakat, AI dapat digunakan untuk membantu:<\/p>\n\n\n\n Salah satu pendekatan AI yang paling banyak digunakan adalah Machine Learning<\/strong>.<\/p>\n\n\n\n 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.<\/p>\n\n\n\n Dalam banyak proyek Machine Learning, perhatian sering terlalu besar pada performa algoritma.<\/p>\n\n\n\n Misalnya:<\/p>\n\n\n\n Angka-angka tersebut tentu penting, tetapi belum cukup.<\/p>\n\n\n\n Dalam Applied AI, model harus memiliki tujuan yang jelas dan dapat digunakan dalam praktik.<\/p>\n\n\n\n Urutannya sebaiknya dimulai dari:<\/p>\n\n\n\n Masalah kesehatan \u2192 Data \u2192 Model \u2192 Evaluasi \u2192 Implementasi \u2192 Keputusan<\/strong><\/p>\n\n\n\n Bukan dimulai dari memilih algoritma.<\/p>\n\n\n\n Sebagai contoh, kita dapat memulai dengan pertanyaan:<\/p>\n\n\n\n Bagaimana mengidentifikasi individu yang berisiko tinggi mengalami hipertensi?<\/p>\n<\/blockquote>\n\n\n\n Setelah masalahnya jelas, baru kita menentukan data yang dibutuhkan, variabel yang tersedia, metode analisis, dan model yang paling sesuai.<\/p>\n\n\n\n Machine Learning tidak menggantikan biostatistik.<\/p>\n\n\n\n Keduanya justru saling melengkapi.<\/p>\n\n\n\n Biostatistik sering digunakan untuk memahami hubungan antarvariabel dan menjelaskan faktor-faktor yang berhubungan dengan suatu outcome.<\/p>\n\n\n\n Machine Learning lebih sering digunakan untuk meningkatkan kemampuan prediksi.<\/p>\n\n\n\n Secara sederhana:<\/p>\n\n\n\n Biostatistik membantu menjawab \u201cmengapa\u201d.<\/strong><\/p>\n\n\n\n Machine Learning membantu menjawab \u201csiapa yang kemungkinan akan mengalami sesuatu\u201d.<\/strong><\/p>\n\n\n\n Dalam kesehatan masyarakat, kedua pertanyaan tersebut sama-sama penting.<\/p>\n\n\n\n Nilai sebuah model meningkat ketika hasilnya dapat digunakan.<\/p>\n\n\n\n Model Machine Learning dapat diterjemahkan menjadi:<\/p>\n\n\n\n Misalnya, sebuah model menghasilkan probabilitas seseorang mengalami hipertensi sebesar 70%.<\/p>\n\n\n\n Pertanyaan berikutnya bukan lagi tentang model, tetapi:<\/p>\n\n\n\n Apa yang harus dilakukan setelah risiko tersebut diketahui?<\/strong><\/p>\n\n\n\n Apakah orang tersebut perlu mendapatkan skrining lebih lanjut? Apakah diperlukan intervensi gaya hidup? Apakah kelompok tersebut perlu menjadi prioritas program?<\/p>\n\n\n\n Di titik inilah AI mulai memberikan nilai nyata bagi kesehatan masyarakat.<\/p>\n\n\n\n Artificial Intelligence sebaiknya ditempatkan sebagai alat, bukan sebagai tujuan.<\/p>\n\n\n\n Tujuan kesehatan masyarakat tetap sama: memahami masalah kesehatan, menemukan kelompok berisiko, meningkatkan efektivitas intervensi, dan memperbaiki kesehatan populasi.<\/p>\n\n\n\n Karena itu, Applied AI for Public Health bukan sekadar tentang membuat model yang akurat.<\/p>\n\n\n\n Yang lebih penting adalah bagaimana model tersebut relevan, dapat dijelaskan, dapat digunakan, dan memberikan manfaat dalam pengambilan keputusan kesehatan masyarakat<\/strong>.<\/p>\n","protected":false},"excerpt":{"rendered":" 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\u2026<\/p>\n","protected":false},"author":1,"featured_media":24,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"pagelayer_contact_templates":[],"_pagelayer_content":"","footnotes":""},"categories":[3],"tags":[],"class_list":["post-8","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-applied-ai-ml-for-publich-health"],"yoast_head":"\nApa itu Applied AI?<\/h2>\n\n\n\n
\n
Bukan Sekadar Membuat Model<\/h2>\n\n\n\n
\n
\n
Machine Learning dan Biostatistik<\/h2>\n\n\n\n
Dari Model Menjadi Sistem<\/h2>\n\n\n\n
\n
AI sebagai Alat<\/h2>\n\n\n\n