Model skrining retinopati diabetik berbasis kecerdasan buatan (Artificial Intelligence/AI) dinilai efektif dan dapat diterima dengan baik oleh pasien maupun tenaga kesehatan sebagai solusi atas keterbatasan layanan kesehatan mata, khususnya di tingkat pelayanan primer.
Retinopati diabetik merupakan salah satu komplikasi diabetes yang menyerang mata dan berpotensi menyebabkan kebutaan. Kondisi ini terjadi akibat tingginya kadar gula darah yang merusak pembuluh darah di retina, sehingga memicu kebocoran dan perdarahan yang dapat mengganggu penglihatan. Seiring meningkatnya jumlah penderita diabetes, risiko terjadinya retinopati diabetik juga semakin besar, di mana sekitar satu dari tiga pasien diabetes berpotensi mengalami komplikasi tersebut.
Meskipun tergolong penyakit serius, retinopati diabetik sebenarnya dapat dicegah melalui deteksi dini. Dengan mengetahui risiko gangguan pada mata sejak awal, penanganan yang tepat dapat dilakukan sebelum kondisi berkembang menjadi kebutaan. Oleh karena itu, Organisasi Kesehatan Dunia (WHO) merekomendasikan agar skrining retinopati diabetik diintegrasikan dengan layanan diabetes melitus di fasilitas kesehatan tingkat pertama, terutama di negara berkembang, guna mencegah kebutaan yang sebenarnya dapat dihindari.
Namun demikian, pelaksanaan deteksi dini retinopati diabetik di Indonesia masih menghadapi berbagai kendala. Pada tahap awal, penyakit ini sering tidak menunjukkan gejala, sehingga banyak penderita diabetes merasa tidak perlu melakukan pemeriksaan mata secara rutin. Selain itu, keterbatasan jumlah dokter spesialis mata, waktu layanan, sarana prasarana, serta pembiayaan menjadi hambatan utama dalam pelaksanaan skrining secara luas, khususnya di puskesmas.
Sebagai upaya mengatasi keterbatasan tersebut, layanan telemedisin mulai dimanfaatkan dalam skrining retinopati diabetik. Melalui pendekatan ini, foto retina pasien dapat dikirimkan ke dokter spesialis mata di lokasi berbeda untuk dilakukan penilaian. Namun, proses identifikasi oleh dokter tetap memiliki keterbatasan kapasitas, sehingga sering terjadi keterlambatan dalam penentuan rujukan dan terapi lanjutan.
Berbagai penelitian menunjukkan bahwa teknologi AI berpotensi menjadi solusi atas permasalahan tersebut. AI mampu menganalisis foto retina secara cepat dan relatif akurat, sehingga keputusan rujukan dan tindak lanjut medis dapat dilakukan lebih dini. Temuan ini disampaikan oleh Yeni Dwi Lestari dalam disertasi berjudul “Pengembangan Model Skrining Retinopati Diabetik Menggunakan Kecerdasan Artifisial di Layanan Primer di Jakarta” yang dipertahankan di Fakultas Kedokteran Universitas Indonesia. Atas penelitiannya tersebut, Yeni memperoleh gelar doktor dengan predikat sangat memuaskan dan IPK 3,96.
Penelitian dilakukan di Jakarta dengan pertimbangan tingginya prevalensi diabetes serta ketersediaan infrastruktur kesehatan yang relatif memadai. Studi ini dilaksanakan dalam tiga tahap, yaitu penilaian kesiapan integrasi layanan diabetes melitus dan retinopati diabetik, pemilihan serta perancangan model skrining berbasis AI yang sesuai dengan kondisi Jakarta, dan uji coba model di puskesmas.
Hasil penelitian di Puskesmas Pasar Rebo dan Puskesmas Tanjung Priok menunjukkan bahwa layanan diabetes melitus telah mencapai tingkat kesiapan tertinggi dengan skor 4 dari skala 1 hingga 4. Sebaliknya, layanan retinopati diabetik masih berada pada tingkat kesiapan sedang dengan skor 2, yang menunjukkan bahwa meskipun pedoman klinis telah tersedia, sebagian besar tenaga kesehatan belum mengetahuinya sehingga belum diterapkan secara optimal. Aspek teknologi kesehatan juga memperoleh skor rendah karena perangkat pemeriksaan mata modern masih terbatas pada rumah sakit besar dan klinik mata swasta. Selain itu, kegiatan promosi dan edukasi kesehatan terkait diabetes dan retinopati diabetik dinilai belum optimal dan masih bersifat sporadis.
Dalam uji coba skrining berbasis AI, tenaga kesehatan terlebih dahulu mendapatkan pelatihan. Pasien diabetes kemudian didata dan diundang untuk menjalani pemeriksaan mata, termasuk pemeriksaan penglihatan dan pengambilan foto fundus. Analisis foto fundus dilakukan menggunakan sistem AI untuk menentukan apakah pasien memerlukan rujukan lanjutan. Pada kasus tertentu, hasil skrining AI kembali dievaluasi oleh dokter mata sebagai langkah pengamanan sebelum rujukan diberikan. Edukasi kepada pasien juga dilakukan dengan menunjukkan hasil foto retina.
Sistem AI yang digunakan, yaitu perangkat lunak Radr, memiliki tingkat sensitivitas sebesar 75,5 persen, spesifisitas 72 persen, dan akurasi 72 persen. Meskipun tingkat akurasi masih dapat ditingkatkan, peningkatan keterampilan tenaga kesehatan dalam menghasilkan foto fundus berkualitas dinilai dapat memperbaiki hasil analisis AI. Hasil skrining menunjukkan bahwa 13,8 persen dari 536 pasien diabetes mengalami retinopati diabetik, sebagian besar pada tahap ringan hingga sedang, sehingga peluang pencegahan kebutaan masih sangat besar. Selain itu, skrining juga berhasil mendeteksi berbagai penyakit mata lain seperti katarak, gangguan refraksi, dan glaukoma, dengan sekitar 26 persen pasien memerlukan rujukan lanjutan.
Dari sisi waktu, proses skrining berbasis AI memerlukan rata-rata 20 menit per pasien, durasi yang dinilai sesuai dengan alur layanan puskesmas dan tidak mengganggu pelayanan diabetes lainnya. Evaluasi kepuasan menunjukkan bahwa mayoritas tenaga kesehatan dan pasien merasa cukup puas terhadap pelaksanaan skrining ini.
Secara keseluruhan, penelitian ini membuktikan bahwa model skrining retinopati diabetik berbasis AI di layanan kesehatan primer memiliki efektivitas yang baik, dapat dilaksanakan secara praktis, serta diterima oleh pasien dan tenaga medis. Model ini berpotensi untuk diintegrasikan ke dalam program pemeriksaan kesehatan nasional guna memperluas cakupan skrining, meningkatkan tindak lanjut yang tepat, mencegah kebutaan akibat diabetes, dan pada akhirnya meningkatkan kualitas hidup penderita diabetes di Indonesia.
Inovasi Iptek, Kompas 16 Jan 2026
