AI untuk Membantu Dokter Menentukan Diagnosa dan ICD-10

Pertanyaan pertama direksi biasanya bukan soal fitur, tetapi soal tanggung jawab. Jawabannya sederhana dan tidak boleh kabur: AI membantu, keputusan tetap manusia.

• Diagnosis adalah keputusan klinis DPJP. AI tidak memeriksa pasien. Ia hanya membaca apa yang sudah tertulis.
• Kode ICD-10 dan ICD-9-CM ditetapkan koder berdasarkan dokumentasi rekam medis dan aturan koding JKN. Rekomendasi AI adalah bahan pertimbangan, bukan hasil akhir.
• Kode tanpa dasar dokumentasi tetap salah, betapapun tinggi tingkat keyakinan yang ditampilkan sistem. Verifikator menilai berkas, bukan asal rekomendasinya.

Batas ini juga melindungi tim. Ketika kode dipertanyakan saat verifikasi atau audit, yang ditelusuri adalah catatan klinis dan keputusan koder. Perangkat yang baik membuat jejak itu lebih rapi, bukan menggantikannya.

Batas kedua menyangkut data. Teks klinis yang dibaca AI adalah bagian rekam medis, sehingga prinsip kerahasiaan, integritas, dan ketersediaan dalam Permenkes 24/2022 tetap berlaku. Rumah sakit perlu tahu apa yang dibaca perangkat, kapan dibaca, apakah identitas pasien dibutuhkan, dan di mana datanya diproses, sebelum perangkat itu dipasang di ruangan.

Di rumah sakit, AI bantu koding paling berguna bila bekerja selama pasien dirawat, bukan setelah pulang. Pada alur yang biasa, koding dikerjakan setelah berkas ditutup, sehingga koder hanya bisa mengode apa yang sudah tertulis. Kekurangan baru terlihat saat pasien sudah tidak bisa diperiksa lagi.

Alur yang memakai AI umumnya berjalan dalam lima langkah:

1. Membaca teks klinis. AI membaca SOAP, CPPT, atau resume yang sedang dibuka, termasuk singkatan dan istilah lokal yang lazim ditulis dokter Indonesia.
2. Merekomendasikan kode. Diagnosis primer dan sekunder sekaligus, masing-masing dengan tingkat keyakinan dan alasan klinis yang bisa dibaca koder.
3. Menunjukkan syarat berkas. Untuk tiap diagnosis, daftar bukti yang lazim diminta verifikator: hasil penunjang, catatan terapi, skor klinis tertentu.
4. Mengingatkan selagi berkas terbuka. Koder, kepala ruangan, atau MPP bisa meminta DPJP melengkapi catatan sebelum pasien pulang.
5. Mengunci di resume. Resume medis tinggal merangkum diagnosis yang sudah konsisten sejak awal, lalu koder menetapkan kode final.

Pola ini disebut koding paralel. Ia memindahkan pekerjaan dari akhir proses ke tengah proses, ketika perbaikan masih murah.

Rekomendasi AI hanya berguna bila mengikuti aturan yang sama dengan yang dipakai koder dan verifikator. Untuk klaim JKN, acuannya:

• ICD-10 versi WHO 2010 untuk diagnosis, yang menjadi dasar grouper INA-CBG.
• ICD-9-CM untuk prosedur dan tindakan.
• Pedoman INA-CBG dalam Permenkes 26/2021, termasuk aturan memilih diagnosis utama dan diagnosis sekunder.
• Kesepakatan dan ketentuan klaim yang terbit dari BPJS Kesehatan, Kementerian Kesehatan, dan organisasi profesi, serta PNPK untuk kriteria klinis.

Bagian terakhir inilah yang paling sering berubah. Contohnya, kesepakatan bahwa intubasi endotrakeal (96.04) dikode terpisah dari resusitasi jantung paru (99.60), atau ketentuan fase subakut dan kronis pada klaim kejiwaan dari Permenkes 26/2021 yang mensyaratkan penilaian WHODAS 2.0. Perangkat yang tidak diperbarui akan memberi rekomendasi yang benar menurut buku, tetapi tertinggal dari ketentuan klaim terbaru.

Saat rumah sakit beralih dari INA-CBG ke iDRG, acuan kode ikut menyesuaikan. Penjelasannya ada di halaman ICD-10 dan ICD-9-CM untuk rekam medis.

Rumah sakit yang mencari bantuan untuk diagnosis dan koding umumnya memilih di antara empat kategori. Tidak ada yang salah; masing-masing cocok untuk kebutuhan yang berbeda.

• Aplikasi resmi E-Klaim dan grouper. Wajib dipakai untuk mengajukan klaim. Ia mengelompokkan kode yang sudah dimasukkan, tetapi tidak membaca catatan klinis untuk menyarankan kode.
• Pencarian kode di SIMRS atau EMR. Kamus ICD dengan pencarian kata kunci. Cepat untuk koder berpengalaman, tetapi tidak mengingatkan diagnosis sekunder yang tidak dicari.
• Buku kode dan daftar internal. Daftar kode tersering per poli atau spreadsheet milik tim casemix. Murah, tetapi bergantung pada satu atau dua orang yang menguasainya.
• Perangkat CDSS khusus. Membaca teks klinis, merekomendasikan kode, dan menampilkan syarat berkas di alur kerja. Contohnya AI CDSS MedMinutes.

