Prof. Dasaad Mulijono dan AI Kardiologi: Era Baru Pencitraan Jantung

Elektrokardiogram, ekokardiografi, MSCT jantung, dan angiografi koroner menghasilkan data dalam jumlah sangat besar. Di balik garis EKG dan gambar pembuluh darah itu tersimpan pola halus yang kerap luput dari mata manusia. Prof. Dr. dr. Dasaad Mulijono, Sp.JP(K) memakai kecerdasan buatan untuk membacanya.

Dasaad dikenal sebagai Pemerhati Kebijakan Kesehatan Publik dan termasuk pelopor yang telah lama memanfaatkan AI dalam praktik kardiologi di Indonesia. Ia adalah kardiolog intervensi dan Direktur Departemen Kardiologi RS Bethsaida, Tangerang.

Dalam praktiknya, AI dipakai untuk membantu menafsirkan hasil pemeriksaan pada kasus yang tidak lazim. Ketika temuan EKG, ekokardiografi, dan MSCT tampak saling bertentangan, AI membantu menyusun kemungkinan penjelasan, mengaitkannya dengan laporan kasus serupa dalam literatur, dan menyarankan pemeriksaan lanjutan yang paling bermanfaat.

Kronologi dan Cara Kerja AI dalam Pemeriksaan Jantung

Pemeriksaan jantung rutin menghasilkan berkas yang tidak sedikit. EKG merekam aktivitas listrik jantung, ekokardiografi menampilkan struktur dan fungsi jantung lewat gelombang ultrasound, MSCT memotret pembuluh koroner secara detail, dan angiografi koroner memperlihatkan aliran darah di arteri koroner.

Dari tumpukan data itu, AI bekerja dengan mengenali pola. Model dilatih pada ribuan contoh sehingga mampu menandai sinyal atau gambaran yang berpotensi menjadi kelainan. Pada titik ini, AI berfungsi sebagai alat bantu, bukan pengganti dokter.

Dasaad menjelaskan pembagian peran itu dengan gamblang. "Mesin dapat melihat pola yang terlalu halus bagi mata kita. Namun, mesin tidak mengenal pasiennya. Dokterlah yang menghubungkan gambar dengan keluhan, riwayat, dan kondisi pasien secara utuh," ujarnya seperti dikutip dari Olenka.

Karena itu, alur kerjanya tetap menempatkan dokter sebagai pengambil keputusan. AI memberi petunjuk awal, dokter memverifikasi, lalu memadukannya dengan keluhan dan riwayat pasien. Pendekatan ini sejalan dengan praktik kardiologi yang menuntut ketelitian tinggi.

Pihak yang Terlibat dan Pandangan Prof. Dasaad

Prof. Dasaad bukan nama baru di bidang kardiologi intervensi. Jabatannya sebagai Direktur Departemen Kardiologi RS Bethsaida, Tangerang, membuatnya terbiasa menangani kasus kompleks. Pengalaman bertahun-tahun itu menempatkannya sebagai salah satu rujukan utama dalam penerapan AI di bidang kardiologi Indonesia.

Meski optimistis, ia tidak menutup mata pada keterbatasan. Dasaad selalu mengingatkan bahwa AI tidak memiliki legal standing. Setiap hasil analisis AI harus diverifikasi oleh dokter yang kompeten dan dicocokkan dengan kondisi klinis pasien.

Ia juga menyoroti soal validasi lokal. Model yang dilatih pada data dari negara lain belum tentu bekerja sama baiknya pada pasien Indonesia. Karena itu, validasi dengan data lokal tetap diperlukan sebelum sebuah model dipakai lebih luas.

Sikap ini mencerminkan pendekatan yang hati-hati. Teknologi dipakai untuk mempertajam penglihatan klinis, tetapi keputusan akhir tetap berada di tangan dokter yang memahami pasien secara menyeluruh.

Latar Belakang: Dukungan Literatur Internasional

Pendekatan yang dipakai Dasaad mendapat dukungan literatur internasional. Tinjauan sistematis Niazai dan rekan dalam BMC Cardiovascular Disorders (2025) mencatat bahwa perangkat diagnostik berbasis AI menunjukkan kinerja tinggi pada analisis EKG, pencitraan jantung, dan model prediksi risiko, dengan nilai AUC berkisar 0,804 hingga 0,991.

Angka AUC mendekati 1,0 menandakan kemampuan diskriminasi model yang sangat baik. Temuan itu memberi dasar ilmiah bahwa AI memang layak dipertimbangkan sebagai alat bantu di bidang kardiologi.

