Uji acak Mammography Screening with Artificial Intelligence (MASAI) di Swedia menemukan sensitivitas skrining mamografi lebih tinggi ketika kecerdasan artifisial (AI) membantu radiolog. Spesifisitas tetap sama. Kanker interval adalah kanker yang terdiagnosis antara dua putaran skrining terjadwal. Lajunya dinilai noninferior dibandingkan pembacaan ganda tanpa AI. Indonesia masih memerlukan izin edar terverifikasi, validasi dalam alur skrining, dan rancangan tindak lanjut sebelum hasil tersebut bisa diterapkan.

MASAI menguji alur kerja, bukan AI yang bekerja sendiri

MASAI mengacak 105.934 perempuan ke skrining berbantuan AI atau pembacaan ganda standar di Swedia. Kelompok intervensi memakai AI untuk membagi pemeriksaan ke pembacaan tunggal atau ganda. Kelompok kontrol menjalani pembacaan oleh dua radiolog tanpa AI. Radiolog pada kelompok intervensi juga menerima penanda lokasi yang dinilai mencurigakan.

Protokol AI memberi skor risiko keganasan dalam sepuluh tingkat dan menentukan jumlah pembaca berdasarkan skor itu. Pemeriksaan pada tingkat 1–9 dibaca satu radiolog, sedangkan tingkat 10 dibaca dua radiolog. Penanda berbantuan komputer tersedia untuk pemeriksaan dengan skor 8–10. Keputusan pembacaan tetap dibuat radiolog, bukan perangkat lunak secara mandiri.

Perangkat mamografi di ruang pemeriksaan rumah sakit (ilustrasi)

Hasil utama menunjukkan noninferioritas, bukan penurunan pasti

Laju kanker interval tercatat 1,55 per 1.000 peserta pada kelompok AI dan 1,76 pada kelompok kontrol. Rasio kedua laju itu 0,88, dengan interval kepercayaan 95 persen antara 0,65 dan 1,18. Peneliti menetapkan margin 20 persen untuk menguji apakah laju AI tidak lebih buruk daripada kontrol. Hasilnya memenuhi batas noninferioritas. Namun, selisih numeriknya tidak membuktikan AI menurunkan kanker interval sebesar 12 persen.

Sensitivitas kelompok AI mencapai 80,5 persen, dibandingkan 73,8 persen pada kontrol, sedangkan spesifisitas keduanya 98,5 persen. Artinya, proporsi kanker yang tertangkap dalam alur skrining meningkat tanpa kenaikan terukur pada hasil positif palsu. Kenaikan sensitivitas konsisten menurut umur dan kepadatan payudara, serta terlihat pada kanker invasif. Peningkatan serupa tidak terlihat untuk kanker in situ.

Jumlah kanker interval invasif secara deskriptif adalah 75 pada kelompok AI dan 89 pada kontrol. Tumor kategori T2 atau lebih besar berjumlah 38 dibandingkan 48, sedangkan subtipe non-luminal A berjumlah 43 dibandingkan 59. Angka tersebut menunjukkan arah yang menguntungkan, tetapi bukan hasil superioritas yang diuji secara konklusif. Efek terhadap kematian akibat kanker payudara juga belum menjadi hasil yang dilaporkan.

Petugas radiologi meninjau citra pada sistem pembacaan digital (ilustrasi)

Penghematan 44,3 persen bergantung pada sistem pembanding

Analisis keamanan pada 80.020 peserta mencatat beban pembacaan turun 44,3 persen dengan bantuan AI. Kelompok AI membutuhkan 46.345 pembacaan, sedangkan kontrol membutuhkan 83.231 pembacaan. Angka itu menghitung pembacaan citra, bukan seluruh jam kerja radiologi. Penanganan hasil, rapat klinis, pemeliharaan sistem, dan pemeriksaan lanjutan berada di luar ukuran tersebut.

Penghematan muncul karena sebagian besar pemeriksaan berpindah dari dua pembaca menjadi satu pembaca. Rumah sakit yang sejak awal tidak memakai pembacaan ganda tidak memiliki pembanding yang sama. Beban lokal juga dipengaruhi mutu citra, proporsi pemeriksaan yang ditandai, dan kapasitas rujukan. Karena itu, angka 44,3 persen tidak layak dipindahkan langsung ke perencanaan tenaga Indonesia.

