Uji AI Co-Clinician dari DeepMind: Diagnosis Multimodal dan Keamanan dalam Simulasi Klinis

Google DeepMind memperkenalkan co-clinician AI pada 01 Mei 2026, sebuah inisiatif riset yang dirancang untuk menelaah bagaimana sistem AI multimodal dapat mendukung tenaga kesehatan dan pasien secara lebih efektif. Proyek ini menanggapi tekanan yang terus meningkat pada sistem kesehatan di seluruh dunia untuk meningkatkan hasil, menurunkan biaya, dan memperluas akses perawatan di tengah perkiraan kekurangan lebih dari 10 juta tenaga kesehatan pada 2030, menurut Organisasi Kesehatan Dunia.

Model Perawatan Triadik dan Kemampuan Multimodal

Sistem baru ini dimaksudkan untuk mengeksplorasi model “triadic care”, di mana agen AI bekerja bersama dokter dan pasien, bukan menggantikan penilaian klinis. DeepMind menyatakan tujuan upaya ini adalah membangun alat yang dapat memperluas jangkauan dokter, sekaligus menjaga kontrol keputusan tetap di tangan tenaga medis. Perusahaan memaparkan upaya ini sebagai langkah berikutnya dalam riset AI medisnya, setelah sistem-sistem sebelumnya seperti MedPaLM yang berfokus pada pengujian pengetahuan medis, dan AMIE yang melakukan konsultasi tersimulasikan berbasis teks.

Fitur kunci dari AI co-clinician adalah kemampuannya memproses lebih dari sekadar teks. Sistem ini diuji dengan audio dan video langsung, memungkinkannya mengamati isyarat fisik seperti gaya jalan, pola pernapasan, dan perubahan kulit yang terlihat. Dalam simulasi telemedis, model mampu memandu pasien melalui bagian-bagian pemeriksaan fisik tertentu serta membantu tugas seperti memeriksa teknik penggunaan inhaler atau membantu mengidentifikasi cedera bahu. Kapabilitas tersebut menunjukkan bahwa AI multimodal pada akhirnya dapat mendukung konsultasi jarak jauh ketika pengamatan visual dan pendengaran menjadi penting.

Desain Keamanan Dual-Agent dan Tolok Ukur Klinis

DeepMind menekankan kontrol keselamatan yang dibangun ke dalam sistem. AI co-clinician menggunakan desain dual-agent di mana “Planner” secara berkelanjutan meninjau interaksi dan memeriksa apakah “Talker” tetap berada dalam batas klinis. Perusahaan menyatakan struktur ini dimaksudkan untuk mengurangi keluaran yang tidak aman dan meningkatkan keandalan di lingkungan medis, di mana akurasi faktual dan kehati-hatian sangat penting.

Tim riset mengevaluasi sistem dalam beberapa cara. Dalam satu pengujian, mereka menyesuaikan kerangka keselamatan NOHARM untuk mengukur respons yang salah sekaligus kegagalan dalam menghadirkan informasi penting. Pada perbandingan buta yang melibatkan 98 kueri layanan kesehatan primer, sistem mencatat nol kesalahan kritis pada 97 kasus dan disukai dibandingkan alat sintesis bukti lain oleh dokter. DeepMind menyatakan ini menunjukkan model dapat berguna bagi dokter yang mencari informasi klinis berkualitas tinggi dan berbasis dasar.

Studi ini juga menilai seberapa baik sistem menangani pertanyaan terkait obat dengan tolok ukur OpenFDA RxQA, yang dirancang untuk menguji pengetahuan dan penalaran tentang obat dan perawatan. Pada evaluasi terbuka, AI co-clinician mengungguli model frontier lainnya, menandakan kemajuan di bidang yang sangat penting untuk perencanaan perawatan sehari-hari.

Perbandingan Kinerja Dokter

Namun, dalam simulasi yang berhadapan langsung dengan pasien, dokter manusia masih tampil lebih baik secara keseluruhan. Bekerja sama dengan dokter akademik dari Harvard dan Stanford, tim riset menjalankan studi acak yang melibatkan 20 skenario klinis sintetis dan 10 pemeran pasien dokter. Di lebih dari 140 area penilaian, dokter mengungguli AI dalam mendeteksi tanda bahaya dan mengarahkan pemeriksaan fisik, meskipun sistem menyamai atau melampaui kinerja dokter di 68 kategori, termasuk triase. Temuan ini menunjukkan bahwa alat tersebut mungkin paling bernilai sebagai sistem pendukung ketimbang pengganti keahlian klinis.

Kolaborasi Riset yang Berjalan

DeepMind menyatakan tujuan yang lebih luas adalah mengembangkan AI yang dapat membantu dokter dengan cara yang dapat dipercaya, berbasis dasar klinis, dan adaptif terhadap lingkungan perawatan dunia nyata. Perusahaan terus melanjutkan kolaborasi riset di sejumlah negara, termasuk Amerika Serikat, India, Australia, Selandia Baru, Singapura, dan Uni Emirat Arab, seiring upaya mereka menguji sistem tersebut di beragam pengaturan layanan kesehatan.