AI di Pedesaan India: Harapan Baru atau Beban Baru bagi Tenaga Kesehatan?

Di tengah keterbatasan tenaga medis, kecerdasan buatan (AI) mulai menjangkau pelosok India, membantu petugas kesehatan masyarakat mendeteksi tuberkulosis (TB) hingga memantau pertumbuhan bayi baru lahir. Namun, ujian sebenarnya bukan pada kemampuan algoritma, melainkan pada sejauh mana teknologi ini mampu menyatu dengan rutinitas kerja mereka yang sudah padat.

Di desa Chagallu, Andhra Pradesh, Panthula Uha dan timnya—yang dikenal sebagai Aktivis Kesehatan Sosial Terakreditasi (ASHA)—kini berkeliling dari rumah ke rumah meminta warga batuk ke arah ponsel pintar. Aplikasi bernama Swaasa yang memanfaatkan AI ini dirancang untuk mendeteksi pola suara batuk yang mengindikasikan gangguan pernapasan. Hasilnya, sejumlah warga tanpa gejala yang sebelumnya lolos skrining konvensional kini bisa dirujuk untuk pemeriksaan lanjutan dan mendapatkan pengobatan TB. “Dulu saya khawatir kalau batuk berkepanjangan, sekarang petugas datang ke rumah dan tesnya mudah,” ujar T. Gowramma (73), seorang pasien di desa tersebut.

Ratusan kilometer ke barat, aplikasi Shishu Maapan membantu pekerja ASHA memperkirakan berat badan dan ukuran tubuh bayi baru lahir hanya dari video singkat berdurasi sekitar 30 detik. Aplikasi ini menggantikan alat ukur konvensional yang besar dan sulit dibawa. “Awalnya kami ragu, bagaimana mungkin berat badan bisa diukur lewat ponsel,” kata Jyotsna Patel, pekerja ASHA di Daman. Namun setelah pelatihan, ia dan rekan-rekannya mampu menggunakannya secara rutin untuk memantau perkembangan bayi. Data yang terekam juga tersinkronisasi dengan sistem pemerintah, menggantikan pencatatan manual di buku register.

India memiliki sekitar 1,02 juta pekerja ASHA yang tersebar di 586.000 desa, menjadikannya program pekerja kesehatan masyarakat terbesar di dunia. Mereka adalah garda terdepan layanan kesehatan, terutama bagi ibu dan anak. Namun, beban kerja mereka terus bertambah—dari imunisasi, skrining TB, hingga pencatatan data—sehingga penambahan tugas baru berisiko membuat mereka kewalahan. Sagar Sen, Wakil Presiden Senior Qure.ai, perusahaan yang mengembangkan AI untuk analisis citra medis, menekankan pentingnya merancang AI yang selaras dengan cara kerja petugas. “Tantangannya adalah membangun AI di sekitar alur kerja mereka, sehingga bisa mengambil alih sebagian beban tanpa menghilangkan penilaian klinis,” ujarnya.

Keberhasilan program AI di India tidak lepas dari dukungan sistem. Di Goa, misalnya, Qure.ai tidak hanya menandai X-ray yang mencurigakan, tetapi juga menyediakan penavigasi pasien yang membantu koordinasi tindak lanjut. Pasien yang terindikasi masalah akan diarahkan ke spesialis dan menjalani tes lanjutan seperti CT scan. Proses yang sebelumnya memakan waktu berminggu-minggu kini bisa selesai dalam hitungan hari. Namun, tanpa sistem kesehatan yang siap menindaklanjuti temuan AI, teknologi ini justru dapat menciptakan hambatan baru. “Algoritma yang menghasilkan banyak temuan tanpa sistem yang mampu menanganinya hanya akan menjadi bottleneck,” kata Sen.

Meski menjanjikan, adopsi AI di lapangan tidak selalu mulus. Sebagian pekerja ASHA merasa kesulitan menggunakan aplikasi karena perbedaan usia, tingkat pendidikan, dan familiaritas dengan teknologi. Masalah konektivitas dan kekhawatiran petugas meminta warga batuk di dekat ponsel pribadi mereka juga menjadi kendala. Dr. Nammi Vasundhara, pejabat TB di East Godavari, menyarankan perlunya perangkat khusus untuk tes semacam itu jika ingin diterapkan secara luas. Sementara itu, Salcit Technologies, pengembang Swaasa, mengakui bahwa mereka belum mendapatkan izin resmi dari pemerintah negara bagian untuk peluncuran massal. “Kami telah berbicara dengan semua pemerintah negara bagian, tetapi kami tidak tahu persis apa yang diperlukan untuk beralih dari proyek percontohan ke implementasi penuh,” kata CEO Venkat Yechuri.

Pengalaman India menegaskan bahwa kunci keberhasilan AI dalam kesehatan masyarakat bukan hanya pada kecanggihan teknologi, melainkan pada integrasi dengan sistem yang ada. Dr. Devi Shetty, pendiri Narayana Health, berpendapat bahwa AI seharusnya membebaskan perawat dan dokter dari tugas-tugas repetitif agar mereka bisa lebih fokus pada pasien. “Pekerjaan yang paling membosankan dan monoton sebaiknya diserahkan pada teknologi,” katanya. Namun, kepercayaan pasien terhadap teknologi juga menjadi tantangan tersendiri. Rohan Devidas, yang memimpin tim navigator pasien Qure.ai di Goa, mencontohkan seorang pria berusia 54 tahun yang menolak pemeriksaan lanjutan karena merasa sehat. Timnya kemudian melibatkan pekerja kesehatan setempat yang dikenal masyarakat untuk menjelaskan temuan dan meyakinkan pasien. “Hubungan interpersonal dengan pasien sangat penting. Awalnya mereka mungkin sulit mempercayai teknologi baru,” ujarnya.

Bagi Indonesia, pelajaran dari India sangat relevan. Dengan jumlah tenaga kesehatan yang terbatas dan wilayah geografis yang luas, AI dapat menjadi alat bantu untuk memperluas akses layanan kesehatan, terutama di daerah terpencil. Namun, tanpa perencanaan yang matang dan pelibatan petugas kesehatan sejak awal, AI bisa menjadi beban tambahan, bukan solusi. Pertanyaannya, apakah Indonesia siap mengadopsi pendekatan serupa—membangun AI yang berpusat pada kebutuhan petugas dan terintegrasi dengan sistem kesehatan yang ada? Atau akankah kita hanya menjadi penonton dalam revolusi kesehatan digital ini?