Dokter membahas hasil pemeriksaan dengan pasien (ilustrasi)

Jalur Indonesia dimulai dari susunan layanan yang berbeda

Petunjuk teknis Cek Kesehatan Gratis (CKG) 2026 memulai skrining kanker payudara pada usia 30 tahun. Paketnya memakai pemeriksaan payudara klinis (SADANIS) dan ultrasonografi (USG) di fasilitas yang mampu. Petunjuk jejaring rumah sakit kanker tahun 2024 mencantumkan mamografi bagi perempuan tanpa gejala mulai usia 40 tahun. Kedua dokumen mengatur tingkat layanan yang berbeda dan tidak mencantumkan pembacaan mamografi berbantuan AI. Karena itu, alur Indonesia tidak bisa dibandingkan langsung dengan skema MASAI.

Kementerian Kesehatan (Kemenkes) menerbitkan Rencana Kanker Nasional 2024–2034 sebagai kerangka prioritas pengendalian kanker. Bukti MASAI menjawab cara membaca citra setelah mamografi tersedia. Perangkat lunak tidak menghasilkan citra dan tidak membuka layanan mamografi baru. Akses pemeriksaan, kendali mutu, tenaga radiologi, dan rujukan tetap menjadi bagian terpisah dari kesiapan nasional.

Studi lokal ada, izin dan penerapan rutin belum jelas

Studi retrospektif di Rumah Sakit Umum Pusat Nasional Dr. Cipto Mangunkusumo (RSCM) menganalisis 886 citra mamografi. Bantuan AI meningkatkan sensitivitas dan spesifisitas tujuh pembaca dengan tingkat pengalaman berbeda. Data berasal dari pemeriksaan Januari 2017 hingga Maret 2021. Sampelnya berasal dari rumah sakit rujukan tersier yang menerima banyak kasus kanker. Karena itu, studi ini tidak mengukur manfaat skrining pada populasi tanpa gejala atau membuktikan penggunaan rutin.

Kemenkes menyediakan portal e-Info Alkes untuk memeriksa produk terdaftar dan memantau izin edar alat kesehatan. Status produk harus cocok dengan nama, produsen, fungsi, dan nomor izin yang tercatat. Izin dari negara lain tidak menggantikan pemeriksaan Indonesia. Persetujuan alat juga berbeda dari keputusan memasukkannya ke program skrining nasional.

Sampai artikel ini disusun, kami belum menemukan catatan izin edar Kemenkes yang dapat diverifikasi melalui portal publik untuk AI pembaca mamografi. Kami juga belum menemukan jalur nasional yang mengatur penggunaan rutinnya dalam skrining payudara. Temuan kosong ini bukan bukti bahwa tidak ada rumah sakit yang memakai teknologi tersebut. Artinya, klaim tentang adopsi dan kinerja nasional belum bisa dibuat dari dokumen publik yang diperiksa.

Uji lokal harus menilai seluruh alur, bukan satu skor akurasi

Kerangka Organisasi Kesehatan Dunia (WHO) meminta bukti alat medis berbasis AI dibangun dari pengembangan hingga pengawasan setelah pemasaran. Validasi perlu memeriksa keterwakilan populasi, kompatibilitas perangkat, mutu citra, dan posisi AI dalam layanan. Pembaruan model juga memerlukan pengawasan karena kinerja bisa berubah setelah sistem dipasang. Satu angka akurasi dari pengembang tidak menjawab seluruh risiko tersebut.

Uji Indonesia perlu membandingkan alur berbantuan AI dengan praktik yang benar-benar berjalan di fasilitas sasaran. Ukurannya mencakup sensitivitas, spesifisitas, rujukan ulang, citra gagal, kasus terlewat, waktu kerja, dan biaya penuh. Penghematan hanya terjadi bila waktu yang tersisa tidak habis untuk gangguan sistem atau pembacaan ulang. Dampak juga bergantung pada kemampuan fasilitas menindaklanjuti temuan mencurigakan.

Rumah sakit memerlukan catatan versi model, mutu citra masukan, keputusan radiolog, dan kejadian keselamatan. Integrasi dengan penyimpanan citra dan rekam medis harus menjaga akses, keamanan siber, serta pelindungan data pribadi. Tanggung jawab perlu ditetapkan ketika penanda AI diabaikan atau ketika sistem melewatkan kelainan. Tanpa pengaturan tersebut, pengadaan menambah risiko pada penyimpanan data, pembacaan, dan tindak lanjut.

Bukti MASAI belum cukup untuk keputusan di Indonesia

MASAI menunjukkan bahwa satu alur berbantuan AI menaikkan sensitivitas dan mengurangi jumlah pembacaan dalam program Swedia. Uji itu belum membuktikan penurunan kematian atau manfaat yang sama pada fasilitas Indonesia. Studi RSCM memberi data awal lokal, sedangkan penerapan rutin masih memerlukan izin terverifikasi, pengujian alur, pengukuran biaya, dan jaminan tindak lanjut.