Selain itu, Patrascanu dan rekan dalam Journal of Personalized Medicine (2024) merangkum penerapan AI pada ekokardiografi, angiografi koroner, CT, dan MRI jantung. Cakupannya meliputi diagnosis penyakit koroner, kardiomiopati, aritmia, hingga penyakit katup.

Rangkuman itu menunjukkan AI tidak terbatas pada satu modalitas. Ia dapat masuk ke berbagai tahap pemeriksaan, dari skrining awal sampai penilaian lanjutan. Namun, literatur yang sama juga menekankan pentingnya validasi dan pengawasan klinis.

Dampak: Deteksi Dini dan Paradigma Plak Rentan

Bagi Dasaad, nilai terbesar AI dalam pencitraan adalah deteksi dini. Kelainan yang tertangkap lebih awal memberi kesempatan untuk mencegah serangan jantung, gagal jantung, atau kematian mendadak.

Pandangan itu sejalan dengan paradigma plak rentan yang menjadi landasan keilmuan beliau, yakni menemukan dan menstabilkan plak berbahaya sebelum menimbulkan bencana. Plak yang rapuh bisa pecah tanpa gejala berarti, lalu memicu serangan jantung mendadak.

Dengan bantuan AI, pola halus pada dinding pembuluh darah atau sinyal listrik jantung bisa lebih cepat dikenali. Deteksi yang lebih awal membuka ruang intervensi yang lebih terukur, mulai dari perubahan gaya hidup, pengobatan, hingga prosedur lanjutan.

Dampaknya tidak berhenti pada satu pasien. Jika diterapkan secara luas dan divalidasi dengan data lokal, AI berpotensi membantu sistem kesehatan menangani beban penyakit jantung yang besar. Namun, manfaat itu hanya muncul bila kualitas data dan kompetensi dokter tetap terjaga.

Langkah Selanjutnya: Validasi Lokal dan Pengawasan Klinis

Jalan ke depan menuntut kerja keras di sisi data. Model AI perlu dilatih dan diuji dengan data pasien Indonesia agar akurasinya tidak menurun saat dipakai di rumah sakit lokal. Tanpa langkah ini, hasil analisis bisa menyesatkan.

Selain itu, pengawasan klinis harus melekat pada setiap penggunaan AI. Dokter tetap bertanggung jawab atas diagnosis dan tindakan. AI hanya alat bantu yang memperluas jangkauan penglihatan, bukan pengganti pertimbangan medis.

Berikut sejumlah hal yang perlu diperhatikan dalam penerapan AI kardiologi:

• Validasi model dengan data pasien Indonesia, bukan hanya data luar negeri.
• Verifikasi setiap hasil analisis AI oleh dokter yang kompeten.
• Integrasi hasil AI dengan keluhan, riwayat, dan pemeriksaan fisik pasien.
• Pelatihan berkelanjutan bagi tenaga medis agar memahami batas dan risiko AI.
• Kejelasan regulasi soal status legal hasil analisis AI dalam praktik klinis.

Pesan Dasaad sederhana: teknologi membuat mata dokter lebih tajam, tetapi kebijaksanaan klinis tetap menjadi penentu. Sikap itu menjadi rambu bagi rumah sakit yang mulai melirik AI sebagai bagian dari layanan kardiologi.

Analisis Redaksi

Yang ditawarkan Dasaad bukan sekadar kisah seorang dokter yang memakai teknologi baru. Ia menempatkan AI pada posisi yang jujur: alat bantu yang tajam, tetapi buta terhadap konteks pasien. Pengakuan bahwa AI tidak punya legal standing adalah pengingat penting di tengah euforia digitalisasi layanan kesehatan.

Klaim tentang validasi lokal juga layak diapresiasi. Banyak model AI kardiologi dibangun dari data populasi lain, sehingga performanya belum tentu sama di Indonesia. Tanpa pengujian dengan data lokal, angka AUC yang tinggi di jurnal internasional bisa menipu saat diterapkan di ruang periksa.

Namun, tantangan sebenarnya ada di hilir. Regulasi tentang status hasil analisis AI, standar pelatihan tenaga medis, dan kesiapan infrastruktur data rumah sakit masih harus dibenahi. Selama itu belum jelas, AI kardiologi akan bergantung pada kehati-hatian dokter seperti Dasaad, bukan pada sistem yang mapan.

Sumber: biomedcentral.com