Angka yang Sama Bisa Bermakna Dua Hal Berbeda

Anda menjalani pemeriksaan darah. Dokter bilang semuanya normal. Anda pulang.

Tidak ada yang memberi tahu Anda bahwa salah satu angka itu 15% lebih tinggi daripada setahun lalu, dan 30% lebih tinggi daripada dua tahun lalu. Angka itu masih dalam rentang “normal”, jadi tidak ada tanda, tidak ada telepon, tidak ada tindak lanjut. Tetapi angka itu bergerak. Dan ke mana ia bergerak lebih penting daripada di mana ia berada sekarang.

Setiap sistem klinis yang dipakai saat ini bekerja dengan cara yang sama. Apakah angka ini di atas atau di bawah garis? Ya atau tidak. Seluruh infrastruktur layanan kesehatan modern dibangun untuk menjawab pertanyaan itu. Padahal itu pertanyaan yang salah.

Pertanyaan yang sebenarnya penting

Kreatinin 1,4 muncul di dua rekam medis pada hari yang sama.

Delapan belas bulan lalu, kreatinin pasien pertama 0,9. Lalu 1,0. Lalu 1,2. Sekarang 1,4. Jika tren ini berlanjut, pasien ini akan mengalami penyakit ginjal dalam setahun. Tetapi 1,4 masih di bawah ambang peringatan. Tidak ada alarm yang berbunyi. Kunjungan ditutup dengan “ulangi tiga bulan lagi”.

Kreatinin pasien kedua sudah bertahan di 1,4 selama tiga tahun. Stabil. Terkendali. Rutin.

Angkanya sama. Pasien yang satu dalam bahaya. Yang lain baik-baik saja. Tidak ada sistem klinis yang dipakai saat ini yang bisa membedakan keduanya. Epic tidak bisa. Cerner tidak bisa. Alat AI yang dibangun di atas keduanya pun tidak. Semuanya melihat 1,4 dan mengajukan pertanyaan yang sama: apakah angka ini di atas garis?

Pertanyaan yang benar adalah: dari mana angka ini datang, ke mana arahnya, dan seberapa cepat?

Semua dokter tahu ini. Semua sistem mengabaikannya.

Ketika saya masih menangani pasien, klinisi terbaik yang pernah bekerja dengan saya melakukan sesuatu yang tidak bisa dikerjakan EHR untuk mereka. Mereka membuka hasil lab lama dan menggambar garis tren di kertas bekas. Mereka menyimpan nilai-nilai tiga tahun terakhir di kepala dan menimbang ke mana arahnya. Mereka tidak bertanya “apakah angka ini normal?” Mereka bertanya “apakah pasien ini sedang berubah?”

Penalaran seperti itu adalah fondasi kedokteran klinis yang baik. Namun tidak satu pun sistem klinis yang dipakai luas menirunya. EHR dibangun untuk mendokumentasikan kunjungan demi penagihan. Peringatan dibangun untuk memeriksa ambang batas. Alat AI dibangun di atas sistem berbasis ambang yang sama. Teknologi ditumpuk lapis demi lapis, sementara pertanyaan klinis yang paling dasar tetap tak terjawab: apakah pasien ini makin baik atau makin buruk dari waktu ke waktu?

Mahalnya trajektori yang tak terbaca

Sebanyak 37 juta orang dewasa di Amerika Serikat hidup dengan penyakit ginjal kronis. Dari jumlah itu, 90% tidak menyadarinya.

Bukan karena datanya tidak ada. Kreatinin mereka sudah bergeser selama bertahun-tahun, tercatat di rekam medis, terlihat di setiap kunjungan, lalu diarsipkan dan dilupakan. Penyakit ginjal kronis yang ditemukan dini dapat dikelola dengan biaya $2.000 sampai $5.000 per tahun. Bila terlambat, biaya dialisis mencapai $90.000 per tahun. Pembeda kedua nasib itu: ada atau tidaknya orang yang membaca trajektorinya.

Pola yang sama terjadi pada diabetes, gagal jantung, PPOK, dan hipertensi. Bertahun-tahun pergeseran yang sebenarnya bisa dideteksi, tetapi luput dari sistem yang hanya bertanya apakah angka hari ini melewati garis.

Mengapa tak ada yang lain melakukannya

Kebanyakan AI klinis dilatih dengan potret sesaat. Satu kunjungan. Satu kali pengambilan darah. Satu titik waktu. Model belajar menggolongkan momen itu sebagai berisiko tinggi atau rendah. Ia melihat kreatinin 1,4 hari ini. Ia sama sekali tidak tahu berapa kreatininnya delapan belas bulan lalu.

Trajektori tidak bisa dibaca dari potret sesaat. Pergeseran perlahan tidak bisa dideteksi dari satu titik. Arsitekturnya sendiri yang menghalangi. Menambah data ke model berbasis potret tidak menyelesaikannya. Memperbesar model juga tidak. Cara merepresentasikan pasien itulah yang harus berubah. Waktu harus menjadi dimensi utama, bukan tempelan belakangan.

Di situlah Chroneme berbeda dari semua yang ada di pasar. Bukan algoritme yang lebih baik untuk data yang sama, melainkan cara yang sama sekali berbeda dalam merepresentasikan kesehatan. Pasien hadir sebagai sinyal yang bersambung lintas tahun dan lintas penyedia layanan, bukan sebagai rangkaian kunjungan yang terputus-putus. Sistem membaca bagaimana berbagai hal berubah bersama dari waktu ke waktu, dan tahu kapan sebuah trajektori sedang menuju ke arah yang perlu diwaspadai.

Artinya dalam praktik

Pasien pertama ditandai. Pasien kedua tidak. Kreatininnya sama. Trajektorinya berbeda. Rekomendasinya pun berbeda.

Chroneme kami bangun untuk menangkap perubahan semacam itu. Kami sedang memvalidasinya dengan protokol yang didaftarkan sebelumnya, dan akan menerbitkan temuannya, termasuk di titik mana ia masih kurang.

Perubahan yang paling dulu penting jarang sekali yang dramatis, melainkan pergeseran yang perlahan. Kreatinin yang naik 0,1 setiap kuartal. Denyut jantung basal yang naik beberapa denyut setiap bulan. Saturasi oksigen yang pelan-pelan melorot selama berminggu-minggu. Pola yang tak akan pernah memicu peringatan bila dilihat dari satu titik data saja. Pola yang, secara arsitektur, memang tak terlihat oleh sistem berbasis ambang batas.

Di situlah letak kecerdasan klinis generasi berikutnya. Bukan dalam menangkap keadaan darurat, melainkan dalam menangkap kedaruratan yang lambat sebelum menjadi kedaruratan yang cepat.