Pertanyaan ini disusun untuk kepala casemix, kepala rekam medis, dan tim IT. Jawabannya sebaiknya diminta tertulis dan dicoba dengan berkas rumah sakit sendiri.

1. Apakah setiap rekomendasi disertai alasan? Kode tanpa penjelasan sulit diperiksa koder dan sulit dipertanggungjawabkan.
2. Apakah diagnosis sekunder ikut disarankan? Di sinilah kelengkapan dokumentasi paling sering tertinggal.
3. Apakah syarat berkas mengikuti ketentuan klaim JKN dan menyebut rujukannya? Panduan tanpa rujukan sulit dipakai saat berdiskusi dengan verifikator.
4. Seberapa sering aturannya diperbarui, dan apakah ada catatan rilis? Catatan rilis publik memudahkan rumah sakit menilai sendiri.
5. Bagaimana cara masuk ke EMR? Extension, API, atau aplikasi terpisah. Aplikasi terpisah berarti menyalin teks, dan itu jarang bertahan.
6. Bagaimana data pasien diperlakukan? Tanyakan apakah identitas pasien dibutuhkan, di mana server berada, dan dokumen keamanan apa yang bisa diberikan.
7. Bagaimana akurasinya diukur? Minta metode, bukan hanya angka. Angka akurasi tanpa definisi data uji tidak bisa dibandingkan antarvendor.

AI CDSS MedMinutes menggabungkan empat modul di satu panel:

• Rekomendasi ICD-10. Dari catatan SOAP, diagnosis primer dan sekunder sekaligus, dengan tingkat keyakinan dan penjelasan klinis. Mendukung rawat inap dan rawat jalan, serta mengenali istilah lokal dan singkatan klinis Indonesia.
• Panduan verifikasi klaim per diagnosis. Daftar berkas yang perlu tercatat, dengan rujukan halaman pada tiap butirnya.
• Cek interaksi obat. Tiga tingkat keparahan, efek klinis, dan saran manajemen untuk dokter.
• Draf resume medis. Disusun dari catatan SOAP dan bisa diedit dokter sebelum disimpan.

Rekomendasi kode juga disertai estimasi tarif INA-CBG yang menyesuaikan kelas dan regional rumah sakit. Pemasangannya lewat extension Chrome atau Firefox untuk EMR berbasis web, atau lewat API untuk EMR desktop. Perubahan aturan dicatat terbuka di catatan rilis CDSS.

CDSS bekerja di hulu, saat pasien dirawat. Di hilir, sebelum klaim dikirim, BPJScan memeriksa data klaim yang sudah dikode. Keduanya dua lapis yang saling melengkapi.

Ilustrasi berikut menunjukkan cara membaca rekomendasi, bukan kasus pasien nyata. Catatan SOAP menulis sesak napas tiga hari, batuk berdahak, demam, ronkhi basah di basal paru kanan, SpO₂ 92%, dan riwayat diabetes melitus tipe 2 terkontrol.

• Primer: J18.9 pneumonia, organisme tidak spesifik. Koder memeriksa apakah hasil rontgen toraks dan kultur sputum sudah tercatat. Bila kultur menyebut organismenya, kode yang lebih spesifik lebih tepat.
• Sekunder: E11.9 diabetes melitus tipe 2 tanpa komplikasi. Koder memastikan diabetes memang ditangani selama rawat, misalnya ada pemantauan gula darah atau terapi.
• Sekunder: J96.0 gagal napas akut, dengan keyakinan lebih rendah. Di sinilah peran koder dan DPJP paling penting: bila kriteria klinis dan tata laksananya tidak terdokumentasi, kode ini tidak dipakai.

Pada contoh ini, AI tidak memutuskan apa pun. Ia menyusun daftar yang perlu diperiksa, lengkap dengan syarat berkasnya, sehingga koder bisa bertanya ke DPJP selagi pasien masih di ruangan, bukan sesudah berkas ditutup.

• Menerima semua rekomendasi. Rekomendasi dengan keyakinan rendah adalah pertanyaan, bukan jawaban.
• Memakainya hanya setelah pasien pulang. Manfaat terbesarnya ada saat berkas masih bisa dilengkapi.
• Tidak melibatkan DPJP. Kode mengikuti dokumentasi. Bila dokumentasi tidak berubah, kode yang benar pun tidak bisa dipakai.
• Tidak mencatat alasan penolakan. Alasan koder menolak sebuah rekomendasi adalah bahan tinjauan yang paling berharga.

Penerapan yang paling sering berhasil dimulai kecil dan diukur:

1. Pilih satu atau dua ruangan rawat inap dengan volume kasus yang cukup.
2. Catat kondisi awal tiga bulan terakhir: jumlah diagnosis sekunder per episode, berkas yang dikembalikan verifikator, dan waktu dari pasien pulang sampai berkas siap klaim.
3. Libatkan koder sebagai pemakai utama, lalu kepala ruangan dan MPP.
4. Tinjau bersama setiap pekan: rekomendasi mana yang dipakai, mana yang ditolak, dan alasannya.
5. Bandingkan dengan kondisi awal setelah dua sampai tiga bulan sebelum diperluas.

Cara menyusun pengukuran ini dibahas di halaman mengukur nilai CDSS di rumah sakit.